indoor-scene-classification

<div align="center">
<img width="640" alt="keremberke/indoor-scene-classification" src="https://huggingface.co/datasets/keremberke/indoor-scene-classification/resolve/main/thumbnail.jpg">
</div>

### Dataset Labels

```
['meeting_room', 'cloister', 'stairscase', 'restaurant', 'hairsalon', 'children_room', 'dining_room', 'lobby', 'museum', 'laundromat', 'computerroom', 'grocerystore', 'hospitalroom', 'buffet', 'office', 'warehouse', 'garage', 'bookstore', 'florist', 'locker_room', 'inside_bus', 'subway', 'fastfood_restaurant', 'auditorium', 'studiomusic', 'airport_inside', 'pantry', 'restaurant_kitchen', 'casino', 'movietheater', 'kitchen', 'waitingroom', 'artstudio', 'toystore', 'kindergarden', 'trainstation', 'bedroom', 'mall', 'corridor', 'bar', 'classroom', 'shoeshop', 'dentaloffice', 'videostore', 'laboratorywet', 'tv_studio', 'church_inside', 'operating_room', 'jewelleryshop', 'bathroom', 'clothingstore', 'closet', 'winecellar', 'livingroom', 'nursery', 'gameroom', 'inside_subway', 'deli', 'bakery', 'library', 'prisoncell', 'gym', 'concert_hall', 'greenhouse', 'elevator', 'poolinside', 'bowling']
```

### Number of Images

```json
{'train': 10885, 'test': 1558, 'valid': 3128}
```

### How to Use

- Install [datasets](https://pypi.org/project/datasets/):

```bash
pip install datasets
```

- Load the dataset:

```python
from datasets import load_dataset

ds = load_dataset("keremberke/indoor-scene-classification", name="full")
example = ds['train'][0]
```

### Roboflow Dataset Page
[https://universe.roboflow.com/popular-benchmarks/mit-indoor-scene-recognition/dataset/5](https://universe.roboflow.com/popular-benchmarks/mit-indoor-scene-recognition/dataset/5?ref=roboflow2huggingface)

### Citation

```

```

### License
MIT

### Dataset Summary
This dataset was exported via roboflow.com on October 24, 2022 at 4:09 AM GMT

Roboflow is an end-to-end computer vision platform that helps you
* collaborate with your team on computer vision projects
* collect & organize images
* understand unstructured image data
* annotate, and create datasets
* export, train, and deploy computer vision models
* use active learning to improve your dataset over time

It includes 15571 images.
Indoor-scenes are annotated in folder format.

The following pre-processing was applied to each image:
* Auto-orientation of pixel data (with EXIF-orientation stripping)
* Resize to 416x416 (Stretch)

No image augmentation techniques were applied.

<div align="center">
<img width="640" alt="keremberke/indoor-scene-classification" src="https://huggingface.co/datasets/keremberke/indoor-scene-classification/resolve/main/thumbnail.jpg">
</div>

### 数据集标签

['会议室（meeting_room）', '回廊（cloister）', '楼梯间（stairscase）', '餐馆（restaurant）', '美发沙龙（hairsalon）', '儿童房（children_room）', '用餐室（dining_room）', '大堂（lobby）', '博物馆（museum）', '自助洗衣店（laundromat）', '计算机机房（computerroom）', '杂货店（grocerystore）', '病房（hospitalroom）', '自助餐厅（buffet）', '办公室（office）', '仓库（warehouse）', '车库（garage）', '书店（bookstore）', '花店（florist）', '储物间（locker_room）', '巴士内部（inside_bus）', '地铁车厢（subway）', '快餐店（fastfood_restaurant）', '礼堂（auditorium）', '音乐工作室（studiomusic）', '机场内部（airport_inside）', '食品储藏室（pantry）', '餐厅厨房（restaurant_kitchen）', '赌场（casino）', '电影院（movietheater）', '厨房（kitchen）', '等候室（waitingroom）', '艺术工作室（artstudio）', '玩具店（toystore）', '幼儿园（kindergarden）', '火车站（trainstation）', '卧室（bedroom）', '商场（mall）', '走廊（corridor）', '酒吧（bar）', '教室（classroom）', '鞋店（shoeshop）', '牙科诊所（dentaloffice）', '音像店（videostore）', '湿式实验室（laboratorywet）', '电视演播室（tv_studio）', '教堂内部（church_inside）', '手术室（operating_room）', '珠宝店（jewelleryshop）', '浴室（bathroom）', '服装店（clothingstore）', '壁橱（closet）', '酒窖（winecellar）', '客厅（livingroom）', '育婴室（nursery）', '游戏室（gameroom）', '地铁内部（inside_subway）', '熟食店（deli）', '面包店（bakery）', '图书馆（library）', '监狱牢房（prisoncell）', '健身房（gym）', '音乐厅（concert_hall）', '温室（greenhouse）', '电梯轿厢（elevator）', '室内泳池（poolinside）', '保龄球馆（bowling）']

### 图像数量

json
{"训练集（train）": 10885, "测试集（test）": 1558, "验证集（valid）": 3128}

### 使用方法

- 安装[datasets库（datasets）](https://pypi.org/project/datasets/):

bash
pip install datasets

- 加载数据集:

python
from datasets import load_dataset

ds = load_dataset("keremberke/indoor-scene-classification", name="full")
example = ds["train"][0]

### Roboflow数据集页面
[https://universe.roboflow.com/popular-benchmarks/mit-indoor-scene-recognition/dataset/5](https://universe.roboflow.com/popular-benchmarks/mit-indoor-scene-recognition/dataset/5?ref=roboflow2huggingface)

### 引用信息

### 许可证
MIT许可证

### 数据集概述
本数据集于2022年10月24日格林尼治标准时间凌晨4:09通过roboflow.com导出。
Roboflow是一款端到端的计算机视觉平台，可助力用户：
* 与团队协同开展计算机视觉项目
* 收集并整理图像数据
* 解析非结构化图像数据
* 进行标注并构建数据集
* 导出、训练并部署计算机视觉模型
* 使用主动学习机制随时间迭代优化数据集

本数据集共计包含15571张图像，室内场景以文件夹格式完成标注。
已对每张图像应用以下预处理操作：
* 自动调整像素数据方向（移除EXIF方向信息）
* 缩放至416×416像素（拉伸适配）

未应用任何图像增强技术。