ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

imagenet_v2

ImageNet-v2 เป็นชุดทดสอบ ImageNet (10 ต่อคลาส) ที่รวบรวมโดยปฏิบัติตามโปรโตคอลการติดฉลากดั้งเดิมอย่างใกล้ชิด แต่ละภาพมีป้ายกำกับโดยพนักงาน MTurk อย่างน้อย 10 คน และอาจมากกว่านั้น และขึ้นอยู่กับกลยุทธ์ที่ใช้ในการเลือกภาพที่จะรวมไว้ใน 10 ภาพที่เลือกสำหรับคลาสที่กำหนด ชุดข้อมูลมีสามเวอร์ชันที่แตกต่างกัน โปรดดูหัวข้อที่สี่ของบทความสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการรวบรวมตัวแปรต่างๆ

พื้นที่ป้ายกำกับเหมือนกับของ ImageNet2012 แต่ละตัวอย่างจะแสดงเป็นพจนานุกรมด้วยคีย์ต่อไปนี้:

  • 'image': รูปภาพ a (H, W, 3) -tensor
  • 'label': จำนวนเต็มในช่วง [0, 1000)
  • 'file_name': เหล็กไนเฉพาะที่ระบุตัวอย่างภายในชุดข้อมูล

  • โฮมเพจ: https://github.com/modestyachts/ImageNetV2

  • รหัสที่มา: tfds.image_classification.ImagenetV2

  • รุ่น:

    • 1.0.0 : รุ่นแรก
    • 2.0.0 : ไฟล์ที่อัปเดต
    • 3.0.0 (เริ่มต้น): แก้ไข file_name จากเส้นทางที่แน่นอนไปยังเส้นทางเทียบกับไดเรกทอรีข้อมูลคือ: "class_id / filename.jpg"
  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'test' 10,000
  • คุณสมบัติ:
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),
})
  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): ('image', 'label')

  • อ้างอิง:

@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/ความถี่ที่ตรงกัน (การกำหนดค่าเริ่มต้น)

  • ขนาดการดาวน์โหลด: 1.18 GiB

  • ขนาดชุด: 1.16 GiB

  • รูป ( tfds.show_examples ):

การสร้างภาพ

imagenet_v2/threshold-0.7

  • ขนาดการดาวน์โหลด: 1.16 GiB

  • ขนาดชุด: 1.15 GiB

  • รูป ( tfds.show_examples ):

การสร้างภาพ

imagenet_v2/topimages

  • ขนาดการดาวน์โหลด: 1.16 GiB

  • ขนาดชุด: 1.14 GiB

  • รูป ( tfds.show_examples ):

การสร้างภาพ