mrdbourke/food_vision_199_classes

--- dataset_info: features: - name: image dtype: image - name: label dtype: class_label: names: '0': almond_butter '1': almonds '2': apple '3': apricot '4': asparagus '5': avocado '6': bacon '7': bacon_and_egg_burger '8': bagel '9': baklava '10': banana '11': banana_bread '12': barbecue_sauce '13': beans '14': beef '15': beef_curry '16': beef_mince '17': beef_stir_fry '18': beer '19': beetroot '20': biltong '21': blackberries '22': blueberries '23': bok_choy '24': bread '25': broccoli '26': broccolini '27': brownie '28': brussel_sprouts '29': burrito '30': butter '31': cabbage '32': calamari '33': candy '34': capsicum '35': carrot '36': cashews '37': cauliflower '38': celery '39': cheese '40': cheeseburger '41': cherries '42': chicken_breast '43': chicken_thighs '44': chicken_wings '45': chilli '46': chimichurri '47': chocolate '48': chocolate_cake '49': coconut '50': coffee '51': coleslaw '52': cookies '53': coriander '54': corn '55': corn_chips '56': cream '57': croissant '58': crumbed_chicken '59': cucumber '60': cupcake '61': daikon_radish '62': dates '63': donuts '64': dragonfruit '65': eggplant '66': eggs '67': enoki_mushroom '68': fennel '69': figs '70': french_toast '71': fried_rice '72': fries '73': fruit_juice '74': garlic '75': garlic_bread '76': ginger '77': goji_berries '78': granola '79': grapefruit '80': grapes '81': green_beans '82': green_onion '83': guacamole '84': guava '85': gyoza '86': ham '87': honey '88': hot_chocolate '89': ice_coffee '90': ice_cream '91': iceberg_lettuce '92': jerusalem_artichoke '93': kale '94': karaage_chicken '95': kimchi '96': kiwi_fruit '97': lamb_chops '98': leek '99': lemon '100': lentils '101': lettuce '102': lime '103': mandarin '104': mango '105': maple_syrup '106': mashed_potato '107': mayonnaise '108': milk '109': miso_soup '110': mushrooms '111': nectarines '112': noodles '113': nuts '114': olive_oil '115': olives '116': omelette '117': onion '118': orange '119': orange_juice '120': oysters '121': pain_au_chocolat '122': pancakes '123': papaya '124': parsley '125': parsnips '126': passionfruit '127': pasta '128': pawpaw '129': peach '130': pear '131': peas '132': pickles '133': pineapple '134': pizza '135': plum '136': pomegranate '137': popcorn '138': pork_belly '139': pork_chop '140': pork_loins '141': porridge '142': potato_bake '143': potato_chips '144': potato_scallop '145': potatoes '146': prawns '147': pumpkin '148': radish '149': ramen '150': raspberries '151': red_onion '152': red_wine '153': rhubarb '154': rice '155': roast_beef '156': roast_pork '157': roast_potatoes '158': rockmelon '159': rosemary '160': salad '161': salami '162': salmon '163': salsa '164': salt '165': sandwich '166': sardines '167': sausage_roll '168': sausages '169': scrambled_eggs '170': seaweed '171': shallots '172': snow_peas '173': soda '174': soy_sauce '175': spaghetti_bolognese '176': spinach '177': sports_drink '178': squash '179': starfruit '180': steak '181': strawberries '182': sushi '183': sweet_potato '184': tacos '185': tamarillo '186': taro '187': tea '188': toast '189': tofu '190': tomato '191': tomato_chutney '192': tomato_sauce '193': turnip '194': watermelon '195': white_onion '196': white_wine '197': yoghurt '198': zucchini splits: - name: train num_bytes: 2973286 num_examples: 19747 download_size: 6202707 dataset_size: 2973286 ---数据集信息： 特征字段： - 名称：图像（image），数据类型：图像格式 - 名称：标签（label），数据类型：分类标签（class_label），类别映射如下： '0': 杏仁酱（almond_butter） '1': 杏仁（almonds） '2': 苹果（apple） '3': 杏（apricot） '4': 芦笋（asparagus） '5': 牛油果（avocado） '6': 培根（bacon） '7': 培根鸡蛋汉堡（bacon_and_egg_burger） '8': 贝果（bagel） '9': 果仁蜜饼（baklava） '10': 香蕉（banana） '11': 香蕉面包（banana_bread） '12': 烧烤酱（barbecue_sauce） '13': 豆类（beans） '14': 牛肉（beef） '15': 牛肉咖喱（beef_curry） '16': 牛肉末（beef_mince） '17': 牛肉小炒（beef_stir_fry） '18': 啤酒（beer） '19': 甜菜根（beetroot） '20': 南非风干牛肉干（biltong） '21': 黑莓（blackberries） '22': 蓝莓（blueberries） '23': 上海青（bok_choy） '24': 面包（bread） '25': 西兰花（broccoli） '26': 西兰苔（broccolini） '27': 布朗尼蛋糕（brownie） '28': 抱子甘蓝（brussel_sprouts） '29': 墨西哥卷饼（burrito） '30': 黄油（butter） '31': 卷心菜（cabbage） '32': 炸鱿鱼（calamari） '33': 糖果（candy） '34': 菜椒（capsicum） '35': 胡萝卜（carrot） '36': 腰果（cashews） '37': 花椰菜（cauliflower） '38': 芹菜（celery） '39': 奶酪（cheese） '40': 芝士汉堡（cheeseburger） '41': 樱桃（cherries） '42': 鸡胸肉（chicken_breast） '43': 鸡腿肉（chicken_thighs） '44': 鸡翅（chicken_wings） '45': 辣椒（chilli） '46': 阿根廷青酱（chimichurri） '47': 巧克力（chocolate） '48': 巧克力蛋糕（chocolate_cake） '49': 椰子（coconut） '50': 咖啡（coffee） '51': 凉拌卷心菜（coleslaw） '52': 曲奇饼干（cookies） '53': 芫荽（coriander） '54': 玉米（corn） '55': 玉米片（corn_chips） '56': 奶油（cream） '57': 可颂牛角包（croissant） '58': 裹粉炸鸡（crumbed_chicken） '59': 黄瓜（cucumber） '60': 纸杯蛋糕（cupcake） '61': 大根白萝卜（daikon_radish） '62': 椰枣（dates） '63': 甜甜圈（donuts） '64': 火龙果（dragonfruit） '65': 茄子（eggplant） '66': 鸡蛋（eggs） '67': 金针菇（enoki_mushroom） '68': 茴香（fennel） '69': 无花果（figs） '70': 法式吐司（french_toast） '71': 炒饭（fried_rice） '72': 薯条（fries） '73': 果汁（fruit_juice） '74': 大蒜（garlic） '75': 大蒜面包（garlic_bread） '76': 生姜（ginger） '77': 枸杞（goji_berries） '78': 格兰诺拉麦片（granola） '79': 西柚（grapefruit） '80': 葡萄（grapes） '81': 青豆（green_beans） '82': 青葱（green_onion） '83': 鳄梨酱（guacamole） '84': 番石榴（guava） '85': 日式煎饺（gyoza） '86': 火腿（ham） '87': 蜂蜜（honey） '88': 热巧克力/热可可（hot_chocolate） '89': 冰咖啡（ice_coffee） '90': 冰淇淋（ice_cream） '91': 结球生菜（iceberg_lettuce） '92': 菊芋/洋姜（jerusalem_artichoke） '93': 羽衣甘蓝（kale） '94': 日式炸鸡块（karaage_chicken） '95': 泡菜（kimchi） '96': 猕猴桃（kiwi_fruit） '97': 羊排（lamb_chops） '98': 韭葱（leek） '99': 柠檬（lemon） '100': 小扁豆（lentils） '101': 生菜（lettuce） '102': 青柠（lime） '103': 蜜橘（mandarin） '104': 芒果（mango） '105': 枫糖浆（maple_syrup） '106': 土豆泥（mashed_potato） '107': 蛋黄酱（mayonnaise） '108': 牛奶（milk） '109': 味增汤（miso_soup） '110': 蘑菇（mushrooms） '111': 油桃（nectarines） '112': 面条（noodles） '113': 坚果（nuts） '114': 橄榄油（olive_oil） '115': 橄榄（olives） '116': 煎蛋卷/欧姆蛋（omelette） '117': 洋葱（onion） '118': 橙子（orange） '119': 橙汁（orange_juice） '120': 牡蛎/生蚝（oysters） '121': 巧克力可颂（pain_au_chocolat） '122': 美式松饼/煎饼（pancakes） '123': 木瓜（papaya） '124': 欧芹（parsley） '125': 欧防风（parsnips） '126': 百香果（passionfruit） '127': 意面（pasta） '128': 番木瓜（pawpaw） '129': 桃子（peach） '130': 梨（pear） '131': 豌豆（peas） '132': 腌黄瓜/泡菜（pickles） '133': 菠萝（pineapple） '134': 披萨（pizza） '135': 李子（plum） '136': 石榴（pomegranate） '137': 爆米花（popcorn） '138': 五花肉（pork_belly） '139': 猪排（pork_chop） '140': 猪里脊（pork_loins） '141': 麦片粥（porridge） '142': 烤土豆料理（potato_bake） '143': 薯片（potato_chips） '144': 土豆煎饼（potato_scallop） '145': 土豆（potatoes） '146': 大虾（prawns） '147': 南瓜（pumpkin） '148': 萝卜（radish） '149': 日式拉面（ramen） '150': 树莓/覆盆子（raspberries） '151': 红洋葱（red_onion） '152': 红酒（red_wine） '153': 大黄（rhubarb） '154': 大米/米饭（rice） '155': 烤牛肉（roast_beef） '156': 烤猪肉（roast_pork） '157': 烤土豆（roast_potatoes） '158': 哈密瓜（rockmelon） '159': 迷迭香（rosemary） '160': 沙拉（salad） '161': 萨拉米香肠（salami） '162': 三文鱼（salmon） '163': 莎莎酱（salsa） '164': 盐（salt） '165': 三明治（sandwich） '166': 沙丁鱼（sardines） '167': 香肠卷（sausage_roll） '168': 香肠（sausages） '169': 滑蛋（scrambled_eggs） '170': 海苔/海藻（seaweed） '171': 干葱头/青葱（shallots） '172': 荷兰豆（snow_peas） '173': 苏打水（soda） '174': 酱油（soy_sauce） '175': 肉酱意面（spaghetti_bolognese） '176': 菠菜（spinach） '177': 运动饮料（sports_drink） '178': 西葫芦（squash） '179': 杨桃（starfruit） '180': 牛排（steak） '181': 草莓（strawberries） '182': 寿司（sushi） '183': 红薯（sweet_potato） '184': 墨西哥塔可（tacos） '185': 树番茄（tamarillo） '186': 芋头（taro） '187': 茶（tea） '188': 烤吐司（toast） '189': 豆腐（tofu） '190': 番茄（tomato） '191': 番茄酸辣酱（tomato_chutney） '192': 番茄酱（tomato_sauce） '193': 芜菁（turnip） '194': 西瓜（watermelon） '195': 白洋葱（white_onion） '196': 白葡萄酒（white_wine） '197': 酸奶（yoghurt） '198': 西葫芦（zucchini） 数据集拆分： - 名称：训练集（train），数据字节数：2973286，样本数量：19747 下载总大小：6202707 数据集存储总大小：2973286

原始信息汇总

数据集概述

特征

• image: 图像数据类型
• label: 类别标签，包含以下类别名称：
  • 0: almond_butter
  • 1: almonds
  • 2: apple
  • 3: apricot
  • 4: asparagus
  • 5: avocado
  • 6: bacon
  • 7: bacon_and_egg_burger
  • 8: bagel
  • 9: baklava
  • 10: banana
  • 11: banana_bread
  • 12: barbecue_sauce
  • 13: beans
  • 14: beef
  • 15: beef_curry
  • 16: beef_mince
  • 17: beef_stir_fry
  • 18: beer
  • 19: beetroot
  • 20: biltong
  • 21: blackberries
  • 22: blueberries
  • 23: bok_choy
  • 24: bread
  • 25: broccoli
  • 26: broccolini
  • 27: brownie
  • 28: brussel_sprouts
  • 29: burrito
  • 30: butter
  • 31: cabbage
  • 32: calamari
  • 33: candy
  • 34: capsicum
  • 35: carrot
  • 36: cashews
  • 37: cauliflower
  • 38: celery
  • 39: cheese
  • 40: cheeseburger
  • 41: cherries
  • 42: chicken_breast
  • 43: chicken_thighs
  • 44: chicken_wings
  • 45: chilli
  • 46: chimichurri
  • 47: chocolate
  • 48: chocolate_cake
  • 49: coconut
  • 50: coffee
  • 51: coleslaw
  • 52: cookies
  • 53: coriander
  • 54: corn
  • 55: corn_chips
  • 56: cream
  • 57: croissant
  • 58: crumbed_chicken
  • 59: cucumber
  • 60: cupcake
  • 61: daikon_radish
  • 62: dates
  • 63: donuts
  • 64: dragonfruit
  • 65: eggplant
  • 66: eggs
  • 67: enoki_mushroom
  • 68: fennel
  • 69: figs
  • 70: french_toast
  • 71: fried_rice
  • 72: fries
  • 73: fruit_juice
  • 74: garlic
  • 75: garlic_bread
  • 76: ginger
  • 77: goji_berries
  • 78: granola
  • 79: grapefruit
  • 80: grapes
  • 81: green_beans
  • 82: green_onion
  • 83: guacamole
  • 84: guava
  • 85: gyoza
  • 86: ham
  • 87: honey
  • 88: hot_chocolate
  • 89: ice_coffee
  • 90: ice_cream
  • 91: iceberg_lettuce
  • 92: jerusalem_artichoke
  • 93: kale
  • 94: karaage_chicken
  • 95: kimchi
  • 96: kiwi_fruit
  • 97: lamb_chops
  • 98: leek
  • 99: lemon
  • 100: lentils
  • 101: lettuce
  • 102: lime
  • 103: mandarin
  • 104: mango
  • 105: maple_syrup
  • 106: mashed_potato
  • 107: mayonnaise
  • 108: milk
  • 109: miso_soup
  • 110: mushrooms
  • 111: nectarines
  • 112: noodles
  • 113: nuts
  • 114: olive_oil
  • 115: olives
  • 116: omelette
  • 117: onion
  • 118: orange
  • 119: orange_juice
  • 120: oysters
  • 121: pain_au_chocolat
  • 122: pancakes
  • 123: papaya
  • 124: parsley
  • 125: parsnips
  • 126: passionfruit
  • 127: pasta
  • 128: pawpaw
  • 129: peach
  • 130: pear
  • 131: peas
  • 132: pickles
  • 133: pineapple
  • 134: pizza
  • 135: plum
  • 136: pomegranate
  • 137: popcorn
  • 138: pork_belly
  • 139: pork_chop
  • 140: pork_loins
  • 141: porridge
  • 142: potato_bake
  • 143: potato_chips
  • 144: potato_scallop
  • 145: potatoes
  • 146: prawns
  • 147: pumpkin
  • 148: radish
  • 149: ramen
  • 150: raspberries
  • 151: red_onion
  • 152: red_wine
  • 153: rhubarb
  • 154: rice
  • 155: roast_beef
  • 156: roast_pork
  • 157: roast_potatoes
  • 158: rockmelon
  • 159: rosemary
  • 160: salad
  • 161: salami
  • 162: salmon
  • 163: salsa
  • 164: salt
  • 165: sandwich
  • 166: sardines
  • 167: sausage_roll
  • 168: sausages
  • 169: scrambled_eggs
  • 170: seaweed
  • 171: shallots
  • 172: snow_peas
  • 173: soda
  • 174: soy_sauce
  • 175: spaghetti_bolognese
  • 176: spinach
  • 177: sports_drink
  • 178: squash
  • 179: starfruit
  • 180: steak
  • 181: strawberries
  • 182: sushi
  • 183: sweet_potato
  • 184: tacos
  • 185: tamarillo
  • 186: taro
  • 187: tea
  • 188: toast
  • 189: tofu
  • 190: tomato
  • 191: tomato_chutney
  • 192: tomato_sauce
  • 193: turnip
  • 194: watermelon
  • 195: white_onion
  • 196: white_wine
  • 197: yoghurt
  • 198: zucchini

数据集划分

• train:
  • 字节数: 2973286
  • 样本数: 19747

数据集大小

• 下载大小: 6202707
• 数据集大小: 2973286

搜集汇总

数据集介绍

构建方式

在计算机视觉与食品图像识别领域，精细化的食材分类数据集对于推动模型性能提升至关重要。mrdbourke/food_vision_199_classes数据集由图像与对应标签构成，共涵盖199个细粒度食物类别，从杏仁酱到西葫芦，几乎囊括了日常饮食中的常见食材与菜肴。每个样本均包含一张真实场景下的食物图像及其类别标签，标签体系采用结构化类名映射，便于模型进行多类别判别。数据集以HuggingFace标准格式存储，训练集包含19,747张图像，整体数据规模约为6.2 MB，兼顾了类别多样性与数据量级的平衡。

特点

该数据集最显著的特点在于其类别覆盖的广度与细粒度，199个类别不仅包括单一食材如苹果、牛肉，还涵盖复合菜品如培根鸡蛋汉堡、意大利肉酱面，以及调味品如番茄酱、美乃滋等，真实反映了饮食场景的复杂性。类别标签采用自然语言命名，直观易懂，便于研究者直接用于零样本或少样本学习任务。此外，数据集以图像为核心，无额外元数据干扰，结构简洁，利于快速加载与预处理。其训练集规模适中，既适合作为基准测试集，也可用于迁移学习中的微调实验。

使用方法

使用该数据集时，可通过HuggingFace的datasets库直接加载，利用load_dataset函数指定数据集名称即可获取训练集。加载后，图像数据以PIL图像格式呈现，标签以整数索引形式对应199个类别名称，用户可借助features中的class_label映射还原为可读文本。典型应用场景包括训练食物图像分类模型、评估细粒度识别算法，或作为食品计算领域的基准数据集。为提升模型泛化能力，建议在训练前对图像进行数据增强，如随机裁剪、水平翻转与色彩抖动。数据集亦可与预训练视觉模型结合，用于迁移学习中的下游任务微调。

背景与挑战

背景概述

在计算机视觉与食品计算交叉领域，精细化食品图像识别是推动饮食健康监测、智能烹饪辅助及营养分析自动化的重要基石。由研究者Daniel Bourke于近年创建的food_vision_199_classes数据集，汇聚了涵盖199类常见食材与菜品的图像样本，其类别从杏仁酱、牛油果到意式千层面、味噌汤，构建了极具代表性的食品视觉语料库。该数据集的核心研究问题聚焦于如何在大规模、细粒度食品分类任务中提升模型对形态相似、拍摄条件多样的食品图像的判别能力，为深度学习在食品领域的应用提供了标准化基准。其发布不仅促进了食品识别算法从粗粒度向细粒度的演进，更对健康管理、零售自动化和饮食文化数字化产生了深远影响。

当前挑战

该数据集面临的核心挑战在于细粒度食品分类的视觉模糊性，例如‘烤牛肉’与‘烤猪肉’间的纹理、色泽差异极其细微，而‘番茄酱’与‘番茄酸辣酱’在视觉上高度相似，这对分类模型的判别边界提出了严苛要求。此外，食品图像受拍摄角度、光照变化、食材摆放方式及背景干扰影响显著，同一类别内部差异巨大。构建过程中，数据采集需确保199个类别样本均衡，避免长尾分布，同时需手动标注大量图像，保证标签准确性与覆盖度，这对数据清洗与质量控制构成显著难度，也为模型泛化能力带来了持久考验。

常用场景

经典使用场景

在计算机视觉与食品计算交叉领域，mrdbourke/food_vision_199_classes数据集为细粒度图像分类任务提供了极具价值的基准资源。该数据集涵盖199个食品类别，从基础食材如杏仁、苹果到复杂菜肴如意大利肉酱面、寿司，构建了一个层次丰富、类别均衡的视觉识别挑战。研究者常将其作为评估深度学习模型在食品图像识别上泛化能力的标准测试集，尤其适用于验证卷积神经网络与视觉Transformer在大规模多类别分类中的表现。

实际应用

在实际应用中，该数据集支撑了智能饮食管理系统的核心功能，例如通过拍照自动识别餐食成分，辅助用户进行营养摄入追踪与健康分析。此外，它被整合至餐厅自助结算终端与食品库存管理平台，实现快速菜品分类与供应链优化。在公共卫生领域，基于该数据集的模型被用于大规模膳食调查，帮助研究人员从图像数据中提取饮食模式，为营养流行病学研究提供自动化工具。

衍生相关工作

该数据集催生了一系列经典研究工作，包括基于注意力机制的细粒度食品识别网络、面向食品图像的领域自适应方法，以及融合知识图谱的零样本食品分类模型。研究者还利用其构建了食品图像检索系统与食谱生成流水线，探索了视觉-语言联合表征在烹饪领域的应用。这些衍生工作不仅深化了食品计算的理论体系，也为跨模态学习与开放世界识别提供了新的实验范式。