imagenet_r

  • Descripción :

ImageNet-R es un conjunto de imágenes etiquetadas con etiquetas ImageNet que se obtuvieron recopilando arte, dibujos animados, deviantart, graffiti, bordados, gráficos, origami, pinturas, patrones, objetos de plástico, objetos de felpa, esculturas, bocetos, tatuajes, juguetes y Representaciones de videojuegos de clases ImageNet. ImageNet-R tiene representaciones de 200 clases ImageNet que dan como resultado 30.000 imágenes. recopilando nuevos datos y manteniendo solo aquellas imágenes que los modelos ResNet-50 no logran clasificar correctamente. Para obtener más detalles, consulte el documento.

El espacio de etiquetas es el mismo que el de ImageNet2012. Cada ejemplo se representa como un diccionario con las siguientes claves:

  • 'imagen': La imagen, un tensor (H, W, 3).
  • 'etiqueta': un número entero en el rango [0, 1000).
  • 'nombre_archivo': un código único que identifica el ejemplo dentro del conjunto de datos.

  • Documentación adicional : Explorar en artículos con código

  • Página de inicio : https://github.com/hendrycks/imagenet-r

  • Código fuente : tfds.datasets.imagenet_r.Builder

  • Versiones :

    • 0.1.0 : Sin notas de versión.
    • 0.2.0 (predeterminado): corrige el nombre del archivo, de la ruta absoluta a la ruta relativa al directorio imagenet-r, es decir: "imagenet_synset_id/filename.jpg".
  • Tamaño de descarga : 2.04 GiB

  • Tamaño del conjunto de datos : 2.02 GiB

  • Almacenamiento en caché automático ( documentación ): No

  • Divisiones :

Dividir Ejemplos
'test' 30.000
  • Estructura de características :
FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
Nombre del archivo Texto cadena
imagen Imagen (Ninguno, Ninguno, 3) uint8
etiqueta Etiqueta de clase int64

Visualización

  • Citación :
@article{hendrycks2020many,
  title={The Many Faces of Robustness: A Critical Analysis of Out-of-Distribution Generalization},
  author={Dan Hendrycks and Steven Basart and Norman Mu and Saurav Kadavath and Frank Wang and Evan Dorundo and Rahul Desai and Tyler Zhu and Samyak Parajuli and Mike Guo and Dawn Song and Jacob Steinhardt and Justin Gilmer},
  journal={arXiv preprint arXiv:2006.16241},
  year={2020}
}