imagenet_v2

• Описание :

ImageNet-v2 - это набор тестов ImageNet (по 10 на класс), собранный при строгом соблюдении оригинального протокола маркировки. Каждое изображение было помечено, по крайней мере, 10 рабочими MTurk, возможно, больше, и в зависимости от стратегии, используемой для выбора, какие изображения включить в число 10, выбранных для данного класса, существует три разных версии набора данных. Пожалуйста, обратитесь к четвертому разделу статьи для более подробной информации о том, как были скомпилированы различные варианты.

Пространство меток такое же, как и в ImageNet2012. Каждый пример представлен в виде словаря со следующими ключами:

• 'изображение': изображение, (H, W, 3) -тенор.
• 'label': целое число в диапазоне [0, 1000).

• 'file_name': уникальная строка, идентифицирующая пример в наборе данных.

• Описание конфигурации : ImageNet-v2 - это набор тестов ImageNet (по 10 на класс), собранный при строгом следовании исходному протоколу маркировки. Каждое изображение было помечено, по крайней мере, 10 рабочими MTurk, возможно, больше, и в зависимости от стратегии, используемой для выбора, какие изображения включить в число 10, выбранных для данного класса, существует три разных версии набора данных. Пожалуйста, обратитесь к четвертому разделу статьи для более подробной информации о том, как были скомпилированы различные варианты.

Пространство меток такое же, как и в ImageNet2012. Каждый пример представлен в виде словаря со следующими ключами:

• 'изображение': изображение, (H, W, 3) -тенор.
• 'label': целое число в диапазоне [0, 1000).

• 'file_name': уникальная строка, идентифицирующая пример в наборе данных.

• Домашняя страница : https://github.com/modestyachts/ImageNetV2

• Исходный код : tfds.image_classification.ImagenetV2

• Версии :

  • 0.1.0 (по умолчанию): примечаний к выпуску нет.

• Авто-кеширование ( документация ): нет

• Разделяет :

• Особенности :

 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),
})
 

• Контролируемые ключи (см. as_supervised ): ('image', 'label')

• Цитирование :

 @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 / matched -quency (конфигурация по умолчанию)

• Размер 582.13 MiB : 582.13 MiB

• Размер набора данных : 576.77 MiB

• Визуализация ( tfds.show_examples ):

imagenet_v2 / Порог-0,7

• Размер 577.35 MiB : 577.35 MiB

• Размер набора данных : 571.98 MiB

• Визуализация ( tfds.show_examples ):

imagenet_v2 / topimages

• Размер 578.26 MiB : 578.26 MiB

• Размер набора данных : 572.85 MiB

• Визуализация ( tfds.show_examples ):