- 설명 :
이 데이터 세트에는 "Are we done with ImageNet" 논문의 새로운 "Re-Assessed"(ReaL) 레이블 세트로 보강된 ILSVRC-2012(ImageNet) 검증 이미지가 포함되어 있습니다. https://arxiv.org/abs/2006.07159를 참조하세요. 향상된 프로토콜을 사용하여 라벨이 수집되므로 다중 라벨과 보다 정확한 주석이 생성됩니다.
중요 참고 사항: 약 3500개의 예시에는 라벨이 포함되어 있지 않으므로 정확도를 계산할 때 평균에서 제외 해야 합니다. 이를 수행하는 한 가지 가능한 방법은 다음 NumPy 코드를 사용하는 것입니다.
is_correct = [pred in real_labels[i] for i, pred in enumerate(predictions) if real_labels[i]]
real_accuracy = np.mean(is_correct)
홈페이지 : https://github.com/google-research/reassessed-imagenet
버전 :
-
1.0.0
(기본값): 최초 릴리스
-
다운로드 크기 :
379.37 KiB
데이터세트 크기 :
6.25 GiB
수동 다운로드 지침 : 이 데이터세트에서는 소스 데이터를
download_config.manual_dir
에 수동으로 다운로드해야 합니다(기본값은~/tensorflow_datasets/downloads/manual/
).
manual_dir에는ILSVRC2012_img_val.tar
파일이 포함되어야 합니다. 데이터 세트를 다운로드할 수 있는 링크를 얻으려면 http://www.image-net.org/download-images 에 등록해야 합니다.자동 캐시 ( 문서 ): 아니요
분할 :
나뉘다 | 예 |
---|---|
'validation' | 50,000 |
- 기능 구조 :
FeaturesDict({
'file_name': Text(shape=(), dtype=string),
'image': Image(shape=(None, None, 3), dtype=uint8),
'original_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
'real_label': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
})
- 기능 문서 :
특징 | 수업 | 모양 | Dtype | 설명 |
---|---|---|---|---|
특징Dict | ||||
파일 이름 | 텍스트 | 끈 | ||
영상 | 영상 | (없음, 없음, 3) | uint8 | |
원본_라벨 | 클래스 라벨 | 정수64 | ||
real_label | 시퀀스(클래스 라벨) | (없음,) | 정수64 |
감독되는 키 (
as_supervised
doc 참조):('image', 'real_label')
그림 ( tfds.show_examples ):
- 예 ( tfds.as_dataframe ):
- 인용 :
@article{beyer2020imagenet,
title={Are we done with ImageNet?},
author={Lucas Beyer and Olivier J. Henaff and Alexander Kolesnikov and Xiaohua Zhai and Aaron van den Oord},
journal={arXiv preprint arXiv:2002.05709},
year={2020}
}
@article{ILSVRC15,
Author={Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
Title={ {ImageNet Large Scale Visual Recognition Challenge} },
Year={2015},
journal={International Journal of Computer Vision (IJCV)},
doi={10.1007/s11263-015-0816-y},
volume={115},
number={3},
pages={211-252}
}