imagenet2012_real

คำเตือน: ต้องดาวน์โหลดด้วยตนเอง ดูคำแนะนำด้านล่าง

• การสร้างภาพ : สำรวจใน Know Your Data

• คำอธิบาย :

ชุดข้อมูลนี้มีอิมเมจการตรวจสอบความถูกต้องของ ILSVRC-2012 (ImageNet) ที่เสริมด้วยป้ายกำกับ "Re-Assessed" (ReaL) ชุดใหม่จากเอกสาร "Are we done with ImageNet" โปรดดู https://arxiv.org/abs/2006.07159 เหล่านี้ ฉลากถูกรวบรวมโดยใช้โปรโตคอลที่ได้รับการปรับปรุง ส่งผลให้มีป้ายกำกับหลายรายการและคำอธิบายประกอบที่แม่นยำยิ่งขึ้น

หมายเหตุสำคัญ: ประมาณ 3,500 ตัวอย่างไม่มีป้ายกำกับ สิ่งเหล่านี้ควร แยกออกจากค่าเฉลี่ยเมื่อคำนวณความแม่นยำ วิธีหนึ่งที่เป็นไปได้คือใช้รหัส NumPy ต่อไปนี้:

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

• หน้าแรก : https://github.com/google-research/reassessed-imagenet

• รหัสที่มา : tfds.datasets.imagenet2012_real.Builder

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : 379.37 KiB

• ขนาดชุดข้อมูล : 6.25 GiB

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  manual_dir ควรมีไฟล์ ILSVRC2012_img_val.tar คุณต้องลงทะเบียนที่ http://www.image-net.org/download-images เพื่อรับลิงก์สำหรับดาวน์โหลดชุดข้อมูล

• แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่

• แยก :

แยก	ตัวอย่าง
'validation'	50,000

• โครงสร้างคุณลักษณะ :

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)),
})

• เอกสารคุณสมบัติ :

ลักษณะเฉพาะ	ระดับ	รูปร่าง	Dประเภท	คำอธิบาย
	คุณสมบัติDict
ชื่อไฟล์	ข้อความ		สตริง
ภาพ	ภาพ	(ไม่มี, ไม่มี, 3)	uint8
original_label	ป้ายกำกับคลาส		int64
real_label	ลำดับ (ClassLabel)	(ไม่มี,)	int64

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'real_label')

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}