Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

imagenet_r

ImageNet-R to zestaw obrazów oznaczonych etykietami ImageNet, które zostały uzyskane poprzez zbieranie dzieł sztuki, kreskówek, deviantart, graffiti, haftów, grafik, origami, obrazów, wzorów, przedmiotów plastikowych, przedmiotów pluszowych, rzeźb, szkiców, tatuaży, zabawek i wersje gier wideo klas ImageNet. ImageNet-R ma wersje 200 klas ImageNet, co daje 30 000 obrazów. zbierając nowe dane i zachowując tylko te obrazy, których modele ResNet-50 nie potrafią poprawnie sklasyfikować. Więcej informacji można znaleźć w artykule.

Przestrzeń etykiet jest taka sama jak w ImageNet2012. Każdy przykład jest reprezentowany jako słownik z następującymi kluczami:

  • 'image': obraz, a (H, W, 3)-tensor.
  • „etykieta”: liczba całkowita z zakresu [0, 1000).
  • 'file_name': Unikalny żądło identyfikujące przykład w zbiorze danych.

  • Strona domowa: https://github.com/hendrycks/imagenet-r

  • Kod źródłowy: tfds.image_classification.ImagenetR

  • wersje:

    • 0.1.0 : Brak Uwagi do wydania.
    • 0.2.0 (domyślnie): Fix nazwa_pliku, z bezwzględną ścieżkę do ścieżki względnej do katalogu IMAGEnet-R, czyli: "imagenet_synset_id / filename.jpg".
  • Wielkość pliku: 2.04 GiB

  • Zestaw danych rozmiar: 2.02 GiB

  • Auto-buforowane ( dokumentacja ): Nie

  • dzieli:

Podział Przykłady
'test' 30 000
  • Cechy:
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),
})

Wyobrażanie sobie

  • cytat:
@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}
}