kontrollü_noisy_web_labels

Uyarı: Manuel indirme gerekli. Aşağıdaki talimatlara bakın.

• Açıklama :

Kontrollü Gürültülü Web Etiketleri, her görüntünün Google Bulut Veri Etiketleme Hizmeti tarafından 3-5 etiketleme uzmanı tarafından dikkatlice eklendiği, yaklaşık 212.000 URL'den oluşan bir resim koleksiyonudur. Bu ek açıklamaları kullanarak, web'den kontrollü gerçek dünya etiket gürültüsünün ilk ölçütünü oluşturur.

Red Mini-ImageNet (gerçek dünya web gürültüsü) ve Blue Mini-ImageNet yapılandırmalarını sağlıyoruz: - kontrollü_noisy_web_labels/mini_imagenet_red - kontrollü_noisy_web_labels/mini_imagenet_blue

Her yapılandırma, %0'dan %80'e kadar on gürültü düzeyine sahip on varyant içerir. Doğrulama setinin temiz etiketleri vardır ve tüm gürültülü eğitim setlerinde paylaşılır. Bu nedenle, her yapılandırma aşağıdaki bölmelere sahiptir:

• tren_00
• tren_05
• tren_10
• tren_15
• tren_20
• tren_30
• tren_40
• tren_50
• tren_60
• tren_80
• doğrulama

Veri kümesi oluşturma ve analizi için ayrıntılar makalede bulunabilir. Tüm resimler 84x84 çözünürlüğe yeniden boyutlandırılır.

• Ana sayfa : https://google.github.io/controll-noisy-web-labels/index.html

• Kaynak kodu : tfds.image_classification.controlled_noisy_web_labels.ControlledNoisyWebLabels

• sürümler :

  • 1.0.0 (varsayılan): İlk sürüm.

• İndirme boyutu : 1.83 MiB

• Manuel indirme talimatları : Bu veri kümesi, kaynak verileri manuel olarak download_config.manual_dir içine download_config.manual_dir gerektirir (varsayılan olarak ~/tensorflow_datasets/downloads/manual/ ):
  Bu verileri manuel olarak indirmek için bir kullanıcının aşağıdaki işlemleri gerçekleştirmesi gerekir:

1. Bölmeleri ve ek açıklamaları buradan indirin
2. dataset_no_images.zip dosyasını dataset_no_images/ konumuna çıkarın.
3. dataset_no_images/mini-imagenet-annotations.json içindeki tüm görüntüleri dataset_no_images/noisy_images/ adlı yeni bir klasöre indirin. Çıktı dosya adı, mini-imagenet-annotations.json'da sağlanan resim kimliğiyle aynı olmalıdır. Örneğin, "image/id": "5922767e5677aef4" ise, indirilen resim dataset_no_images/noisy_images/5922767e5677aef4.jpg olmalıdır. 4. https://image-net.org/download-images adresinden kaydolun ve ILSVRC2012_img_train.tar ile ILSVRC2012_img_val.tar'ı indirin.

Ortaya çıkan dizin yapısı daha sonra TFDS tarafından işlenebilir:

• dataset_no_images/
  • mini görüntü/
  • class_name.txt
  • bölmek/
    • blue_noise_nl_0.0
    • blue_noise_nl_0.1
    • ...
    • red_noise_nl_0.0
    • red_noise_nl_0.1
    • ...
    • temiz doğrulama
  • mini-imagenet-annotations.json
• ILSVRC2012_img_train.tar
• ILSVRC2012_img_val.tar

• gürültülü_görüntüler/

  • 5922767e5677aef4.jpg

• Otomatik önbelleğe alınmış ( belgeleme ): Hayır

• Özellik yapısı :

FeaturesDict({
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'is_clean': bool,
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Tanım
	ÖzelliklerDict
İD	Metin		sicim
resim	resim	(Yok, Yok, 3)	uint8
temiz	tensör		bool
etiket	SınıfEtiketi		int64

• Denetlenen anahtarlar (Bkz as_supervised doc ): ('image', 'label')

• Alıntı :

@inproceedings{jiang2020beyond,
  title={Beyond synthetic noise: Deep learning on controlled noisy labels},
  author={Jiang, Lu and Huang, Di and Liu, Mason and Yang, Weilong},
  booktitle={International Conference on Machine Learning},
  pages={4804--4815},
  year={2020},
  organization={PMLR}
}

kontrollü_noisy_web_labels/mini_imagenet_red (varsayılan yapılandırma)

• Veri kümesi boyutu : 1.19 GiB

• bölmeler :

Bölmek	örnekler
'train_00'	50.000
'train_05'	50.000
'train_10'	50.000
'train_15'	50.000
'train_20'	50.000
'train_30'	49.985
'train_40'	50.010
'train_50'	49.962
'train_60'	50.000
'train_80'	50.008
'validation'	5.000

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

kontrollü_noisy_web_labels/mini_imagenet_blue

• Veri kümesi boyutu : 1.39 GiB

• bölmeler :

Bölmek	örnekler
'train_00'	60.000
'train_05'	60.000
'train_10'	60.000
'train_15'	60.000
'train_20'	60.000
'train_30'	60.000
'train_40'	60.000
'train_50'	60.000
'train_60'	60.000
'train_80'	60.000
'validation'	5.000

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):