imagenet_v2
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
ImageNet-v2 یک مجموعه تست ImageNet (10 در هر کلاس) است که با پیروی دقیق از پروتکل برچسب گذاری اصلی جمع آوری شده است. هر تصویر توسط حداقل 10 کارگر MTurk، احتمالاً بیشتر، برچسب گذاری شده است، و بسته به استراتژی مورد استفاده برای انتخاب اینکه کدام تصویر از بین 10 تصویر انتخاب شده برای کلاس داده شده شامل شود، سه نسخه مختلف از مجموعه داده وجود دارد. لطفاً برای جزئیات بیشتر در مورد نحوه گردآوری انواع مختلف به بخش چهار مقاله مراجعه کنید.
فضای برچسب مانند ImageNet2012 است. هر مثال به عنوان یک فرهنگ لغت با کلیدهای زیر نشان داده می شود:
- 'تصویر': تصویر، یک تانسور (H, W, 3).
- 'label': یک عدد صحیح در محدوده [0، 1000).
'file_name': یک نیش منحصر به فرد که نمونه را در مجموعه داده شناسایی می کند.
صفحه اصلی : https://github.com/modestyachts/ImageNetV2
کد منبع : tfds.datasets.imagenet_v2.Builder
نسخه ها :
-
1.0.0 : نسخه اولیه. -
2.0.0 : فایل ها به روز شدند. -
3.0.0 (پیش‌فرض): نام file_name را از مسیر مطلق به مسیر نسبت به فهرست داده‌ها، یعنی: "class_id/filename.jpg" اصلاح کنید. -
3.1.0 : URL های جدید برای منابع از Hugging Face.
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
| شکاف | مثال ها |
|---|
'test' | 10000 |
FeaturesDict({
'file_name': Text(shape=(), dtype=string),
'image': Image(shape=(None, None, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})
| ویژگی | کلاس | شکل | نوع D | شرح |
|---|
| FeaturesDict | | | |
| نام فایل | متن | | رشته | |
| تصویر | تصویر | (هیچ، هیچ، 3) | uint8 | |
| برچسب | ClassLabel | | int64 | |
@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/فرکانس مطابق (پیکربندی پیش فرض)
imagenet_v2/threshold-0.7
imagenet_v2/topimages
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-06-01 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-06-01 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# imagenet_v2\n\n\u003cbr /\u003e\n\n- **Description**:\n\nImageNet-v2 is an ImageNet test set (10 per class) collected by closely\nfollowing the original labelling protocol. Each image has been labelled by at\nleast 10 MTurk workers, possibly more, and depending on the strategy used to\nselect which images to include among the 10 chosen for the given class there are\nthree different versions of the dataset. Please refer to section four of the\npaper for more details on how the different variants were compiled.\n\nThe label space is the same as that of ImageNet2012. Each example is represented\nas a dictionary with the following keys:\n\n- 'image': The image, a (H, W, 3)-tensor.\n- 'label': An integer in the range \\[0, 1000).\n- 'file_name': A unique sting identifying the example within the dataset.\n\n- **Homepage** :\n \u003chttps://github.com/modestyachts/ImageNetV2\u003e\n\n- **Source code** :\n [`tfds.datasets.imagenet_v2.Builder`](https://github.com/tensorflow/datasets/tree/master/tensorflow_datasets/datasets/imagenet_v2/imagenet_v2_dataset_builder.py)\n\n- **Versions**:\n\n - `1.0.0`: Initial version.\n - `2.0.0`: Files updated.\n - **`3.0.0`** (default): Fix file_name, from absolute path to path relative to data directory, ie: \"class_id/filename.jpg\".\n - `3.1.0`: New URLs for resources from Hugging Face.\n- **Auto-cached**\n ([documentation](https://www.tensorflow.org/datasets/performances#auto-caching)):\n No\n\n- **Splits**:\n\n| Split | Examples |\n|----------|----------|\n| `'test'` | 10,000 |\n\n- **Feature structure**:\n\n FeaturesDict({\n 'file_name': Text(shape=(), dtype=string),\n 'image': Image(shape=(None, None, 3), dtype=uint8),\n 'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),\n })\n\n- **Feature documentation**:\n\n| Feature | Class | Shape | Dtype | Description |\n|-----------|--------------|-----------------|--------|-------------|\n| | FeaturesDict | | | |\n| file_name | Text | | string | |\n| image | Image | (None, None, 3) | uint8 | |\n| label | ClassLabel | | int64 | |\n\n- **Supervised keys** (See\n [`as_supervised` doc](https://www.tensorflow.org/datasets/api_docs/python/tfds/load#args)):\n `('image', 'label')`\n\n- **Citation**:\n\n @inproceedings{recht2019imagenet,\n title={Do ImageNet Classifiers Generalize to ImageNet?},\n author={Recht, Benjamin and Roelofs, Rebecca and Schmidt, Ludwig and Shankar, Vaishaal},\n booktitle={International Conference on Machine Learning},\n pages={5389--5400},\n year={2019}\n }\n\nimagenet_v2/matched-frequency (default config)\n----------------------------------------------\n\n- **Download size** : `1.18 GiB`\n\n- **Dataset size** : `1.16 GiB`\n\n- **Figure**\n ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n\n- **Examples** ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples... \n\nimagenet_v2/threshold-0.7\n-------------------------\n\n- **Download size** : `1.16 GiB`\n\n- **Dataset size** : `1.15 GiB`\n\n- **Figure**\n ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n\n- **Examples** ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples... \n\nimagenet_v2/topimages\n---------------------\n\n- **Download size** : `1.16 GiB`\n\n- **Dataset size** : `1.14 GiB`\n\n- **Figure**\n ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n\n- **Examples** ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples..."]]
