imagenet_pi

• คำอธิบาย :

ImageNet-PI เป็นเวอร์ชันใหม่ของชุดข้อมูล ImageNet มาตรฐาน ILSVRC2012 ซึ่งฉลากมีให้โดยคอลเล็กชันของเครือข่ายนิวรัลเชิงลึก 16 แห่งที่มีสถาปัตยกรรมต่างๆ ที่ผ่านการฝึกอบรมล่วงหน้าในมาตรฐาน ILSVRC2012 โดยเฉพาะอย่างยิ่ง โมเดลที่ได้รับการฝึกฝนล่วงหน้าจะถูกดาวน์โหลดจาก tf.keras.applications

นอกจากป้ายกำกับใหม่แล้ว ImageNet-PI ยังให้ข้อมูลเมตาเกี่ยวกับกระบวนการทำหมายเหตุประกอบในรูปแบบความเชื่อมั่นของโมเดลบนฉลากและข้อมูลเพิ่มเติมเกี่ยวกับแต่ละโมเดล

สำหรับข้อมูลเพิ่มเติม โปรดดูที่: ImageNet-PI

• หน้าแรก : https://github.com/google-research-datasets/imagenet_pi/

• รหัสที่มา : tfds.datasets.imagenet_pi.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : Unknown size

• ขนาดชุดข้อมูล : Unknown size

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  manual_dir ควรมีสองไฟล์: ILSVRC2012_img_train.tar และ ILSVRC2012_img_val.tar คุณต้องลงทะเบียนที่ http://www.image-net.org/download-images เพื่อรับลิงก์สำหรับดาวน์โหลดชุดข้อมูล

• แคชอัตโนมัติ ( เอกสาร ): ไม่รู้จัก

• แยก :

• โครงสร้างคุณลักษณะ :

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),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'annotator_labels')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ): ไม่มี

• การอ้างอิง :

@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}
}

• คำอธิบาย :

ImageNet-PI เป็นเวอร์ชันใหม่ของชุดข้อมูล ImageNet มาตรฐาน ILSVRC2012 ซึ่งฉลากมีให้โดยคอลเล็กชันของเครือข่ายนิวรัลเชิงลึก 16 แห่งที่มีสถาปัตยกรรมต่างๆ ที่ผ่านการฝึกอบรมล่วงหน้าในมาตรฐาน ILSVRC2012 โดยเฉพาะอย่างยิ่ง โมเดลที่ได้รับการฝึกฝนล่วงหน้าจะถูกดาวน์โหลดจาก tf.keras.applications

นอกจากป้ายกำกับใหม่แล้ว ImageNet-PI ยังให้ข้อมูลเมตาเกี่ยวกับกระบวนการทำหมายเหตุประกอบในรูปแบบความเชื่อมั่นของโมเดลบนฉลากและข้อมูลเพิ่มเติมเกี่ยวกับแต่ละโมเดล

สำหรับข้อมูลเพิ่มเติม โปรดดูที่: ImageNet-PI

• หน้าแรก : https://github.com/google-research-datasets/imagenet_pi/

• รหัสที่มา : tfds.datasets.imagenet_pi.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : Unknown size

• ขนาดชุดข้อมูล : Unknown size

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  manual_dir ควรมีสองไฟล์: ILSVRC2012_img_train.tar และ ILSVRC2012_img_val.tar คุณต้องลงทะเบียนที่ http://www.image-net.org/download-images เพื่อรับลิงก์สำหรับดาวน์โหลดชุดข้อมูล

• แคชอัตโนมัติ ( เอกสาร ): ไม่รู้จัก

• แยก :

• โครงสร้างคุณลักษณะ :

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),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'annotator_labels')

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ): ไม่มี

• การอ้างอิง :

@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}
}