imagenet_r

ImageNet-R est un ensemble d'images étiquetées avec des étiquettes ImageNet qui ont été obtenues en collectant des œuvres d'art, des dessins animés, des deviantart, des graffitis, des broderies, des graphiques, des origami, des peintures, des motifs, des objets en plastique, des objets en peluche, des sculptures, des croquis, des tatouages, des jouets et interprétations de jeux vidéo des classes ImageNet. ImageNet-R a des rendus de 200 classes ImageNet résultant en 30 000 images. en collectant de nouvelles données et en ne conservant que les images que les modèles ResNet-50 ne parviennent pas à classer correctement. Pour plus de détails, veuillez vous référer au document.

L'espace d'étiquette est le même que celui d'ImageNet2012. Chaque exemple est représenté sous la forme d'un dictionnaire avec les clés suivantes :

  • 'image' : L'image, un (H, W, 3)-tenseur.
  • 'label' : Un entier dans la plage [0, 1000).
  • 'file_name' : un sting unique identifiant l'exemple dans l'ensemble de données.

  • Page d' accueil: https://github.com/hendrycks/imagenet-r

  • Code source: tfds.image_classification.ImagenetR

  • versions:

    • 0.1.0 : Aucune note de version.
    • 0.2.0 (par défaut): Correction nom_fichier, de chemin absolu chemin relatif au répertoire IMAGEnet-r, à savoir: "imagenet_synset_id / filename.jpg".
  • Taille du téléchargement: 2.04 GiB

  • Taille Dataset: 2.02 GiB

  • Mis en cache automatique ( documentation ): Non

  • scissions:

Diviser Exemples
'test' 30 000
  • Caractéristiques:
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),
})

Visualisation

  • citation:
@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}
}