imagenet_pi

  • Description :

ImageNet-PI est une version réétiquetée du jeu de données standard ILSVRC2012 ImageNet, dont les étiquettes sont fournies par une collection de 16 réseaux neuronaux profonds d'architectures différentes, pré-entraînés sur le jeu de données standard ILSVRC2012. Plus précisément, les modèles pré-entraînés sont téléchargés depuis tf.keras.applications.

En plus des nouvelles étiquettes, ImageNet-PI fournit également des métadonnées sur le processus d'annotation sous la forme de niveaux de confiance des modèles sur leurs étiquettes et d'informations supplémentaires sur chaque modèle.

Pour plus d'informations, consultez : ImageNet-PI

  • Page d'accueil : https://github.com/google-research-datasets/imagenet_pi/

  • Code source : tfds.datasets.imagenet_pi.Builder

  • Versions :

    • 1.0.0 (par défaut) : Version initiale.

  • Taille du téléchargement : Unknown size

  • Taille de l'ensemble de données : Unknown size

  • Instructions de téléchargement manuel : Ce jeu de données nécessite le téléchargement manuel des données sources dans download_config.manual_dir (par défaut : ~/tensorflow_datasets/downloads/manual/ ).
    Le répertoire manual_dir doit contenir deux fichiers : ILSVRC2012_img_train.tar et ILSVRC2012_img_val.tar. Vous devez vous inscrire sur http://www.image-net.org/download-images pour obtenir le lien de téléchargement du jeu de données.

  • Mise en cache automatique ( documentation ) : Inconnu

  • Splits :

Diviser Exemples
  • Structure des fonctionnalités : 
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),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
Dictionnaire des fonctionnalités
confiances de l'annotateur Tenseur (16,) float32
étiquettes_annotateur Tenseur (16,) int64
étiquette propre Étiquette de classe int64
nom de fichier Texte chaîne
image Image (Aucun, Aucun, 3) uint8
@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}
}