imagenet_pi

Peringatan: Pengunduhan manual diperlukan. Lihat petunjuk di bawah ini.

• Keterangan :

ImageNet-PI adalah versi yang diberi label ulang dari dataset ImageNet ILSVRC2012 standar, di mana label disediakan oleh kumpulan 16 jaringan saraf dalam dengan arsitektur berbeda yang telah dilatih sebelumnya pada ILSVRC2012 standar. Secara spesifik, model yang telah dilatih sebelumnya diunduh dari tf.keras.applications.

Selain label baru, ImageNet-PI juga menyediakan metadata tentang proses anotasi berupa tingkat kepercayaan model terhadap labelnya dan informasi tambahan tentang setiap model.

Untuk informasi lebih lanjut, lihat: ImageNet-PI

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

• Kode sumber : tfds.datasets.imagenet_pi.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Ukuran unduhan : Unknown size

• Ukuran dataset : Unknown size

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

• Disimpan secara otomatis ( dokumentasi ): Tidak diketahui

• Pembagian :

Membelah	Contoh

• Struktur fitur :

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),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
kepercayaan annotator	Tensor	(16,)	float32
label_anotasi	Tensor	(16,)	int64
label bersih	Label Kelas		int64
nama_file	Teks		rangkaian
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8

• Kunci yang diawasi (Lihat dokumentasi as_supervised ): ('image', 'annotator_labels')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ): Hilang.

• Kutipan :

@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}
}