香蕉图像分类数据集

数据预览

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】香蕉图像分类数据集 【门类归属】植物与农业 / 水果类 【数据类型与任务】图像；待核查 【数据规模】13478 张图像 【文件格式】JPG 图片（附标注/说明文件） 【压缩包大小】下载压缩包约 217.8 MB 【数据划分】已划分 —— banana_classification/test（overripe×113、ripe×154、rotten×185、unripe×110）；banana_classification/train（overripe×2349、ripe×3522、rotten×4020、unripe×1902）；banana_classification/valid（overripe×229、ripe×339、rotten×388、unripe×167）。 【标签或字段】有标签：每张图像存放在以类别名命名的文件夹里，文件夹名就是这张图的类别；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一：随机抽取 80 张实测，宽度 416~416 像素、高度 416~416 像素。标注方式：每张图片所在文件夹的名字就是它的类别，不需要额外的标注文件。 【目录结构】 banana-classification.zip（解压后） ├── banana_classification/ —— .txt×2 ├── banana_classification/test/overripe/ —— .jpg×113 ├── banana_classification/test/ripe/ —— .jpg×154 ├── banana_classification/test/rotten/ —— .jpg×185 ├── banana_classification/test/unripe/ —— .jpg×110 ├── banana_classification/train/overripe/ —— .jpg×2349 └── …… 共 13 个子目录（完整清单见 file-manifest.csv） 【怎么使用】 图片已经按类别分好了文件夹，文件夹的名字就是图片的类别，不需要额外的标注文件。做深度学习的话，用 PyTorch 两行代码就能全部读入： from torchvision.datasets import ImageFolder banana_classification_test = ImageFolder("banana_classification/test") # overripe×113、ripe×154、rotten×185、unripe×110 banana_classification_train = ImageFolder("banana_classification/train") # overripe×2349、ripe×3522、rotten×4020、unripe×1902 banana_classification_valid = ImageFolder("banana_classification/valid") # overripe×229、ripe×339、rotten×388、unripe×167 每个类别有多少张图片，见压缩包内的 file-manifest.csv。 【数据体检结果】 · 数据体检未发现问题，可放心使用。

整理与使用信息

本站处理内容

本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。

中文整理说明

门类：植物与农业 / 水果类（依据《数据集中文分类体系》） 中文命名：香蕉图像分类数据集（原始名称 atrithakar/banana-classification） 已知问题：自动检查未发现问题（详见 quality-report.json） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。