imagenet_v2

تجسم : در Know Your Data کاوش کنید
توضیحات :

ImageNet-v2 یک مجموعه تست ImageNet (10 در هر کلاس) است که با پیروی دقیق از پروتکل برچسب گذاری اصلی جمع آوری شده است. هر تصویر توسط حداقل 10 کارگر MTurk، احتمالاً بیشتر، برچسب گذاری شده است، و بسته به استراتژی مورد استفاده برای انتخاب اینکه کدام تصویر از بین 10 تصویر انتخاب شده برای کلاس داده شده شامل شود، سه نسخه مختلف از مجموعه داده وجود دارد. لطفاً برای جزئیات بیشتر در مورد نحوه گردآوری انواع مختلف به بخش چهار مقاله مراجعه کنید.

فضای برچسب مانند ImageNet2012 است. هر مثال به عنوان یک فرهنگ لغت با کلیدهای زیر نشان داده می شود:

'تصویر': تصویر، یک تانسور (H, W, 3).
'label': یک عدد صحیح در محدوده [0، 1000).
'file_name': یک نیش منحصر به فرد که نمونه را در مجموعه داده شناسایی می کند.
صفحه اصلی : https://github.com/modestyachts/ImageNetV2
کد منبع : tfds.datasets.imagenet_v2.Builder
نسخه ها :
- 1.0.0 : نسخه اولیه.
- 2.0.0 : فایل ها به روز شدند.
- 3.0.0 (پیش‌فرض): نام file_name را از مسیر مطلق به مسیر نسبت به فهرست داده‌ها، یعنی: "class_id/filename.jpg" اصلاح کنید.
- 3.1.0 : URL های جدید برای منابع از Hugging Face.
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :

شکاف	مثال ها
`'test'`	10000

ساختار ویژگی :

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

مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D
	FeaturesDict
نام فایل	متن		رشته
تصویر	تصویر	(هیچ، هیچ، 3)	uint8
برچسب	ClassLabel		int64

کلیدهای نظارت شده (مشاهده as_supervised doc ): ('image', 'label')
نقل قول :

@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}
}