DEEPFRUlT_DATASET
קוד פתוחsc890apache-2.02024-03-09
מאגר של מעל עשרים ואחת אלף תמונות מתויגות של עשרים סוגי פירות שונים. הוא מתאים למי שרוצה לאמן מודל ראייה ממוחשבת לסיווג פירות או לחישוב ערכים תזונתיים.
- 101הורדות בחודש
- 46לייקים
מה זה
המאגר כולל 21,122 תמונות בפורמט JPEG שמציגות 20 סוגי פירות שונים, מתוכן 16,899 מוקצות לאימון ו־4,223 מוקצות לבדיקה. התמונות מציגות פירות שצולמו בתנאים שונים ומגוונים, כולל זוויות שונות, מרחקים משתנים, רמות תאורה שונות וכן צלחות בגדלים ובצורות שונות. המקור המחקרי של הנתונים מגיע מפרסום בכתב העת ScienceDirect ומאגר Mendeley, כאשר התיוג נעשה במקור באמצעות קובצי CSV נפרדים שממפים בין שמות הקבצים לסוג הפרי.
המבנה של הרשומות כולל מזהה תמונה, מספר תיקייה, קובץ התמונה עצמו שמומר לפורמט תמונה רגיל, נתיב התמונה המקורי ותווית הטקסט באנגלית שמזהה את סוג הפרי. כל קובצי המקור עברו סינון שבו הוצאו כל הפורמטים שאינם JPEG כדי לשמור על אחידות טכנית מלאה. החלוקה המוכנה מראש לשמונים אחוז אימון ועשרים אחוז בדיקה חוסכת את הצורך לפצל את המאגר באופן ידני לפני תחילת העבודה.
מתאים ל
- סיווג פירות באפליקציות תזונה
זיהוי אוטומטי של סוג הפרי מתוך תצלום של צלחת כדי לסייע ברישום יומן אכילה והערכת סוכר.
- אימון מודלים לראייה ממוחשבת
בניית מסווג תמונות בסיסי על מערך נתונים מחולק מראש עם אלפי דוגמאות בתנאי תאורה מגוונים.
- חילוץ מאפיינים חזותיים
שימוש ברשתות עמוקות כדי לחלץ וקטורים מייצגים מתמונות פירות לצורך השוואה ומדידת דמיון.
איפה זה נופל
יש במאגר רק 20 סוגי פירות, מה שיוצר הטיה מובנית וקושי לזהות זנים מקומיים או נדירים שלא נכללו באיסוף. המאגר מיועד אך ורק לסיווג בסיסי של סוג הפרי, כך שהוא לא יזהה מחלות, פגמים או רמות בשלות בלי שתאספו מידע ייעודי נוסף. במערכות תזונה קריטיות, טעות בסיווג בין פירות דומים עלולה להוביל לחישוב קלורי שגוי לחלוטין. בנוסף, כל התוויות מוגדרות בשפה האנגלית בלבד, ואינן כוללות שמות בעברית.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, הן רישיון Apache 2.0 והן רישיון CC BY 4.0 שמופיע בתיאור מתירים שימוש מסחרי מלא. התנאי המרכזי בשניהם הוא מתן ייחוס וקרדיט נאות ליוצרי המאגר המקוריים.
כמה תמונות יש בפועל במאגר?
במאגר יש 21,122 תמונות בסך הכל. הנתון של מאות מיליוני רשומות במטא-דאטה העליון שגוי, והכרטיס מפרט בבירור שיש 16,899 תמונות אימון ועוד 4,223 תמונות בדיקה.
האם יש במאגר תמיכה בשמות פירות בעברית?
לא, כל התוויות של עשרים סוגי הפירות שמורות באנגלית בלבד. אם המוצר שלכם פונה לקהל ישראלי, תצטרכו למפות את שמות הפירות לעברית באופן עצמאי בקוד.
איך נאספו התמונות והאם הן מתאימות למציאות?
התמונות צולמו על גבי צלחות בגדלים שונים, בתנאי תאורה שונים, וממרחקים וזוויות משתנים. הגיוון הזה עוזר למודלים להתמודד עם צילומים אמיתיים של משתמשים ולא רק עם תנאי מעבדה.
איך טוענים
טוענים את המאגר דרך ספריית datasets הרגילה של Hugging Face, ואין צורך לבקש אישור גישה מיוחד כי המאגר פתוח לציבור. הנתונים שמורים בקובצי parquet לצד קובצי ארכיון zip ותסריט טעינה ייעודי. השדות שמעניינים אתכם בזמן הריצה הם אובייקט התמונה עצמו והתווית שמכילה את שם הפרי באנגלית.
from datasets import load_dataset
ds = load_dataset("sc890/DEEPFRUlT_DATASET")הרישיון
יש כאן אי התאמה בין הדיווח הרשמי במטא-דאטה שמציין רישיון Apache 2.0 לבין הטקסט בכרטיס שמפנה לרישיון CC BY 4.0 של Mendeley. שני הרישיונות מתירים שימוש מסחרי ומחייבים מתן קרדיט וייחוס ליוצרים המקוריים. מודל שתאמנו על המאגר לא יידרש להיפתח בקוד פתוח תחת שני הרישיונות הללו, אך כדאי לשמור את הייחוס למקור המדעי של הנתונים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים