이미지넷_파이

경고: 수동 다운로드가 필요합니다. 아래 지침을 참조하십시오.

• 설명 :

ImageNet-PI는 표준 ILSVRC2012 ImageNet 데이터셋의 레이블을 재구성한 버전으로, 레이블은 표준 ILSVRC2012 데이터셋에서 사전 학습된 서로 다른 아키텍처를 가진 16개의 심층 신경망에서 제공됩니다. 구체적으로, 사전 학습된 모델은 tf.keras.applications에서 다운로드할 수 있습니다.

ImageNet-PI는 새로운 레이블 외에도 모델의 레이블에 대한 신뢰도 및 각 모델에 대한 추가 정보와 같은 주석 프로세스에 대한 메타데이터를 제공합니다.

자세한 내용은 ImageNet-PI를 참조하십시오.

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

• 소스 코드 : tfds.datasets.imagenet_pi.Builder

• 버전 :

  • 1.0.0 (기본값): 초기 릴리스.

• 다운로드 크기 : Unknown size

• 데이터셋 크기 : Unknown size

• 수동 다운로드 지침 : 이 데이터셋을 사용하려면 소스 데이터를 download_config.manual_dir (기본값은 ~/tensorflow_datasets/downloads/manual/ )에 수동으로 다운로드해야 합니다.
  manual_dir 폴더에는 ILSVRC2012_img_train.tar와 ILSVRC2012_img_val.tar 두 파일이 있어야 합니다. 데이터셋 다운로드 링크를 받으려면 http://www.image-net.org/download-images 에 등록해야 합니다.

• 자동 캐시됨 ( 문서 ): 알 수 없음

• 분할 :

나뉘다	예시

• 특징 구조 :

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),
})

• 기능 문서화 :

특징	수업	모양	디타입	설명
	특징 사전
주석자_신뢰도	텐서	(16,)	float32
주석자 레이블	텐서	(16,)	int64
클린_라벨	클래스 레이블		int64
파일 이름	텍스트		끈
영상	영상	(없음, 없음, 3)	uint8

• 지도 학습 키 ( as_supervised 문서 참조): ('image', 'annotator_labels')

• 그림 ( tfds.show_examples ): 지원되지 않습니다.

• 예시 ( tfds.as_dataframe ): 누락됨.

• 인용 :

@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}
}