keremberke/shoe-classification

--- task_categories: - image-classification tags: - roboflow - roboflow2huggingface - Sports - Retail - Benchmark --- <div align="center"> <img width="640" alt="keremberke/shoe-classification" src="https://huggingface.co/datasets/keremberke/shoe-classification/resolve/main/thumbnail.jpg"> </div> ### Dataset Labels ``` ['converse', 'adidas', 'nike'] ``` ### Number of Images ```json {'train': 576, 'test': 83, 'valid': 166} ``` ### 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/shoe-classification", name="full") example = ds['train'][0] ``` ### Roboflow Dataset Page [https://universe.roboflow.com/popular-benchmarks/nike-adidas-and-converse-shoes-classification/dataset/4](https://universe.roboflow.com/popular-benchmarks/nike-adidas-and-converse-shoes-classification/dataset/4?ref=roboflow2huggingface) ### Citation ``` ``` ### License Public Domain ### Dataset Summary This dataset was exported via roboflow.com on October 28, 2022 at 2:38 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 825 images. Shoes are annotated in folder format. The following pre-processing was applied to each image: * Auto-orientation of pixel data (with EXIF-orientation stripping) No image augmentation techniques were applied.任务类别： - 图像分类 (image-classification) 标签： - Roboflow (Roboflow) - roboflow2huggingface - 体育 (Sports) - 零售 (Retail) - 基准测试 (Benchmark) <div align="center"> <img width="640" alt="keremberke/shoe-classification" src="https://huggingface.co/datasets/keremberke/shoe-classification/resolve/main/thumbnail.jpg"> </div> ### 数据集标签 ['匡威 (Converse)', '阿迪达斯 (adidas)', '耐克 (Nike)'] ### 图像数量 json {'训练集 (train)': 576, '测试集 (test)': 83, '验证集 (valid)': 166} ### 使用方法 - 安装数据集库 (datasets)： bash pip install datasets - 加载数据集： python from datasets import load_dataset ds = load_dataset("keremberke/shoe-classification", name="full") example = ds['train'][0] ### Roboflow 数据集页面 [https://universe.roboflow.com/popular-benchmarks/nike-adidas-and-converse-shoes-classification/dataset/4](https://universe.roboflow.com/popular-benchmarks/nike-adidas-and-converse-shoes-classification/dataset/4?ref=roboflow2huggingface) ### 引用 ### 许可证 公共领域 (Public Domain) ### 数据集摘要 本数据集于2022年10月28日格林尼治标准时间凌晨2:38通过roboflow.com导出。 Roboflow是一款端到端的计算机视觉平台，可帮助您： * 与团队协作开展计算机视觉项目 * 收集并整理图像 * 理解非结构化图像数据 * 标注并创建数据集 * 导出、训练并部署计算机视觉模型 * 使用主动学习随时间迭代优化数据集 该数据集共包含825张图像，鞋类图像以文件夹格式进行标注。 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（剥离EXIF方向信息） 未使用任何图像增强技术。

原始信息汇总

数据集概述

任务类别

• 图像分类

标签

• 匡威
• 阿迪达斯
• 耐克

图像数量

• 训练集：576张
• 测试集：83张
• 验证集：166张

使用方法

1. 安装 datasets 库： bash pip install datasets

2. 加载数据集： python from datasets import load_dataset ds = load_dataset("keremberke/shoe-classification", name="full") example = ds[train][0]

许可证

• 公共领域

数据集处理

• 每张图像应用了自动像素数据方向调整（包含EXIF方向剥离）
• 未应用图像增强技术

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，鞋类图像分类是零售与体育用品行业智能化的关键任务之一。该数据集源自Roboflow平台，于2022年10月28日导出，包含825张经过自动方向校正的鞋类图像，未应用任何图像增强技术。图像以文件夹格式进行标注，涵盖三类知名品牌：Converse、Adidas和Nike。数据集被划分为训练集（576张）、测试集（83张）和验证集（166张），为模型训练与评估提供了清晰的结构。

使用方法

通过Hugging Face的datasets库可便捷加载该数据集。用户需先安装datasets包，随后调用load_dataset函数并指定名称参数为'full'即可获取完整数据集。返回的字典结构包含'train'、'test'和'valid'三个子集，每个子集可通过索引访问图像及其对应标签。该数据集适合直接用于训练图像分类模型，也可作为迁移学习或模型评估的基准数据源。

背景与挑战

背景概述

鞋类图像分类作为计算机视觉在零售与体育领域的重要应用，一直备受关注。该数据集由keremberke团队于2022年10月28日通过Roboflow平台创建，主要研究机构为Roboflow社区，核心研究问题在于实现Converse、Adidas和Nike三大知名品牌鞋款的自动识别。数据集包含825张图像，划分为训练集576张、测试集83张和验证集166张，为细粒度图像分类任务提供了标准化基准。该数据集填补了鞋类品牌识别领域的标注数据空白，推动了电子商务自动化和体育用品管理等相关技术的发展。

当前挑战

当前数据集面临多重挑战。在领域问题层面，鞋类品牌间外观相似性极高，如Converse与Nike的帆布鞋款式难以区分，传统图像分类模型易产生混淆。在构建过程中，数据仅来自单一来源且未经数据增强处理，导致样本多样性不足，训练集仅576张图像，难以覆盖不同角度、光照和背景下的真实场景。此外，标注仅包含三个品牌类别，缺乏对鞋型、颜色等细粒度属性的标注，限制了模型在复杂零售环境中的泛化能力。

常用场景

经典使用场景

在计算机视觉与图像分类领域，鞋类图像识别因其在时尚电商、品牌监测等场景中的广泛应用而备受关注。keremberke/shoe-classification数据集以Converse、Adidas和Nike三大经典运动品牌为分类目标，提供了825张经过自动方向校正的鞋类图像，并划分为训练集（576张）、验证集（166张）与测试集（83张）。该数据集最经典的使用场景是作为轻量级图像分类任务的基准测试集，用于训练和评估卷积神经网络（CNN）模型在品牌级鞋类识别上的性能，其简洁的类别设置与适中的规模使得研究者能够快速验证算法在细粒度分类任务中的有效性。

解决学术问题

该数据集有效解决了鞋类图像分类研究中标注数据稀缺与类别不平衡的学术难题。通过聚焦于三个全球知名运动品牌，它提供了一个标准化、公开可用的基准，使研究者能够对比不同深度学习架构（如ResNet、MobileNet等）在品牌识别任务中的表现。其意义在于推动了细粒度图像分类算法在零售领域的应用，尤其是在缺乏大规模标注数据时，该数据集可作为迁移学习或小样本学习的实验平台。此外，它促进了模型对鞋类纹理、Logo和鞋型等细微特征的鲁棒性研究，为后续更复杂的鞋类属性识别（如款式、颜色）奠定了基础。

实际应用

在实际应用中，该数据集支撑了多项面向零售与电子商务的智能解决方案。例如，在线购物平台可基于该数据集训练的模型实现鞋类商品的自动分类与标签生成，提升商品上架效率与搜索精准度。品牌方则能利用模型进行社交媒体图像中的品牌曝光度监测，自动识别用户上传照片中的鞋类品牌，为市场分析与广告投放提供数据支撑。此外，该数据集还可集成至智能试穿系统，通过摄像头实时识别用户鞋款，辅助推荐搭配产品，从而优化用户体验并提升转化率。

数据集最近研究

最新研究方向

在计算机视觉与时尚零售交叉领域，鞋类品牌分类任务正成为细粒度图像识别的重要研究方向。keremberke/shoe-classification数据集聚焦于Converse、Adidas和Nike三大运动品牌的鞋款识别，其构建基于Roboflow平台，涵盖825张经过自动方向校正的原始图像，划分为训练、验证和测试子集。该数据集的出现回应了电商平台与智能零售场景对品牌级商品自动识别的迫切需求，尤其在无约束环境下，区分具有相似外观但品牌不同的鞋类产品，对提升搜索推荐系统精度、优化库存管理及打击假冒伪劣商品具有直接应用价值。当前前沿探索包括利用轻量级卷积神经网络与迁移学习在该数据集上进行品牌分类的基准测试，以及结合注意力机制提升细粒度特征辨识能力，为时尚领域多品牌、多品类图像理解任务提供了可复现的评估基准。