imagenet_v2

Opis :

ImageNet-v2 to zestaw testów ImageNet (10 na klasę) zebrany zgodnie z oryginalnym protokołem znakowania. Każdy obraz został oznaczony etykietą przez co najmniej 10 pracowników MTurk, a może nawet więcej, i w zależności od strategii zastosowanej przy wyborze obrazów, które mają zostać uwzględnione wśród 10 wybranych dla danej klasy, istnieją trzy różne wersje zbioru danych. Więcej szczegółów na temat sposobu kompilacji różnych wariantów można znaleźć w czwartej części artykułu.

Przestrzeń etykiet jest taka sama jak w ImageNet2012. Każdy przykład jest reprezentowany jako słownik z następującymi kluczami:

„obraz”: obraz, tensor (H, W, 3).
„etykieta”: liczba całkowita z zakresu [0, 1000).
„nazwa_pliku”: Unikalne żądło identyfikujące przykład w zestawie danych.
Strona główna : https://github.com/modestyachts/ImageNetV2
Kod źródłowy : tfds.datasets.imagenet_v2.Builder
Wersje :
- 1.0.0 : Wersja początkowa.
- 2.0.0 : Zaktualizowano pliki.
- 3.0.0 (domyślnie): Napraw nazwę_pliku, od ścieżki bezwzględnej do ścieżki względnej do katalogu danych, np.: „id_klasy/nazwa pliku.jpg”.
- 3.1.0 : Nowe adresy URL zasobów z Hugging Face.
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :

Podział	Przykłady
`'test'`	10 000

Struktura funkcji :

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

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDykt
Nazwa pliku	Tekst		strunowy
obraz	Obraz	(Brak, Brak, 3)	uint8
etykieta	Etykieta klasy		int64

Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')
Cytat :

@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}
}