Sintonizar con las primeras mujeres en ML Simposio este martes, 19 de octubre a 09 a.m. PST Registrar ahora

imagenet_r

ImageNet-R es un conjunto de imágenes etiquetadas con etiquetas ImageNet que se obtuvieron mediante la recopilación de arte, dibujos animados, deviantart, graffiti, bordados, gráficos, origami, pinturas, patrones, objetos de plástico, objetos de peluche, esculturas, bocetos, tatuajes, juguetes y Interpretaciones de videojuegos de clases de ImageNet. ImageNet-R tiene representaciones de 200 clases de ImageNet que dan como resultado 30.000 imágenes. recopilando nuevos datos y conservando solo las imágenes que los modelos ResNet-50 no clasifican correctamente. Para obtener más detalles, consulte el documento.

El espacio de la etiqueta es el mismo que el de ImageNet2012. Cada ejemplo se representa como un diccionario con las siguientes claves:

  • 'imagen': La imagen, un (H, W, 3) -tensor.
  • 'etiqueta': un número entero en el rango [0, 1000).
  • 'file_name': una picadura única que identifica el ejemplo dentro del conjunto de datos.

  • Inicio: https://github.com/hendrycks/imagenet-r

  • El código fuente: tfds.image_classification.ImagenetR

  • versiones:

    • 0.1.0 : No hay notas de la versión.
    • 0.2.0 (predeterminado): Fix file_name, desde ruta absoluta a ruta relativa al directorio IMAGEnet-r, es decir: "imagenet_synset_id / filename.jpg".
  • Tamaño del paquete: 2.04 GiB

  • Tamaño de conjunto de datos: 2.02 GiB

  • Auto-caché ( documentación ): No

  • Fraccionamientos:

Separar Ejemplos de
'test' 30.000
  • características:
FeaturesDict({
    'file_name': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})

Visualización

  • Cita:
@article{hendrycks2020many,
  title={The Many Faces of Robustness: A Critical Analysis of Out-of-Distribution Generalization},
  author={Dan Hendrycks and Steven Basart and Norman Mu and Saurav Kadavath and Frank Wang and Evan Dorundo and Rahul Desai and Tyler Zhu and Samyak Parajuli and Mike Guo and Dawn Song and Jacob Steinhardt and Justin Gilmer},
  journal={arXiv preprint arXiv:2006.16241},
  year={2020}
}