Esta página foi traduzida pela API Cloud Translation.
Switch to English

imagenet_v2

  • Descrição:

IMAGEnet-v2 é um conjunto de teste IMAGEnet (10 por classe) recolhido, seguindo de perto o protocolo inicial de rotulagem. Cada imagem tem sido rotulado por pelo menos 10 trabalhadores MTurk, possivelmente mais, e, dependendo da estratégia utilizada para selecionar quais imagens para incluir entre os 10 escolhidos para a classe dada existem três versões diferentes do conjunto de dados. Por favor, consulte a secção quatro do papel para obter mais detalhes sobre como as diferentes variantes foram compilados.

O espaço etiqueta é o mesmo que o de ImageNet2012. Cada exemplo é representado como um dicionário com as seguintes chaves:

  • 'Imagem': A imagem, um (H, W, 3) -tensor.
  • 'Rótulo': um número inteiro no intervalo de [0, 1000).
  • 'File_name': A picada único que identifica o exemplo dentro do conjunto de dados.

  • Descrição Config: IMAGEnet-v2 é um conjunto de teste IMAGEnet (10 por classe) recolhido, seguindo de perto o protocolo inicial de rotulagem. Cada imagem tem sido rotulado por pelo menos 10 trabalhadores MTurk, possivelmente mais, e, dependendo da estratégia utilizada para selecionar quais imagens para incluir entre os 10 escolhidos para a classe dada existem três versões diferentes do conjunto de dados. Por favor, consulte a secção quatro do papel para obter mais detalhes sobre como as diferentes variantes foram compilados.

O espaço etiqueta é o mesmo que o de ImageNet2012. Cada exemplo é representado como um dicionário com as seguintes chaves:

Dividido Exemplos
'test' 10.000
  • Características:
 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 / pareados por freqüência (configuração padrão)

  • Tamanho do download: 582.13 MiB

  • Dataset size: 576.77 MiB

  • Visualização ( tfds.show_examples ):

Visualização

imagenet_v2 / limiar-0,7

  • Tamanho do download: 577.35 MiB

  • Dataset size: 571.98 MiB

  • Visualização ( tfds.show_examples ):

Visualização

imagenet_v2 / topimages

  • Tamanho do download: 578.26 MiB

  • Dataset size: 572.85 MiB

  • Visualização ( tfds.show_examples ):

Visualização