อิมเมจเน็ต_v2

คำอธิบาย :

ImageNet-v2 คือชุดทดสอบ ImageNet (10 รายการต่อคลาส) ที่รวบรวมโดยปฏิบัติตามโปรโตคอลการติดฉลากดั้งเดิมอย่างใกล้ชิด ภาพแต่ละภาพได้รับการติดป้ายกำกับโดยพนักงาน MTurk อย่างน้อย 10 คน หรือมากกว่านั้น และขึ้นอยู่กับกลยุทธ์ที่ใช้ในการเลือกภาพที่จะรวมไว้ใน 10 ภาพที่เลือกสำหรับชั้นเรียนที่กำหนด ชุดข้อมูลจะมีสามเวอร์ชันที่แตกต่างกัน โปรดดูส่วนที่สี่ของรายงานเพื่อดูรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการรวบรวมตัวแปรต่างๆ

พื้นที่ป้ายกำกับจะเหมือนกับพื้นที่ของ ImageNet2012 แต่ละตัวอย่างจะแสดงเป็นพจนานุกรมโดยมีคีย์ต่อไปนี้:

'image': รูปภาพ a (H, W, 3) -tensor
'label': จำนวนเต็มในช่วง [0, 1000)
'file_name': เหล็กไนเฉพาะที่ระบุตัวอย่างภายในชุดข้อมูล
หน้าแรก : https://github.com/modestyachts/ImageNetV2
ซอร์สโค้ด : tfds.datasets.imagenet_v2.Builder
รุ่น :
- 1.0.0 : เวอร์ชันเริ่มต้น
- 2.0.0 : อัปเดตไฟล์แล้ว
- 3.0.0 (ค่าเริ่มต้น): แก้ไข file_name จากเส้นทางสัมบูรณ์ไปยังเส้นทางที่เกี่ยวข้องกับไดเร็กทอรีข้อมูล เช่น: "class_id/filename.jpg"
- 3.1.0 : URL ใหม่สำหรับทรัพยากรจาก Hugging Face
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'test'`	10,000

โครงสร้างคุณสมบัติ :

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

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ชื่อไฟล์	ข้อความ		เชือก
ภาพ	ภาพ	(ไม่มี ไม่มี 3)	uint8
ฉลาก	ClassLabel		int64

คีย์ภายใต้การดูแล (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}
}