imagenet2012_fewshot

תיאור :

Imagenet2012Fewshot היא קבוצת משנה של מערך הנתונים המקורי של ImageNet ILSVRC 2012. מערך הנתונים חולק את אותה ערכת אימות כמו מערך הנתונים המקורי של ImageNet ILSVRC 2012. עם זאת, ערכת האימונים מסומנת בתת-דגימה בצורה מאוזנת בתווית. בתצורת 5shot , נדגמים 5 תמונות לכל תווית, או 5000 תמונות; ובתצורת 10shot , נדגמים 10 תמונות לכל תווית, או 10000 תמונות.

דף הבית : http://image-net.org/
קוד מקור : tfds.datasets.imagenet2012_fewshot.Builder
גרסאות :
- 2.0.0 : תקן תוויות אימות.
- 2.0.1 : תיקון קידוד. אין שינויים מנקודת המבט של המשתמש.
- 3.0.0 : תקן צבעוניות על ~12 תמונות (CMYK -> RGB). תקן פורמט לעקביות (המר את תמונת ה-png הבודדת ל-Jpeg). קריאה מהירה יותר מהדור ישירות מהארכיון.
- 4.0.0 : (לא פורסם)
- 5.0.0 : API חדש מפוצל ( https://tensorflow.org/datasets/splits )
- 5.0.1 (ברירת מחדל): אין הערות שחרור.
- 5.1.0 : נוסף פיצול בדיקה.
גודל הורדה : Unknown size
הוראות הורדה ידניות : מערך נתונים זה מחייב אותך להוריד את נתוני המקור באופן ידני אל download_config.manual_dir (ברירת המחדל היא ~/tensorflow_datasets/downloads/manual/ ):
manual_dir צריך להכיל שני קבצים: ILSVRC2012_img_train.tar ו-ILSVRC2012_img_val.tar. עליך להירשם ב- https://image-net.org/download-images כדי לקבל את הקישור להורדת מערך הנתונים.
שמירה אוטומטית במטמון ( תיעוד ): לא
מבנה תכונה :

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})

תיעוד תכונה :

תכונה	מעמד	צוּרָה	Dtype
	FeaturesDict
שם קובץ	טֶקסט		חוּט
תמונה	תמונה	(אין, אין, 3)	uint8
תווית	ClassLabel		int64

מפתחות בפיקוח (ראה as_supervised doc ): ('image', 'label')
ציטוט :

@article{ILSVRC15,
  Author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
  Title = { {ImageNet Large Scale Visual Recognition Challenge} },
  Year = {2015},
  journal   = {International Journal of Computer Vision (IJCV)},
  doi = {10.1007/s11263-015-0816-y},
  volume={115},
  number={3},
  pages={211-252}
}