Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

imagenet_v2

Visualización : Explore en Know Your Data
Descripción :

ImageNet-v2 es un conjunto de pruebas de ImageNet (10 por clase) recopilado siguiendo de cerca el protocolo de etiquetado original. Cada imagen ha sido etiquetada por al menos 10 trabajadores de MTurk, posiblemente más, y dependiendo de la estrategia utilizada para seleccionar qué imágenes incluir entre las 10 elegidas para la clase dada, hay tres versiones diferentes del conjunto de datos. Consulte la sección cuatro del documento para obtener más detalles sobre cómo se compilaron las diferentes variantes.

El espacio de la etiqueta es el mismo que el de ImageNet2012. Cada ejemplo se representa como un diccionario con las siguientes claves:

'imagen': La imagen, un tensor (H, W, 3).
'etiqueta': un número entero en el rango [0, 1000).
'file_name': una picadura única que identifica el ejemplo dentro del conjunto de datos.
Página de inicio : https://github.com/modestyachts/ImageNetV2
Código fuente : tfds.datasets.imagenet_v2.Builder
Versiones :
- 1.0.0 : Versión inicial.
- 2.0.0 : Archivos actualizados.
- 3.0.0 (predeterminado): Corrija el nombre del archivo, desde la ruta absoluta a la ruta relativa al directorio de datos, es decir: "class_id/filename.jpg".
- 3.1.0 : Nuevas URL para recursos de Hugging Face.
Almacenamiento automático en caché ( documentación ): No
Divisiones :

Dividir	Ejemplos
`'test'`	10,000

Estructura de características :

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

Documentación de características :

Característica	Clase	Forma	Tipo D
	CaracterísticasDict
Nombre del archivo	Texto		cadena
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
etiqueta	Etiqueta de clase		int64

Claves supervisadas (Ver como_documento as_supervised ): ('image', 'label')
Cita :

@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}
}