cifar10_1
コレクションでコンテンツを整理
必要に応じて、コンテンツの保存と分類を行います。
CIFAR-10.1 データセットは、CIFAR-10 の新しいテスト セットです。 CIFAR-10.1 には、元の CIFAR-10 データセットに対する数年間の研究の後にサンプリングされた約 2,000 枚の新しいテスト画像が含まれています。 CIFAR-10.1 のデータ収集は、元のデータセットと比較した分布のシフトを最小限に抑えるように設計されました。 CIFAR-10.1 の作成については、論文「CIFAR-10 分類子は CIFAR-10 に一般化しますか?」で説明しています。 CIFAR-10.1 の画像は、TinyImages データセットのサブセットです。現在、CIFAR-10.1 データセットには v4 と v6 の 2 つのバージョンがあります。
FeaturesDict({
'image': Image(shape=(32, 32, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
| 特徴 | クラス | 形 | Dタイプ | 説明 |
|---|
| 特徴辞書 | | | |
| 画像 | 画像 | (32、32、3) | uint8 | |
| ラベル | クラスラベル | | int64 | |
@article{recht2018cifar10.1,
author = {Benjamin Recht and Rebecca Roelofs and Ludwig Schmidt and Vaishaal Shankar},
title = {Do CIFAR-10 Classifiers Generalize to CIFAR-10?},
year = {2018},
note = {\url{https://arxiv.org/abs/1806.00451} },
}
@article{torralba2008tinyimages,
author = {Antonio Torralba and Rob Fergus and William T. Freeman},
journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence},
title = {80 Million Tiny Images: A Large Data Set for Nonparametric Object and Scene Recognition},
year = {2008},
volume = {30},
number = {11},
pages = {1958-1970}
}
cifar10_1/v4 (デフォルト設定)
cifar10_1/v6
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2024-06-01 UTC。
[null,null,["最終更新日 2024-06-01 UTC。"],[],[],null,["# cifar10_1\n\n\u003cbr /\u003e\n\n- **Description**:\n\nThe CIFAR-10.1 dataset is a new test set for CIFAR-10. CIFAR-10.1 contains\nroughly 2,000 new test images that were sampled after multiple years of research\non the original CIFAR-10 dataset. The data collection for CIFAR-10.1 was\ndesigned to minimize distribution shift relative to the original dataset. We\ndescribe the creation of CIFAR-10.1 in the paper \"Do CIFAR-10 Classifiers\nGeneralize to CIFAR-10?\". The images in CIFAR-10.1 are a subset of the\nTinyImages dataset. There are currently two versions of the CIFAR-10.1 dataset:\nv4 and v6.\n\n- **Homepage** :\n \u003chttps://github.com/modestyachts/CIFAR-10.1\u003e\n\n- **Source code** :\n [`tfds.image_classification.Cifar10_1`](https://github.com/tensorflow/datasets/tree/master/tensorflow_datasets/image_classification/cifar10_1.py)\n\n- **Versions**:\n\n - **`1.1.0`** (default): No release notes.\n- **Auto-cached**\n ([documentation](https://www.tensorflow.org/datasets/performances#auto-caching)):\n Yes\n\n- **Feature structure**:\n\n FeaturesDict({\n 'image': Image(shape=(32, 32, 3), dtype=uint8),\n 'label': ClassLabel(shape=(), dtype=int64, num_classes=10),\n })\n\n- **Feature documentation**:\n\n| Feature | Class | Shape | Dtype | Description |\n|---------|--------------|-------------|-------|-------------|\n| | FeaturesDict | | | |\n| image | Image | (32, 32, 3) | uint8 | |\n| label | ClassLabel | | int64 | |\n\n- **Supervised keys** (See\n [`as_supervised` doc](https://www.tensorflow.org/datasets/api_docs/python/tfds/load#args)):\n `('image', 'label')`\n\n- **Citation**:\n\n @article{recht2018cifar10.1,\n author = {Benjamin Recht and Rebecca Roelofs and Ludwig Schmidt and Vaishaal Shankar},\n title = {Do CIFAR-10 Classifiers Generalize to CIFAR-10?},\n year = {2018},\n note = {\\url{https://arxiv.org/abs/1806.00451} },\n }\n\n @article{torralba2008tinyimages,\n author = {Antonio Torralba and Rob Fergus and William T. Freeman},\n journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence},\n title = {80 Million Tiny Images: A Large Data Set for Nonparametric Object and Scene Recognition},\n year = {2008},\n volume = {30},\n number = {11},\n pages = {1958-1970}\n }\n\ncifar10_1/v4 (default config)\n-----------------------------\n\n- **Config description**: It is the first version of our dataset on which we\n tested any classifier. As mentioned above, this makes the v4 dataset\n independent of the classifiers we evaluate. The numbers reported in the main\n sections of our paper use this version of the dataset. It was built from the\n top 25 TinyImages keywords for each class, which led to a slight class\n imbalance. The largest difference is that ships make up only 8% of the test\n set instead of 10%. v4 contains 2,021 images.\n\n- **Download size** : `5.93 MiB`\n\n- **Dataset size** : `4.46 MiB`\n\n- **Splits**:\n\n| Split | Examples |\n|----------|----------|\n| `'test'` | 2,021 |\n\n- **Figure** ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n\n- **Examples** ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples... \n\ncifar10_1/v6\n------------\n\n- **Config description**: It is derived from a slightly improved keyword\n allocation that is exactly class balanced. This version of the dataset\n corresponds to the results in Appendix D of our paper. v6 contains 2,000\n images.\n\n- **Download size** : `5.87 MiB`\n\n- **Dataset size** : `4.40 MiB`\n\n- **Splits**:\n\n| Split | Examples |\n|----------|----------|\n| `'test'` | 2,000 |\n\n- **Figure** ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n\n- **Examples** ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples..."]]
