imagenet_r

  • Descrizione :

ImageNet-R è un insieme di immagini etichettate con etichette ImageNet ottenute raccogliendo arte, cartoni animati, deviantart, graffiti, ricami, grafica, origami, dipinti, modelli, oggetti di plastica, oggetti di peluche, sculture, schizzi, tatuaggi, giocattoli e rappresentazioni di videogiochi di classi ImageNet. ImageNet-R ha rappresentazioni di 200 classi ImageNet che danno come risultato 30.000 immagini. raccogliendo nuovi dati e conservando solo quelle immagini che i modelli ResNet-50 non riescono a classificare correttamente. Per maggiori dettagli si rimanda al documento.

Lo spazio dell'etichetta è lo stesso di ImageNet2012. Ogni esempio è rappresentato come un dizionario con le seguenti chiavi:

  • 'immagine': L'immagine, un tensore (H, W, 3).
  • 'etichetta': un numero intero nell'intervallo [0, 1000).
  • 'file_name': una stringa univoca che identifica l'esempio all'interno del set di dati.

  • Documentazione aggiuntiva : esplora documenti con codice

  • Home page : https://github.com/hendrycks/imagenet-r

  • Codice sorgente : tfds.datasets.imagenet_r.Builder

  • Versioni :

    • 0.1.0 : nessuna nota di rilascio.
    • 0.2.0 (impostazione predefinita): corretto file_name, dal percorso assoluto al percorso relativo alla directory imagenet-r, ovvero: "imagenet_synset_id/filename.jpg".
  • Dimensione download : 2.04 GiB

  • Dimensione del set di dati : 2.02 GiB

  • Memorizzazione nella cache automatica ( documentazione ): No

  • Divide :

Diviso Esempi
'test' 30.000
  • Struttura delle caratteristiche :
FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
nome del file Testo corda
Immagine Immagine (Nessuno, Nessuno, 3) uint8
etichetta ClassLabel int64

Visualizzazione

  • Citazione :
@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}
}