Astur Apple image Dataset
Notice bibliographique
Résumé
Struture of file: 2022-v2-9classes-AsturApple-Balanced-SIZE224-train-dev-test.hdf5 ------------------------------------------------------------------------------------------- This file contains dataset of 6108 cider apple color images, 224x224 pixels to support the article "Transfer learning with convolutional neural networks for classification of cider apple varieties" results. -The images belong to nine apple classes: 'BLANQUINA' 'CARRIO' 'FLORINA' 'FUENTES' 'PRIETA' 'RAXAO' 'REINETA ENCARNADA' 'REINETA PINTA' 'REINETA ROJA DEL CANADA' -Full dataset is split in 4886 images for training, 611 for testing and 611 for validation. -Class labels are codified as one-hot enconding binary labels. (e.g. [0 0 0 0 0 1 0] ---> Reineta Pinta) -Training image set are store as tensor "trainX": (4168,224,224,3) -Training class labels "trainY": (4886,7) -Test image set tensor "testX": (611, 224,224,3) -Test image binary class labels "testY": (611, 7) -Validation image set tensor "devX": (611, 224,224,3) -Validation binary class labels "devY": (611, 7) * file was created with h5py module in Python.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,146 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».