imagenet2012_subset

ビジュアライゼーション: Know Your Data で探索する
説明:

Imagenet2012Subset は、元の ImageNet ILSVRC 2012 データセットのサブセットです。データセットは、元の ImageNet ILSVRC 2012 データセットと同じ検証セットを共有します。ただし、トレーニングセットはラベルバランス方式でサブサンプリングされます。 1pct構成、1%、または 12811 では、画像がサンプリングされ、ほとんどのクラスは同じ数の画像 (平均 12.8) を持ち、一部のクラスはランダムに他よりも 1 多いサンプルを持ちます。また、 10pct構成 (~10%、つまり 128116) では、ほとんどのクラスが同じ数の画像 (平均 128) を持ち、一部のクラスは他のクラスよりランダムに 1 つ多くの例を持ちます。

これは半教師あり学習のベンチマークとして使用されることになっており、もともとは SimCLR の論文 ( https://arxiv.org/abs/2002.05709 ) で使用されていました。

ホームページ: http://image-net.org/
ソースコード: tfds.datasets.imagenet2012_subset.Builder
バージョン:
- 2.0.0 : 検証ラベルを修正しました。
- 2.0.1 : エンコーディングの修正。ユーザーの観点からは変更はありません。
- 3.0.0 : 12 個までの画像のカラー化を修正 (CMYK -> RGB)。一貫性を保つために形式を修正します (単一の png 画像を Jpeg に変換します)。アーカイブから直接世代を読み取る高速化。
- 4.0.0 : (非公開)
- 5.0.0 (デフォルト): 新しい分割 API ( https://tensorflow.org/datasets/splits )
- 5.1.0 : テスト分割を追加。
手動ダウンロードの手順: このデータセットでは、ソースデータを手動でdownload_config.manual_dir (デフォルトは~/tensorflow_datasets/downloads/manual/ ) にダウンロードする必要があります。
manual_dir には、ILSVRC2012_img_train.tar と ILSVRC2012_img_val.tar の 2 つのファイルが含まれている必要があります。データセットをダウンロードするためのリンクを取得するには、 https://image-net.org/download-imagesに登録する必要があります。
自動キャッシュ(ドキュメント): いいえ
機能構造:

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})

機能のドキュメント:

特徴	クラス	形	Dtype
	特徴辞書
ファイル名	文章		ストリング
画像	画像	(なし、なし、3)	uint8
ラベル	クラスラベル		int64

監視されたキー( as_supervised docを参照): ('image', 'label')
引用：

@article{chen2020simple,
  title={A Simple Framework for Contrastive Learning of Visual Representations},
  author={Chen, Ting and Kornblith, Simon and Norouzi, Mohammad and Hinton, Geoffrey},
  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}
}