DeepFruit Dataset
Conjunto de datos de imágenes de frutas variadas, anotadas y estructuradas para su reconocimiento, clasificación y aplicaciones en el manejo dietético.
21.122 imágenes JPEG, divididas en conjuntos de tren (16.899) y de prueba (4.223), anotaciones en formato CSV
CC BY 4.0
Descripción
El DeepFruit Dataset incluye 21.122 imágenes JPEG de 20 tipos de fruta, acompañadas de anotaciones precisas en formato CSV. Las imágenes se dividen en conjuntos de entrenamiento y pruebas para facilitar la validación del modelo.
¿Para qué sirve este conjunto de datos?
- Entrene modelos de clasificación de frutas y reconocimiento de imágenes
- Desarrollar sistemas para estimar la nutrición, las calorías y la composición
- Aplicaciones en dietética, planificación alimentaria y salud pública
¿Se puede enriquecer o mejorar?
Sí, es posible agregar anotaciones detalladas sobre las características nutricionales, integrar datos sobre madurez o calidad y ampliar el corpus con más variedades de frutas.
🔎 En resumen
🧠 Recomendado para
- Investigadores de la visión
- Desarrolladores de ML para dietética
- Proyectos de salud pública
🔧 Herramientas compatibles
- PyTorch
- TensorFlow
- OpenCV
- Pandas
- Scikit-learn
💡 Consejo
Utilice archivos CSV para una gestión eficaz de las etiquetas durante el preprocesamiento.
Preguntas frecuentes
¿Cuáles son las principales categorías de frutas en este conjunto de datos?
El conjunto de datos contiene 20 tipos diferentes de fruta, cada uno claramente anotado en los archivos CSV.
¿Está este conjunto de datos listo para usarse para entrenar un modelo de clasificación?
Sí, está estructurado en conjuntos de entrenamiento/prueba y proporciona anotaciones listas para usar.
¿Qué formato toman las imágenes y las anotaciones?
Las imágenes están en JPEG, las anotaciones en formato CSV asocian cada imagen con su etiqueta de fruta.
