หน้านี้ได้รับการแปลโดย Cloud Translation API

imagenet_v2

การสร้างภาพ : สำรวจใน Know Your Data
คำอธิบาย :

ImageNet-v2 เป็นชุดทดสอบ ImageNet (10 ชุดต่อคลาส) ที่รวบรวมโดยปฏิบัติตามโปรโตคอลการติดฉลากดั้งเดิมอย่างใกล้ชิด ภาพแต่ละภาพได้รับการติดป้ายกำกับโดยคนงาน MTurk อย่างน้อย 10 คน และอาจมากกว่านั้น และขึ้นอยู่กับกลยุทธ์ที่ใช้ในการเลือกภาพที่จะรวมไว้ใน 10 ภาพที่ได้รับเลือกสำหรับคลาสที่กำหนด ชุดข้อมูลมีสามเวอร์ชันที่แตกต่างกัน โปรดดูส่วนที่สี่ของบทความสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการรวบรวมรูปแบบต่างๆ

พื้นที่ป้ายกำกับเหมือนกับของ ImageNet2012 แต่ละตัวอย่างจะแสดงเป็นพจนานุกรมด้วยคีย์ต่อไปนี้:

'รูปภาพ': รูปภาพ, a (H, W, 3)-เทนเซอร์
'label': จำนวนเต็มในช่วง [0, 1000)
'file_name': sting เฉพาะที่ระบุตัวอย่างภายในชุดข้อมูล
หน้าแรก : https://github.com/modestyachts/ImageNetV2
รหัสที่มา : tfds.datasets.imagenet_v2.Builder
รุ่น :
- 1.0.0 : เวอร์ชันเริ่มต้น
- 2.0.0 : อัปเดตไฟล์แล้ว
- 3.0.0 (ค่าเริ่มต้น): แก้ไข file_name จากพาธสัมบูรณ์ไปยังพาธที่สัมพันธ์กับไดเร็กทอรีข้อมูล เช่น: "class_id/filename.jpg"
แคชอัตโนมัติ ( เอกสารประกอบ ): ไม่
แยก :

แยก	ตัวอย่าง
`'test'`	10,000

โครงสร้างคุณลักษณะ :

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

เอกสารคุณสมบัติ :

ลักษณะเฉพาะ	ระดับ	รูปร่าง	Dประเภท
	คุณสมบัติDict
ชื่อไฟล์	ข้อความ		สตริง
ภาพ	ภาพ	(ไม่มี, ไม่มี, 3)	uint8
ฉลาก	ป้ายกำกับคลาส		int64

คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'label')
การอ้างอิง :

@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}
}