imagenet_v2

Descrição :

ImageNet-v2 é um conjunto de testes ImageNet (10 por classe) coletado seguindo de perto o protocolo de rotulagem original. Cada imagem foi rotulada por pelo menos 10 trabalhadores do MTurk, possivelmente mais, e dependendo da estratégia utilizada para selecionar quais imagens incluir entre as 10 escolhidas para a classe dada, existem três versões diferentes do conjunto de dados. Consulte a seção quatro do artigo para obter mais detalhes sobre como as diferentes variantes foram compiladas.

O espaço do rótulo é o mesmo do ImageNet2012. Cada exemplo é representado como um dicionário com as seguintes chaves:

'imagem': A imagem, um tensor (H, W, 3).
'rótulo': um número inteiro no intervalo [0, 1000).
'file_name': um sting exclusivo que identifica o exemplo no conjunto de dados.
Página inicial : https://github.com/modestyachts/ImageNetV2
Código fonte : tfds.datasets.imagenet_v2.Builder
Versões :
- 1.0.0 : Versão inicial.
- 2.0.0 : Arquivos atualizados.
- 3.0.0 (padrão): Corrige file_name, do caminho absoluto para o caminho relativo ao diretório de dados, ou seja: "class_id/filename.jpg".
- 3.1.0 : Novos URLs para recursos do Hugging Face.
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'test'`	10.000

Estrutura de recursos :

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})

Documentação de recursos :

Recurso	Aula	Forma	Tipo D
	RecursosDict
nome do arquivo	Texto		corda
imagem	Imagem	(Nenhum, Nenhum, 3)	uint8
rótulo	ClassLabel		int64

Chaves supervisionadas (consulte o documento as_supervised ): ('image', 'label')
Citação :

@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}
}