machine-learning - 为什么 imagenet 数据集标签存在差异？

Question

用于训练的标签和用于验证的标签是否相同？我认为它们应该是相同的；然而，网上提供的标签似乎存在差异。当我从官方网站下载其验证数据的 imagenet 2012 标签时，我得到的标签以 kit_fox 开头作为第一个标签，它与我从官方网站下载的 2012 年数据集验证图像完全匹配。这是标签的示例:https://gist.github.com/aaronpolhamus/964a4411c0906315deb9f4a3723aac57

但是，对于几乎所有预训练模型(包括 Google 训练的模型)来说，它们用于训练的 imagenet 标签实际上都是以 tench、tincatinca 开头。参见这里:https://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a

为什么会有这么大的差异？ “tincatinca”这种标签从何而来？

如果我们使用与实际验证图像相对应的第一个标签映射，我们将面临另一个问题:2个类(“Crane”和“maillot”)实际上是重复的，即它们具有相同的名称，但引用不同类型的起重机 - 机械起重机和动物起重机 - 导致 2 个类中产生 100 个图像，而不是假设的 50 个。如果我们不使用第一个映射，则与第二个标签映射相对应的验证图像的可靠来源在哪里？

Answer 1

我在微调时也遇到同样的问题。您可以解决问题，将类名称 tench,tincatinca 更改为 synset number。您可以找到here映射