imagenet_lt

opis :

ImageNet-LT jest podzbiorem oryginalnego zbioru danych ImageNet ILSVRC 2012. Zbiór uczący jest podpróbkowany w taki sposób, że liczba obrazów na klasę jest zgodna z rozkładem z długim ogonem. Klasa z maksymalną liczbą obrazków zawiera 1280 przykładów, natomiast klasa z minimalną liczbą obrazków zawiera tylko 5 przykładów. Zbiór danych ma również zrównoważony zestaw do sprawdzania poprawności, który jest również podzbiorem zestawu szkoleniowego ImageNet ILSVRC 2012 i zawiera 20 obrazów na klasę. Zestaw testowy tego zestawu danych jest taki sam, jak zestaw do walidacji oryginalnego zestawu danych ImageNet ILSVRC 2012.

Oryginalny zestaw danych ImageNet ILSVRC 2012 należy pobrać ręcznie, a jego ścieżkę należy ustawić za pomocą opcji --manual_dir, aby wygenerować ten zestaw danych.

Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem
Strona główna : https://github.com/zhmiao/OpenLongTailRecognition-OLTR
Kod źródłowy : tfds.datasets.imagenet_lt.Builder
Wersje :
- 1.0.0 (domyślnie): Wersja początkowa.
Rozmiar pliku do pobrania : 5.21 MiB
Rozmiar zestawu danych : 20.92 GiB
Instrukcje ręcznego pobierania : ten zestaw danych wymaga ręcznego pobrania danych źródłowych do download_config.manual_dir (domyślnie ~/tensorflow_datasets/downloads/manual/ ):
manual_dir powinien zawierać dwa pliki: ILSVRC2012_img_train.tar i ILSVRC2012_img_val.tar. Musisz zarejestrować się na http://www.image-net.org/download-images , aby uzyskać link do pobrania zestawu danych.
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :

Rozdzielać	Przykłady
`'test'`	50 000
`'train'`	115 846
`'validation'`	20 000

Struktura funkcji :

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

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDict
Nazwa pliku	Tekst		strunowy
obraz	Obraz	(Brak, Brak, 3)	uint8
etykieta	Etykieta klasy		int64

Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')
Rysunek ( tfds.show_examples ):

Wyobrażanie sobie

Przykłady ( tfds.as_dataframe ):

Cytat :

\
@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}
}