Food-101-Enriched 数据集卡片（由Renumics增强）

数据集概要

📊 对于真实世界的应用案例，数据准则变得越来越重要。在 Renumics ，我们认为经典的基准数据集和竞赛应该得到扩展，以反映这一发展。

🔍 这就是为什么我们发布具有特定应用增强的基准数据集（例如嵌入、基准结果、不确定性、标签误差分数）。我们希望这能以以下方式帮助机器学习社区：

📚 该数据集是 Food101 Data Set 的增强版本。

探索数据集

这些增强功能使您能够快速了解数据集。开源数据整理工具 Renumics Spotlight 可以通过几行代码实现：

在笔记本中通过数据集和Spotlight进行安装：

!pip install renumics-spotlight datasets

从huggingface中加载数据集：

import datasets

dataset = datasets.load_dataset("renumics/food101-enriched", split="train")

用简单视图开始探索：

from renumics import spotlight

df_show = dataset.to_pandas()
spotlight.show(df_show, port=8000, dtype={"image": spotlight.Image})

您可以使用UI与数据进行交互式配置。根据具体任务（例如模型比较、调试、异常检测），您可能需要利用不同的增强功能和元数据。

Food101数据集

该数据集包含101个食物类别的101,000张图像。为每个类别提供了250张经过手动审核的测试图像以及750张训练图像。出于目的考虑，训练图像没有进行清理，因此仍然包含一些噪声。这主要以强烈的颜色和有时错误的标签形式存在。所有图像都被重新缩放为最大边长为512像素。

支持的任务和排行榜

• 图像分类：该任务的目标是将给定的菜品图片分类到101个类别之一。排行榜可在 here 查看。

语言

英文类别标签。

数据集结构

数据实例

下面提供了训练集的一个样本：

{
  "image": "/huggingface/datasets/downloads/extracted/49750366cbaf225ce1b5a5c033fa85ceddeee2e82f1d6e0365e8287859b4c7c8/0/0.jpg",
  "label": 6,
  "label_str": "beignets",
  "split": "train"
}

{
  "apple_pie": 0,
  "baby_back_ribs": 1,
  "baklava": 2,
  "beef_carpaccio": 3,
  "beef_tartare": 4,
  "beet_salad": 5,
  "beignets": 6,
  "bibimbap": 7,
  "bread_pudding": 8,
  "breakfast_burrito": 9,
  "bruschetta": 10,
  "caesar_salad": 11,
  "cannoli": 12,
  "caprese_salad": 13,
  "carrot_cake": 14,
  "ceviche": 15,
  "cheesecake": 16,
  "cheese_plate": 17,
  "chicken_curry": 18,
  "chicken_quesadilla": 19,
  "chicken_wings": 20,
  "chocolate_cake": 21,
  "chocolate_mousse": 22,
  "churros": 23,
  "clam_chowder": 24,
  "club_sandwich": 25,
  "crab_cakes": 26,
  "creme_brulee": 27,
  "croque_madame": 28,
  "cup_cakes": 29,
  "deviled_eggs": 30,
  "donuts": 31,
  "dumplings": 32,
  "edamame": 33,
  "eggs_benedict": 34,
  "escargots": 35,
  "falafel": 36,
  "filet_mignon": 37,
  "fish_and_chips": 38,
  "foie_gras": 39,
  "french_fries": 40,
  "french_onion_soup": 41,
  "french_toast": 42,
  "fried_calamari": 43,
  "fried_rice": 44,
  "frozen_yogurt": 45,
  "garlic_bread": 46,
  "gnocchi": 47,
  "greek_salad": 48,
  "grilled_cheese_sandwich": 49,
  "grilled_salmon": 50,
  "guacamole": 51,
  "gyoza": 52,
  "hamburger": 53,
  "hot_and_sour_soup": 54,
  "hot_dog": 55,
  "huevos_rancheros": 56,
  "hummus": 57,
  "ice_cream": 58,
  "lasagna": 59,
  "lobster_bisque": 60,
  "lobster_roll_sandwich": 61,
  "macaroni_and_cheese": 62,
  "macarons": 63,
  "miso_soup": 64,
  "mussels": 65,
  "nachos": 66,
  "omelette": 67,
  "onion_rings": 68,
  "oysters": 69,
  "pad_thai": 70,
  "paella": 71,
  "pancakes": 72,
  "panna_cotta": 73,
  "peking_duck": 74,
  "pho": 75,
  "pizza": 76,
  "pork_chop": 77,
  "poutine": 78,
  "prime_rib": 79,
  "pulled_pork_sandwich": 80,
  "ramen": 81,
  "ravioli": 82,
  "red_velvet_cake": 83,
  "risotto": 84,
  "samosa": 85,
  "sashimi": 86,
  "scallops": 87,
  "seaweed_salad": 88,
  "shrimp_and_grits": 89,
  "spaghetti_bolognese": 90,
  "spaghetti_carbonara": 91,
  "spring_rolls": 92,
  "steak": 93,
  "strawberry_shortcake": 94,
  "sushi": 95,
  "tacos": 96,
  "takoyaki": 97,
  "tiramisu": 98,
  "tuna_tartare": 99,
  "waffles": 100
}

数据字段

数据划分

创建数据集

策划理由

[需要更多信息]

源数据

[需要更多信息]

[需要更多信息]

注释

[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的考虑

数据集的社会影响

[需要更多信息]

偏差讨论

[需要更多信息]

其他已知限制

[需要更多信息]

附加信息

数据集维护者

[需要更多信息]

许可信息

Food-101数据集由Foodspotting [1]提供的图片组成，不属于苏黎世联邦理工学院（ETHZ）的财产。任何超出科学公正使用范围的使用都必须根据Foodspotting的使用条款与相应的图片所有者商议。 [1] http://www.foodspotting.com/ [2] http://www.foodspotting.com/terms/

引用信息

如果您使用了这个数据集，请引用以下论文：

@inproceedings{bossard14,
  title = {Food-101 -- Mining Discriminative Components with Random Forests},
  author = {Bossard, Lukas and Guillaumin, Matthieu and Van Gool, Luc},
  booktitle = {European Conference on Computer Vision},
  year = {2014}
}

贡献者

Lukas Bossard，Matthieu Guillaumin，Luc Van Gool和Renumics GmbH。