imagenet_lt

Peringatan: Diperlukan unduhan manual. Lihat petunjuk di bawah ini.

• Deskripsi :

ImageNet-LT adalah bagian dari kumpulan data ImageNet ILSVRC 2012 asli. Set pelatihan disubsampling sedemikian rupa sehingga jumlah gambar per kelas mengikuti distribusi berekor panjang. Kelas dengan jumlah gambar maksimal berisi 1.280 contoh, sedangkan kelas dengan jumlah gambar minimal hanya berisi 5 contoh. Dataset juga memiliki set validasi seimbang, yang juga merupakan subset dari set pelatihan ImageNet ILSVRC 2012 dan berisi 20 gambar per kelas. Set pengujian set data ini sama dengan set validasi set data ImageNet ILSVRC 2012 asli.

Dataset ImageNet ILSVRC 2012 asli harus diunduh secara manual, dan jalurnya harus disetel dengan --manual_dir untuk menghasilkan dataset ini.

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

• Beranda : https://github.com/zhmiao/OpenLongTailRecognition-OLTR

• Kode sumber : tfds.datasets.imagenet_lt.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Ukuran unduhan : 5.21 MiB

• Ukuran dataset : 20.92 GiB

• Instruksi pengunduhan manual : Kumpulan data ini mengharuskan Anda mengunduh data sumber secara manual ke download_config.manual_dir (default ke ~/tensorflow_datasets/downloads/manual/ ):
  manual_dir harus berisi dua file: ILSVRC2012_img_train.tar dan ILSVRC2012_img_val.tar. Anda harus mendaftar di http://www.image-net.org/download-images untuk mendapatkan tautan untuk mengunduh kumpulan data.

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'test'	50.000
'train'	115.846
'validation'	20.000

• Struktur fitur :

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

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
nama file	Teks		rangkaian
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	LabelKelas		int64

• Kunci yang diawasi (Lihat as_supervised doc ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

\
@inproceedings{openlongtailrecognition,
  title={Large-Scale Long-Tailed Recognition in an Open World},
  author={Liu, Ziwei and Miao, Zhongqi and Zhan, Xiaohang and Wang, Jiayun and Gong, Boqing and Yu, Stella X.},
  booktitle={IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2019},
  url={https://github.com/zhmiao/OpenLongTailRecognition-OLTR}
}