imagenet_v2

Trực quan hóa : Khám phá khi biết dữ liệu của bạn
Mô tả :

ImageNet-v2 là bộ thử nghiệm ImageNet (10 mỗi lớp) được thu thập bằng cách tuân thủ chặt chẽ giao thức ghi nhãn ban đầu. Mỗi hình ảnh đã được gắn nhãn bởi ít nhất 10 nhân viên MTurk, có thể nhiều hơn và tùy thuộc vào chiến lược được sử dụng để chọn hình ảnh nào sẽ đưa vào trong số 10 hình ảnh được chọn cho lớp nhất định, có ba phiên bản khác nhau của tập dữ liệu. Vui lòng tham khảo phần bốn của bài báo để biết thêm chi tiết về cách biên soạn các biến thể khác nhau.

Không gian nhãn giống như của ImageNet2012. Mỗi ví dụ được biểu diễn dưới dạng từ điển với các khóa sau:

'hình ảnh': Hình ảnh, một (H, W, 3)-tensor.
'nhãn': Một số nguyên trong phạm vi [0, 1000).
'file_name': Một dấu hiệu duy nhất xác định ví dụ trong tập dữ liệu.
Trang chủ : https://github.com/modestyachts/ImageNetV2
Mã nguồn : tfds.datasets.imagenet_v2.Builder
Phiên bản :
- 1.0.0 : Phiên bản ban đầu.
- 2.0.0 : Tệp được cập nhật.
- 3.0.0 (mặc định): Sửa file_name, từ đường dẫn tuyệt đối thành đường dẫn liên quan đến thư mục dữ liệu, tức là: "class_id/filename.jpg".
- 3.1.0 : URL mới cho tài nguyên từ Hugging Face.
Tự động lưu vào bộ nhớ cache ( tài liệu ): Không
Chia tách :

Tách ra	ví dụ
`'test'`	10.000

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp học	Hình dạng	Dtype
	Tính năngDict
tên_tệp	Chữ		sợi dây
hình ảnh	Hình ảnh	(Không, Không có, 3)	uint8
nhãn	LớpNhãn		int64

Các khóa được giám sát (Xem as_supervised doc ): ('image', 'label')
trích dẫn :

@inproceedings{recht2019imagenet,
  title={Do ImageNet Classifiers Generalize to ImageNet?},
  author={Recht, Benjamin and Roelofs, Rebecca and Schmidt, Ludwig and Shankar, Vaishaal},
  booktitle={International Conference on Machine Learning},
  pages={5389--5400},
  year={2019}
}