imagenet2012_real

  • Описание :

Этот набор данных содержит проверочные изображения ILSVRC-2012 (ImageNet), дополненные новым набором меток «Re-Assessed» (ReaL) из статьи «Завершили ли мы работу с ImageNet», см. https://arxiv.org/abs/2006.07159 . Эти метки собираются с использованием расширенного протокола, что приводит к созданию более точных аннотаций с несколькими метками.

Важное примечание: около 3500 примеров не содержат меток, их следует исключить из усреднения при расчете точности . Один из возможных способов сделать это — использовать следующий код NumPy:

is_correct = [pred in real_labels[i] for i, pred in enumerate(predictions) if real_labels[i]]
real_accuracy = np.mean(is_correct)
  • Домашняя страница : https://github.com/google-research/reassessed-imagenet .

  • Исходный код : tfds.datasets.imagenet2012_real.Builder

  • Версии :

    • 1.0.0 (по умолчанию): первоначальный выпуск.
  • Размер загрузки : 379.37 KiB

  • Размер набора данных : 6.25 GiB

  • Инструкции по загрузке вручную : этот набор данных требует, чтобы вы вручную загрузили исходные данные в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir должен содержать файл ILSVRC2012_img_val.tar . Вам необходимо зарегистрироваться на http://www.image-net.org/download-images , чтобы получить ссылку для загрузки набора данных.

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'validation' 50 000
  • Структура функции :
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)),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
имя файла Текст нить
изображение Изображение (Нет, Нет, 3) uint8
original_label Класслейбл int64
реальная_метка Последовательность (метка класса) (Никто,) int64

Визуализация

  • Цитата :
@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}
}