imagenet_pi

تحذير: يلزم التنزيل اليدوي. انظر التعليمات أدناه.

• وصف :

ImageNet-PI هي نسخة معاد تسميتها من مجموعة بيانات ILSVRC2012 ImageNet القياسية، حيث يتم توفير التصنيفات بواسطة مجموعة من 16 شبكة عصبية عميقة ذات بنى مختلفة تم تدريبها مسبقًا على مجموعة بيانات ILSVRC2012 القياسية. على وجه التحديد، يتم تنزيل النماذج المدربة مسبقًا من tf.keras.applications.

بالإضافة إلى التصنيفات الجديدة، يوفر ImageNet-PI أيضًا بيانات وصفية حول عملية التعليق التوضيحي في شكل ثقة النماذج في تصنيفاتها ومعلومات إضافية حول كل نموذج.

للمزيد من المعلومات، انظر: ImageNet-PI

• الصفحة الرئيسية : https://github.com/google-research-datasets/imagenet_pi/

• شفرة المصدر : tfds.datasets.imagenet_pi.Builder

• الإصدارات :

  • 1.0.0 (الافتراضي): الإصدار الأولي.

• حجم التنزيل : Unknown size

• حجم مجموعة البيانات : Unknown size

• تعليمات التنزيل اليدوي : تتطلب مجموعة البيانات هذه تنزيل بيانات المصدر يدويًا إلى download_config.manual_dir (المسار الافتراضي هو ~/tensorflow_datasets/downloads/manual/ ):
  يجب أن يحتوي المجلد manual_dir على ملفين: ILSVRC2012_img_train.tar و ILSVRC2012_img_val.tar. للحصول على رابط تحميل مجموعة البيانات، عليك التسجيل على الموقع http://www.image-net.org/download-images .

• التخزين المؤقت التلقائي ( الوثائق ): غير معروف

• تقسيمات :

ينقسم	أمثلة

• بنية الميزات :

FeaturesDict({
    'annotator_confidences': Tensor(shape=(16,), dtype=float32),
    'annotator_labels': Tensor(shape=(16,), dtype=int64),
    'clean_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
})

• توثيق الميزات :

ميزة	فصل	شكل	نوع البيانات	وصف
	قاموس الميزات
ثقة المعلق	الموتر	(16,)	float32
تسميات المعلقين	الموتر	(16,)	int64
علامة نظيفة	ClassLabel		int64
اسم الملف	نص		خيط
صورة	صورة	(لا شيء، لا شيء، 3)	uint8

• المفاتيح الخاضعة للإشراف (انظر وثيقة as_supervised ): ('image', 'annotator_labels')

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ): مفقود.

• الاقتباس :

@inproceedings{tram,
  author    = {Mark Collier and
               Rodolphe Jenatton and
               Effrosyni Kokiopoulou and
               Jesse Berent},
  editor    = {Kamalika Chaudhuri and
               Stefanie Jegelka and
               Le Song and
               Csaba Szepesv{\'{a} }ri and
               Gang Niu and
               Sivan Sabato},
  title     = {Transfer and Marginalize: Explaining Away Label Noise with Privileged
               Information},
  booktitle = {International Conference on Machine Learning, {ICML} 2022, 17-23 July
               2022, Baltimore, Maryland, {USA} },
  series    = {Proceedings of Machine Learning Research},
  volume    = {162},
  pages     = {4219--4237},
  publisher = { {PMLR} },
  year      = {2022},
  url       = {https://proceedings.mlr.press/v162/collier22a.html},
}
@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}
}