imagenet2012_real

説明：

このデータセットには、「Are wened with ImageNet」論文の新しいセットの「Re-Assessed」(ReaL) ラベルが追加された ILSVRC-2012 (ImageNet) 検証画像が含まれています。https ://arxiv.org/abs/2006.07159を参照してください。拡張されたプロトコルを使用してラベルが収集されるため、複数ラベルのより正確なアノテーションが得られます。

重要な注意事項: 約 3500 個の例にはラベルが含まれていないため、これらは精度を計算する際の平均化から除外する必要があります。これを行うための 1 つの方法は、次の NumPy コードを使用することです。

is_correct = [pred in real_labels[i] for i, pred in enumerate(predictions) if real_labels[i]]
real_accuracy = np.mean(is_correct)

ホームページ: https://github.com/google-research/reassessed-imagenet
ソースコード: tfds.datasets.imagenet2012_real.Builder
バージョン:
- 1.0.0 (デフォルト): 初期リリース
ダウンロードサイズ: 379.37 KiB
データセットのサイズ: 6.25 GiB
手動ダウンロード手順: このデータセットでは、ソースデータをdownload_config.manual_dirに手動でダウンロードする必要があります (デフォルトは~/tensorflow_datasets/downloads/manual/ )。
Manual_dir にはILSVRC2012_img_val.tarファイルが含まれている必要があります。データセットをダウンロードするリンクを取得するには、 http://www.image-net.org/download-imagesに登録する必要があります。
自動キャッシュ(ドキュメント): いいえ
分割:

スプリット	例
`'validation'`	50,000

機能の構造:

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

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
ファイル名	文章		弦
画像	画像	(なし、なし、3)	uint8
オリジナルラベル	クラスラベル		int64
実ラベル	シーケンス(クラスラベル)	（なし、）	int64

監視キー( as_supervised docを参照): ('image', 'real_label')
図( tfds.show_examples ):

視覚化

例( tfds.as_dataframe ):

引用：

@article{beyer2020imagenet,
  title={Are we done with ImageNet?},
  author={Lucas Beyer and Olivier J. Henaff and Alexander Kolesnikov and Xiaohua Zhai and Aaron van den Oord},
  journal={arXiv preprint arXiv:2002.05709},
  year={2020}
}
@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}
}