imagenet_r

ImageNet-R est un ensemble d'images étiquetées avec des étiquettes ImageNet qui ont été obtenues en collectant des œuvres d'art, des dessins animés, deviantart, des graffitis, des broderies, des graphiques, des origamis, des peintures, des motifs, des objets en plastique, des objets en peluche, des sculptures, des croquis, des tatouages, des jouets et rendus de jeux vidéo des classes ImageNet. ImageNet-R a des rendus de 200 classes ImageNet résultant en 30 000 images. en collectant de nouvelles données et en ne conservant que les images que les modèles ResNet-50 ne parviennent pas à classer correctement. Pour plus de détails, veuillez consulter le document.

L'espace des étiquettes est le même que celui d'ImageNet2012. Chaque exemple est représenté sous forme de dictionnaire avec les clés suivantes :

  • 'image' : L'image, un (H, W, 3)-tenseur.
  • 'étiquette' : un entier dans la plage [0, 1000).
  • 'file_name' : une chaîne unique identifiant l'exemple dans l'ensemble de données.

  • Documentation complémentaire : Explorer sur Papers With Code

  • Page d'accueil : https://github.com/hendrycks/imagenet-r

  • Code source : tfds.datasets.imagenet_r.Builder

  • Versions :

    • 0.1.0 : Aucune note de version.
    • 0.2.0 (par défaut) : Correction de file_name, du chemin absolu au chemin relatif au répertoire imagenet-r, c'est-à-dire : "imagenet_synset_id/filename.jpg".
  • Taille du téléchargement : 2.04 GiB

  • Taille du jeu de données : 2.02 GiB

  • Mise en cache automatique ( documentation ): Non

  • Fractionnements :

Diviser Exemples
'test' 30 000
  • Structure des fonctionnalités :
FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})
  • Documentation des fonctionnalités :
Caractéristique Classer Forme Dtype La description
FonctionnalitésDict
nom de fichier Texte chaîne de caractères
image Image (Aucun, Aucun, 3) uint8
étiquette Étiquette de classe int64

Visualisation

  • Citation :
@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}
}