imagenet_pi

সতর্কতা: ম্যানুয়াল ডাউনলোড প্রয়োজন। নীচের নির্দেশাবলী দেখুন.

• বর্ণনা :

ImageNet-PI হল স্ট্যান্ডার্ড ILSVRC2012 ImageNet ডেটাসেটের একটি রিলেবেল করা সংস্করণ যেখানে লেবেলগুলি স্ট্যান্ডার্ড ILSVRC2012-এ প্রাক-প্রশিক্ষিত বিভিন্ন আর্কিটেকচার সহ 16টি গভীর নিউরাল নেটওয়ার্কের একটি সংগ্রহ দ্বারা সরবরাহ করা হয়। বিশেষভাবে, প্রাক-প্রশিক্ষিত মডেলগুলি tf.keras.applications থেকে ডাউনলোড করা হয়।

নতুন লেবেলগুলি ছাড়াও, ImageNet-PI তাদের লেবেলে মডেলগুলির আস্থা এবং প্রতিটি মডেল সম্পর্কে অতিরিক্ত তথ্যের আকারে টীকা প্রক্রিয়া সম্পর্কে মেটা-ডেটাও প্রদান করে৷

আরও তথ্যের জন্য দেখুন: ImageNet-PI

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

• উত্স কোড : tfds.datasets.imagenet_pi.Builder

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): প্রাথমিক প্রকাশ।

• ডাউনলোড আকার : Unknown size

• ডেটাসেটের আকার : Unknown size

• ম্যানুয়াল ডাউনলোডের নির্দেশাবলী : এই ডেটাসেটের জন্য আপনাকে download_config.manual_dir এ ম্যানুয়ালি উৎস ডেটা ডাউনলোড করতে হবে ( ~/tensorflow_datasets/downloads/manual/ এ ডিফল্ট):
  manual_dir-এ দুটি ফাইল থাকা উচিত: ILSVRC2012_img_train.tar এবং ILSVRC2012_img_val.tar। ডেটাসেট ডাউনলোড করার লিঙ্ক পেতে আপনাকে http://www.image-net.org/download-images- এ নিবন্ধন করতে হবে।

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): অজানা

• বিভাজন :

বিভক্ত	উদাহরণ

• বৈশিষ্ট্য গঠন :

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),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
টীকাকার_বিশ্বাস	টেনসর	(16,)	float32
টীকাকার_লেবেল	টেনসর	(16,)	int64
পরিষ্কার_লেবেল	ক্লাসলেবেল		int64
ফাইল_নাম	পাঠ্য		স্ট্রিং
ইমেজ	ছবি	(কোনটিই নয়, 3)	uint8

• তত্ত্বাবধান করা কী (দেখুন_তত্ত্বাবধানকৃত ডক as_supervised ): ('image', 'annotator_labels')

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ): অনুপস্থিত।

• উদ্ধৃতি :

@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}
}