imagenet_sketch

• opis :

ImageNet-Sketch składa się z 50 889 czarno-białych szkiców, po 50 dla każdej z 1000 klas ImageNet. Te obrazy zostały pierwotnie pobrane z wyszukiwarki grafiki Google dla hasła „szkic __”. Zebrano 100 obrazów, które następnie ręcznie przefiltrowano. W przypadku klas z mniej niż 50 dobrymi obrazami dodatkowe obrazy były konstruowane przez odwracanie lub obracanie.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem

• Strona główna : https://github.com/HaohanWang/ImageNet-Sketch

• Kod źródłowy : tfds.datasets.imagenet_sketch.Builder

• Wersje :

  • 1.0.0 (domyślnie): Wersja początkowa.

• Rozmiar pliku do pobrania : 7.07 GiB

• Rozmiar zestawu danych : 7.61 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'test'	50 889

• Struktura funkcji :

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

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
Nazwa pliku	Tekst		strunowy
obraz	Obraz	(Brak, Brak, 3)	uint8
etykieta	Etykieta klasy		int64

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@inproceedings{wang2019learning,
        title={Learning Robust Global Representations by Penalizing Local Predictive Power},
        author={Wang, Haohan and Ge, Songwei and Lipton, Zachary and Xing, Eric P},
        booktitle={Advances in Neural Information Processing Systems},
        pages={10506--10518},
        year={2019}
}