ibrahimdaud/multi-label-food-recognition

---
license: mit
task_categories:
- image-classification
- multi-label-classification
tags:
- food-recognition
- multi-label
- computer-vision
- food-classification
size_categories:
- 10K<n<100K
---

# Multi-Label Food Recognition Dataset

This is a multi-label food recognition dataset generated from single-class food images.
Each image contains 2-5 different food items composited together using natural composition methods.

## Dataset Details

- **Total Images**: 13,000
- **Training Images**: 10,400 (80%)
- **Validation Images**: 2,600 (20%)
- **Number of Classes**: 90
- **Labels per Image**: 2-5 labels
- **Image Format**: RGB, 512x512 pixels
- **File Format**: Parquet

## Dataset Structure

Each sample contains:
- `image`: PIL Image (RGB, 512x512)
- `labels`: List of integer label IDs (multi-hot encoded)
- `label_names`: List of string class names
- `num_labels`: Number of labels in the image (2-5)

## Usage

```python
from datasets import load_dataset

# Load dataset
dataset = load_dataset("ibrahimdaud/multi-label-food-recognition")

# Access splits
train_data = dataset['train']
val_data = dataset['validation']

# Example: Get first training sample
sample = train_data[0]
print(f"Image: {sample['image']}")
print(f"Labels: {sample['label_names']}")
print(f"Label IDs: {sample['labels']}")
```

## Citation

If you use this dataset, please cite:

```bibtex
@dataset{multi_label_food_recognition,
title={Multi-Label Food Recognition Dataset},
author={Your Name},
year={2024},
url={https://huggingface.co/datasets/ibrahimdaud/multi-label-food-recognition}
}
```

## License

MIT License

许可证：MIT许可证
任务类别：
- 图像分类（image-classification）
- 多标签分类（multi-label-classification）
标签：
- 食物识别（food-recognition）
- 多标签（multi-label）
- 计算机视觉（computer-vision）
- 食物分类（food-classification）
规模类别：
- 10K<n<100K

# 多标签食物识别数据集（Multi-Label Food Recognition Dataset）

本数据集为基于单类食物图像生成的多标签食物识别数据集，每张图像均通过自然合成方式融合了2至5种不同的食物品类。

## 数据集详情

- **总图像数**：13000张
- **训练集图像**：10400张（占比80%）
- **验证集图像**：2600张（占比20%）
- **类别总数**：90类
- **单张图像标签数**：2至5个
- **图像格式**：RGB色彩空间，分辨率为512×512像素
- **文件格式**：Parquet格式

## 数据集结构

每个样本包含如下字段：
- `image`：PIL图像（RGB色彩空间，分辨率512×512像素）
- `labels`：整数标签ID列表（采用多热编码）
- `label_names`：类别名称字符串列表
- `num_labels`：图像所含标签数量（2至5个）

## 使用方法

python
from datasets import load_dataset

# 加载数据集
dataset = load_dataset("ibrahimdaud/multi-label-food-recognition")

# 访问数据集划分
train_data = dataset['train']
val_data = dataset['validation']

# 示例：获取首个训练样本
sample = train_data[0]
print(f"Image: {sample['image']}")
print(f"Labels: {sample['label_names']}")
print(f"Label IDs: {sample['labels']}")

## 引用说明

若使用本数据集，请引用如下文献：

bibtex
@dataset{multi_label_food_recognition,
title={Multi-Label Food Recognition Dataset},
author={Your Name},
year={2024},
url={https://huggingface.co/datasets/ibrahimdaud/multi-label-food-recognition}
}

## 许可证
MIT许可证