imagenet2012_real

Этот набор данных содержит проверочные изображения ILSVRC-2012 (ImageNet), дополненные новым набором меток «Re-Assessed» (ReaL) из документа «Мы закончили с ImageNet», см. https://arxiv.org/abs/2006.07159 Эти метки собираются с использованием расширенного протокола, в результате чего получаются более точные аннотации с несколькими метками.

Важное примечание: около 3500 примеров не содержат меток, их следует исключить из усреднения при расчете точности . Один из возможных способов сделать это — использовать следующий код NumPy:

is_correct = [pred in real_labels[i] for i, pred in enumerate(predictions) if real_labels[i]]
real_accuracy = np.mean(is_correct)
  • Домашняя страница : https://github.com/google-research/reassessed-imagenet

  • Исходный код : tfds.datasets.imagenet2012_real.Builder

  • Версии :

    • 1.0.0 (по умолчанию): первоначальный выпуск
  • Размер загрузки : 379.37 KiB

  • Размер набора данных : 6.25 GiB

  • Инструкции по ручной загрузке : этот набор данных требует, чтобы вы загружали исходные данные вручную в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir должен содержать файл ILSVRC2012_img_val.tar . Вам необходимо зарегистрироваться на http://www.image-net.org/download-images , чтобы получить ссылку для загрузки набора данных.

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'validation' 50 000
  • Структура функции :
FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'original_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'real_label': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
имя файла Текст нить
изображение Изображение (Нет, Нет, 3) uint8
original_label Метка класса int64
real_label Последовательность (метка класса) (Никто,) int64

Визуализация

  • Цитата :
@article{beyer2020imagenet,
  title={Are we done with ImageNet?},
  author={Lucas Beyer and Olivier J. Henaff and Alexander Kolesnikov and Xiaohua Zhai and Aaron van den Oord},
  journal={arXiv preprint arXiv:2002.05709},
  year={2020}
}
@article{ILSVRC15,
  Author={Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
  Title={ {ImageNet Large Scale Visual Recognition Challenge} },
  Year={2015},
  journal={International Journal of Computer Vision (IJCV)},
  doi={10.1007/s11263-015-0816-y},
  volume={115},
  number={3},
  pages={211-252}
}