imagenet2012_real

מערך נתונים זה מכיל תמונות אימות ILSVRC-2012 (ImageNet) מתוגברות עם קבוצה חדשה של תוויות "Re-Assessed" (ReaL) מהמאמר "האם סיימנו עם ImageNet", ראה https://arxiv.org/abs/2006.07159 אלה התוויות נאספות באמצעות הפרוטוקול המשופר, וכתוצאה מכך נוצרות ריבוי תוויות והערות מדויקות יותר.

הערה חשובה: כ-3500 דוגמאות אינן מכילות תווית, יש להוציא אותן מהממוצע בעת חישוב הדיוק . דרך אפשרית אחת לעשות זאת היא באמצעות קוד NumPy הבא:

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

  • קוד מקור : tfds.image_classification.Imagenet2012Real

  • גרסאות :

    • 1.0.0 (ברירת מחדל): שחרור ראשוני
  • גודל הורדה : 379.37 KiB

  • גודל מערך נתונים : 6.25 GiB

  • הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir צריך להכיל קובץ ILSVRC2012_img_val.tar . עליך להירשם בכתובת http://www.image-net.org/download-images כדי לקבל את הקישור להורדת מערך הנתונים.

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'validation' 50,000
  • תכונות :
FeaturesDict({
    'file_name': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'original_label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
    'real_label': Sequence(ClassLabel(shape=(), dtype=tf.int64, num_classes=1000)),
})

רְאִיָה

  • ציטוט :
@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}
}