imagenet_v2

Sự miêu tả :

ImageNet-v2 là bộ thử nghiệm ImageNet (10 bộ 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 viết 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 một từ điển với các khóa sau:

'hình ảnh': Hình ảnh, một tenxơ (H, W, 3).
'nhãn': Một số nguyên trong phạm vi [0, 1000).
'file_name': Một thông tin 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 đầu tiên.
- 2.0.0 : Đã cập nhật tệp.
- 3.0.0 (mặc định): Sửa file_name, từ đường dẫn tuyệt đối đến đường dẫn liên quan đến thư mục dữ liệu, tức là: "class_id/filename.jpg".
- 3.1.0 : URL mới cho tài nguyên từ Ôm Mặt.
Tự động lưu vào bộ nhớ đệm ( 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	loại D
	Tính năngDict
tên_tệp	Chữ		sợi dây
hình ảnh	Hình ảnh	(Không, Không, 3)	uint8
nhãn	Nhãn lớp		int64

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}
}