imagenet_r

• Описание :

ImageNet-R — это набор изображений, помеченных метками ImageNet, которые были получены путем коллекционирования произведений искусства, мультфильмов, deviantart, граффити, вышивки, графики, оригами, картин, узоров, пластиковых предметов, плюшевых предметов, скульптур, эскизов, татуировок, игрушек и т. д. версии классов ImageNet в видеоиграх. ImageNet-R содержит версии 200 классов ImageNet, в результате чего получается 30 000 изображений. собирая новые данные и сохраняя только те изображения, которые модели ResNet-50 не могут правильно классифицировать. Более подробную информацию можно найти в документе.

Пространство меток такое же, как и у ImageNet2012. Каждый пример представлен в виде словаря со следующими ключами:

• «изображение»: изображение, (H, W, 3)-тензор.
• «метка»: целое число в диапазоне [0, 1000).

• «имя_файла»: уникальная строка, идентифицирующая пример в наборе данных.

• Дополнительная документация : Изучите статьи с кодом

• Домашняя страница : https://github.com/hendrycks/imagenet-r

• Исходный код : tfds.datasets.imagenet_r.Builder

• Версии :

  • 0.1.0 : нет примечаний к выпуску.
  • 0.2.0 (по умолчанию): Исправьте имя_файла, изменив его с абсолютного пути на путь относительно каталога imagenet-r, например: «imagenet_synset_id/filename.jpg».

• Размер загрузки : 2.04 GiB

• Размер набора данных : 2.02 GiB

• Автокэширование ( документация ): Нет

• Расколы :

Расколоть	Примеры
'test'	30 000

• Структура функции :

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})

• Функциональная документация :

Особенность	Сорт	Форма	Дтип	Описание
	ВозможностиDict
имя файла	Текст		нить
изображение	Изображение	(Нет, Нет, 3)	uint8
этикетка	Класслейбл		int64

• Контролируемые ключи (см. документ as_supervised ): ('image', 'label')

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}