หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

imagenet_v2

  • คำอธิบาย :

ImageNet-v2 เป็นชุดทดสอบ ImageNet (10 ต่อคลาส) ที่รวบรวมโดยติดตามโปรโตคอลการติดฉลากดั้งเดิมอย่างใกล้ชิด แต่ละภาพได้รับการติดป้ายโดยคนทำงาน MTurk อย่างน้อย 10 คนซึ่งอาจเป็นมากกว่านั้นและขึ้นอยู่กับกลยุทธ์ที่ใช้ในการเลือกภาพที่จะรวมไว้ในบรรดา 10 ที่เลือกสำหรับชั้นเรียนที่กำหนดมีชุดข้อมูลสามรุ่นที่แตกต่างกัน โปรดดูส่วนที่สี่ของกระดาษสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการรวบรวมตัวแปรที่แตกต่างกัน

พื้นที่ฉลากเหมือนกันกับ ImageNet2012 ตัวอย่างแต่ละตัวอย่างจะแสดงเป็นพจนานุกรมด้วยปุ่มต่อไปนี้:

  • 'image': รูปภาพ, a (H, W, 3) -tensor
  • 'label': จำนวนเต็มในช่วง [0, 1,000)
  • 'file_name': sting ที่ไม่ซ้ำกันซึ่งระบุตัวอย่างภายในชุดข้อมูล

  • คำอธิบาย การกำหนดค่า: ImageNet-v2 เป็นชุดทดสอบ ImageNet (10 ต่อคลาส) ที่รวบรวมโดยติดตามโปรโตคอลการติดฉลากดั้งเดิมอย่างใกล้ชิด แต่ละภาพได้รับการติดป้ายโดยคนทำงาน MTurk อย่างน้อย 10 คนซึ่งอาจเป็นมากกว่านั้นและขึ้นอยู่กับกลยุทธ์ที่ใช้ในการเลือกภาพที่จะรวมไว้ในบรรดา 10 ที่เลือกสำหรับชั้นเรียนที่กำหนดมีชุดข้อมูลสามรุ่นที่แตกต่างกัน โปรดดูส่วนที่สี่ของกระดาษสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการรวบรวมตัวแปรที่แตกต่างกัน

พื้นที่ฉลากเหมือนกันกับ ImageNet2012 ตัวอย่างแต่ละตัวอย่างจะแสดงเป็นพจนานุกรมด้วยปุ่มต่อไปนี้:

  • 'image': รูปภาพ, a (H, W, 3) -tensor
  • 'label': จำนวนเต็มในช่วง [0, 1,000)
  • 'file_name': sting ที่ไม่ซ้ำกันซึ่งระบุตัวอย่างภายในชุดข้อมูล

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

  • รหัสที่มา : tfds.image_classification.ImagenetV2

  • รุ่น :

    • 0.1.0 (ค่าเริ่มต้น): ไม่มีบันทึกย่อประจำรุ่น
  • แคชอัตโนมัติ ( เอกสาร ): ไม่

  • 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),
})
 
  • คีย์ที่ควบคุม (ดู as_supervised doc ): ('image', 'label')

  • การอ้างอิง :

 @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 / จับคู่ความถี่ (กำหนดค่าเริ่มต้น)

  • ขนาดการดาวน์โหลด : 582.13 MiB

  • ขนาดชุดข้อมูล : 576.77 MiB

  • การสร้างภาพ ( tfds.show_examples ):

การแสดง

imagenet_v2 / เกณฑ์-0.7

  • ขนาดการดาวน์โหลด : 577.35 MiB

  • ขนาดชุดข้อมูล : 571.98 MiB

  • การสร้างภาพ ( tfds.show_examples ):

การแสดง

imagenet_v2 / topimages

  • ขนาดการดาวน์โหลด : 578.26 MiB

  • ขนาดชุดข้อมูล : 572.85 MiB

  • การสร้างภาพ ( tfds.show_examples ):

การแสดง