本頁面由 Cloud Translation API 翻譯而成。
Switch to English

imagenet_v2

  • 說明

ImageNet-v2是通過嚴格遵循原始標籤協議收集的ImageNet測試集(每個類10個)。每個圖像至少由10個MTurk工人標記,可能還要更多,並且根據用於選擇要在給定類別選擇的10個圖像中包括哪些圖像的策略,數據集有三種不同版本。請參閱本文的第四部分,以獲取有關如何編譯不同變量的更多詳細信息。

標籤空間與ImageNet2012相同。每個示例都表示為具有以下鍵的字典:

  • '圖像':圖像,(H,W,3)張量。
  • 'label':在[0,1000)範圍內的整數。
  • 'file_name':標識數據集中示例的唯一字符串。

  • 配置說明 :ImageNet-v2是一個ImageNet測試集(每個類10個),通過嚴格遵循原始標籤協議來收集。每個圖像至少由10個MTurk工人標記,可能還要更多,並且根據用於選擇要在給定類別選擇的10個圖像中包括哪些圖像的策略,數據集有三種不同版本。請參閱本文的第四部分以獲取有關如何編譯不同變體的更多詳細信息。

標籤空間與ImageNet2012相同。每個示例都表示為具有以下鍵的字典:

分裂例子
'test' 10,000
  • 特點
 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 / matched-frequency(默認配置)

  • 下載大小582.13 MiB

  • 數據集大小576.77 MiB

  • 可視化tfds.show_examples ):

可視化

imagenet_v2 / threshold-0.7

  • 下載大小577.35 MiB

  • 數據集大小571.98 MiB

  • 可視化tfds.show_examples ):

可視化

imagenet_v2 / topimages

  • 下載大小578.26 MiB

  • 數據集大小572.85 MiB

  • 可視化tfds.show_examples ):

可視化