Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

imagenet_v2

  • Descrizione :

ImageNet-v2 è un set di test ImageNet (10 per classe) raccolti seguendo da vicino il protocollo di etichettatura originale. Ogni immagine è stata etichettata da almeno 10 operatori MTurk, possibilmente più, e in base alla strategia usata per selezionare quali immagini includere tra le 10 scelte per la classe data ci sono tre diverse versioni del set di dati. Si prega di fare riferimento alla sezione quattro del documento per maggiori dettagli su come sono state compilate le diverse varianti.

Lo spazio dell'etichetta è uguale a quello di ImageNet2012. Ogni esempio è rappresentato come un dizionario con i seguenti tasti:

  • 'image': l'immagine, un (H, W, 3) -tensor.
  • 'etichetta': un numero intero nell'intervallo [0, 1000).
  • 'file_name': una puntura univoca che identifica l'esempio all'interno del set di dati.

  • Descrizione della configurazione : ImageNet-v2 è un set di test ImageNet (10 per classe) raccolti seguendo da vicino il protocollo di etichettatura originale. Ogni immagine è stata etichettata da almeno 10 operatori MTurk, possibilmente più, e in base alla strategia usata per selezionare quali immagini includere tra le 10 scelte per la classe data ci sono tre diverse versioni del set di dati. Si prega di fare riferimento alla sezione quattro del documento per maggiori dettagli su come sono state compilate le diverse varianti.

Lo spazio dell'etichetta è uguale a quello di ImageNet2012. Ogni esempio è rappresentato come un dizionario con i seguenti tasti:

Diviso Esempi
'test' 10.000
  • Caratteristiche :
 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),
})
 
 @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 / frequenza abbinata (configurazione predefinita)

  • Dimensione download : 582.13 MiB

  • Dimensione del 576.77 MiB : 576.77 MiB

  • Visualizzazione ( tfds.show_examples ):

visualizzazione

imagenet_v2 / soglia 0.7

  • Dimensione download : 577.35 MiB

  • Dimensione del 571.98 MiB : 571.98 MiB

  • Visualizzazione ( tfds.show_examples ):

visualizzazione

imagenet_v2 / topimages

  • Dimensione download : 578.26 MiB

  • Dimensione del 572.85 MiB : 572.85 MiB

  • Visualizzazione ( tfds.show_examples ):

visualizzazione