DeepFruit Dataset
Dataset d’images de fruits variés, annotées et structurées pour la reconnaissance, classification, et applications en gestion diététique.
21 122 images JPEG, réparties en ensembles train (16 899) et test (4 223), annotations sous forme CSV
CC BY 4.0
Description
Le DeepFruit Dataset comprend 21 122 images JPEG de 20 types de fruits, accompagnées d’annotations précises sous format CSV. Les images sont réparties en ensembles d’entraînement et de test pour faciliter la validation des modèles.
À quoi sert ce dataset ?
- Entraîner des modèles de classification et reconnaissance d’images de fruits
- Développer des systèmes d’estimation nutritionnelle, calories, et composition
- Applications en diététique, planification alimentaire et santé publique
Peut-on l’enrichir ou l’améliorer ?
Oui, il est possible d’ajouter des annotations détaillées sur les caractéristiques nutritionnelles, d’intégrer des données sur la maturité ou la qualité, et d’étendre le corpus avec plus de variétés de fruits.
🔎 En résumé
🧠 Recommandé pour
- Chercheurs en vision
- Développeurs ML pour diététique
- Projets santé publique
🔧 Outils compatibles
- PyTorch
- TensorFlow
- OpenCV
- Pandas
- Scikit-learn
💡 Astuce
Utiliser les fichiers CSV pour une gestion efficace des labels lors du prétraitement.
Questions fréquemment posées
Quelles sont les principales catégories de fruits dans ce dataset ?
Le dataset contient 20 types de fruits variés, chacun clairement annoté dans les fichiers CSV.
Ce dataset est-il prêt à l’emploi pour entraîner un modèle de classification ?
Oui, il est structuré en ensembles train/test et fournit des annotations prêtes à l’usage.
Quel format ont les images et les annotations ?
Les images sont en JPEG, les annotations au format CSV associant chaque image à son label fruit.
