imagenet_pi

विवरण :

ImageNet-PI मानक ILSVRC2012 ImageNet डेटासेट का एक पुनः लेबल किया गया संस्करण है जिसमें मानक ILSVRC2012 पर पूर्व-प्रशिक्षित विभिन्न आर्किटेक्चर वाले 16 गहरे तंत्रिका नेटवर्क के संग्रह द्वारा लेबल प्रदान किए जाते हैं। विशेष रूप से, पूर्व-प्रशिक्षित मॉडल tf.keras.applications से डाउनलोड किए जाते हैं।

नए लेबल के अलावा, ImageNet-PI मॉडल के विश्वास और प्रत्येक मॉडल के बारे में अतिरिक्त जानकारी के रूप में एनोटेशन प्रक्रिया के बारे में मेटा-डेटा भी प्रदान करता है।

अधिक जानकारी के लिए देखें: इमेजनेट-पीआई

मुखपृष्ठ : https://github.com/google-research-datasets/imagenet_pi/
स्रोत कोड : tfds.datasets.imagenet_pi.Builder
संस्करण :
- 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।
डाउनलोड आकार : Unknown size
डेटासेट का आकार : Unknown size
मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
मैन्युअल_डीआईआर में दो फाइलें होनी चाहिए: ILSVRC2012_img_train.tar और ILSVRC2012_img_val.tar। डेटासेट डाउनलोड करने के लिए लिंक प्राप्त करने के लिए आपको http://www.image-net.org/download-images पर पंजीकरण करना होगा।
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): अज्ञात
विभाजन :

विभाजित करना	उदाहरण

फ़ीचर संरचना :

FeaturesDict({
    'annotator_confidences': Tensor(shape=(16,), dtype=float32),
    'annotator_labels': Tensor(shape=(16,), dtype=int64),
    'clean_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
})

फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप
	विशेषताएं डिक्ट
annotator_Confidence	टेन्सर	(16,)	फ्लोट32
annotator_labels	टेन्सर	(16,)	int64
clean_label	क्लासलेबल		int64
फ़ाइल का नाम	मूलपाठ		डोरी
छवि	छवि	(कोई नहीं, कोई नहीं, 3)	uint8

पर्यवेक्षित कुंजी ( as_supervised दस्तावेज़ देखें): ('image', 'annotator_labels')
चित्र ( tfds.show_examples ): समर्थित नहीं है।
उदाहरण ( tfds.as_dataframe ): गुम।
उद्धरण :

@inproceedings{tram,
  author    = {Mark Collier and
               Rodolphe Jenatton and
               Effrosyni Kokiopoulou and
               Jesse Berent},
  editor    = {Kamalika Chaudhuri and
               Stefanie Jegelka and
               Le Song and
               Csaba Szepesv{\'{a} }ri and
               Gang Niu and
               Sivan Sabato},
  title     = {Transfer and Marginalize: Explaining Away Label Noise with Privileged
               Information},
  booktitle = {International Conference on Machine Learning, {ICML} 2022, 17-23 July
               2022, Baltimore, Maryland, {USA} },
  series    = {Proceedings of Machine Learning Research},
  volume    = {162},
  pages     = {4219--4237},
  publisher = { {PMLR} },
  year      = {2022},
  url       = {https://proceedings.mlr.press/v162/collier22a.html},
}
@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}
}

विवरण :

अधिक जानकारी के लिए देखें: इमेजनेट-पीआई

मुखपृष्ठ : https://github.com/google-research-datasets/imagenet_pi/
स्रोत कोड : tfds.datasets.imagenet_pi.Builder
संस्करण :
- 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।
डाउनलोड आकार : Unknown size
डेटासेट का आकार : Unknown size
मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
मैन्युअल_डीआईआर में दो फाइलें होनी चाहिए: ILSVRC2012_img_train.tar और ILSVRC2012_img_val.tar। डेटासेट डाउनलोड करने के लिए लिंक प्राप्त करने के लिए आपको http://www.image-net.org/download-images पर पंजीकरण करना होगा।
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): अज्ञात
विभाजन :

विभाजित करना	उदाहरण

फ़ीचर संरचना :

FeaturesDict({
    'annotator_confidences': Tensor(shape=(16,), dtype=float32),
    'annotator_labels': Tensor(shape=(16,), dtype=int64),
    'clean_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
})

फ़ीचर दस्तावेज़ीकरण :

विशेषता	कक्षा	आकार	डीटाइप
	विशेषताएं डिक्ट
annotator_Confidence	टेन्सर	(16,)	फ्लोट32
annotator_labels	टेन्सर	(16,)	int64
clean_label	क्लासलेबल		int64
फ़ाइल का नाम	मूलपाठ		डोरी
छवि	छवि	(कोई नहीं, कोई नहीं, 3)	uint8

पर्यवेक्षित कुंजी ( as_supervised दस्तावेज़ देखें): ('image', 'annotator_labels')
चित्र ( tfds.show_examples ): समर्थित नहीं है।
उदाहरण ( tfds.as_dataframe ): गुम।
उद्धरण :

@inproceedings{tram,
  author    = {Mark Collier and
               Rodolphe Jenatton and
               Effrosyni Kokiopoulou and
               Jesse Berent},
  editor    = {Kamalika Chaudhuri and
               Stefanie Jegelka and
               Le Song and
               Csaba Szepesv{\'{a} }ri and
               Gang Niu and
               Sivan Sabato},
  title     = {Transfer and Marginalize: Explaining Away Label Noise with Privileged
               Information},
  booktitle = {International Conference on Machine Learning, {ICML} 2022, 17-23 July
               2022, Baltimore, Maryland, {USA} },
  series    = {Proceedings of Machine Learning Research},
  volume    = {162},
  pages     = {4219--4237},
  publisher = { {PMLR} },
  year      = {2022},
  url       = {https://proceedings.mlr.press/v162/collier22a.html},
}
@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}
}