imagenet_v2

Keterangan :

ImageNet-v2 adalah set pengujian ImageNet (10 per kelas) yang dikumpulkan dengan mengikuti protokol pelabelan asli. Setiap gambar telah diberi label oleh setidaknya 10 pekerja MTurk, mungkin lebih, dan bergantung pada strategi yang digunakan untuk memilih gambar mana yang akan disertakan, di antara 10 gambar yang dipilih untuk kelas tertentu, terdapat tiga versi kumpulan data yang berbeda. Silakan merujuk ke bagian empat makalah ini untuk rincian lebih lanjut tentang bagaimana berbagai varian disusun.

Ruang label sama dengan ImageNet2012. Setiap contoh direpresentasikan sebagai kamus dengan kunci berikut:

'gambar': Gambar, a (H, W, 3) -tensor.
'label': Bilangan bulat dalam rentang [0, 1000).
'file_name': Sengatan unik yang mengidentifikasi contoh dalam kumpulan data.
Beranda : https://github.com/modestyachts/ImageNetV2
Kode sumber : tfds.datasets.imagenet_v2.Builder
Versi :
- 1.0.0 : Versi awal.
- 2.0.0 : File diperbarui.
- 3.0.0 (default): Memperbaiki nama_file, dari jalur absolut ke jalur relatif terhadap direktori data, yaitu: "class_id/filename.jpg".
- 3.1.0 : URL baru untuk sumber daya dari Hugging Face.
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'test'`	10.000

Struktur fitur :

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

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D
	FiturDict
nama file	Teks		rangkaian
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
label	Label Kelas		int64

Kunci yang diawasi (Lihat dokumen as_supervised ): ('image', 'label')
Kutipan :

@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}
}