imagenet_v2

• توضیحات :

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

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

• 'image': تصویر ، یک سنسور (H ، W ، 3).
• 'label': یک عدد صحیح در محدوده [0 ، 1000].

• 'file_name': یک نیش منحصر به فرد است که مثال را در مجموعه داده مشخص می کند.

• صفحه اصلی : https://github.com/modestyachts/ImageNetV2

• کد منبع : tfds.image_classification.ImagenetV2

• نسخه ها :

  • 1.0.0 : نسخه اولیه.
  • 2.0.0 (پیش فرض) nights_stay : پرونده ها به روز شدند.

• ذخیره خودکار ( مستندات ): خیر

• تقسیم :

• ویژگی ها :

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

• کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('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}
}

imagenet_v2 / فرکانس همسان (پیکربندی پیش فرض)

• اندازه بارگیری : 1.18 GiB

• اندازه مجموعه داده : 1.16 GiB

• شکل ( tfds.show_examples ):

• مثالها ( tfds.as_dataframe ):

imagenet_v2 / آستانه -0.7

• اندازه بارگیری : 1.16 GiB

• اندازه مجموعه داده : 1.15 GiB

• شکل ( tfds.show_examples ):

• مثالها ( tfds.as_dataframe ):

imagenet_v2 / topimages

• اندازه بارگیری : 1.16 GiB

• اندازه مجموعه داده : 1.15 GiB

• شکل ( tfds.show_examples ):

• مثالها ( tfds.as_dataframe ):