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タイプ説明
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

視覚化

  • 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}
}