cifar10_n

• คำอธิบาย :

CIFAR-10 เวอร์ชันที่ติดฉลากใหม่พร้อมข้อผิดพลาดในการอธิบายประกอบโดยมนุษย์จริง สำหรับทุกคู่ (ภาพ, ป้ายกำกับ) ในชุดรถไฟ CIFAR-10 ดั้งเดิม จะมีป้ายกำกับเพิ่มเติมหลายรายการที่ได้รับจากผู้ทำหมายเหตุประกอบจริง

• หน้าแรก : https://ucsc-real.soe.ucsc.edu:1995/Home.html/

• รหัสที่มา : tfds.image_classification.cifar10_n.Cifar10N

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 1.0.1 : แก้ไขการพิมพ์ผิดในคีย์ worse_label
  • 1.0.2 : แก้ไขความสอดคล้องระหว่างคำอธิบายประกอบและรูปภาพ
  • 1.0.3 : แก้ไขไฟล์ใน MANUAL_DIR
  • 1.0.4 (ค่าเริ่มต้น): แก้ไขการโหลดข้อมูลด้านข้าง

• ขนาดการดาวน์โหลด : 162.17 MiB

• ขนาดชุดข้อมูล : 147.91 MiB

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  ดาวน์โหลด 'side_info_cifar10N.csv', 'CIFAR-10_human_ordered.npy' และ 'image_order_c10.npy' จาก https://github.com/UCSC-REAL/cifar-10-100n

จากนั้นแปลง 'CIFAR-10_human_ordered.npy' เป็นไฟล์ CSV 'CIFAR-10_human_annotations.csv' สามารถทำได้ด้วยรหัสต่อไปนี้:

import numpy as np
from tensorflow_datasets.core.utils.lazy_imports_utils import pandas as pd
from tensorflow_datasets.core.utils.lazy_imports_utils import tensorflow as tf

human_labels_np_path = '<local_path>/CIFAR-10_human_ordered.npy'
human_labels_csv_path = '<local_path>/CIFAR-10_human_annotations.csv'

with tf.io.gfile.GFile(human_labels_np_path, "rb") as f:
  human_annotations = np.load(f, allow_pickle=True)

df = pd.DataFrame(human_annotations[()])

with tf.io.gfile.GFile(human_labels_csv_path, "w") as f:
  df.to_csv(f, index=False)

• แคชอัตโนมัติ ( เอกสาร ): ใช่

• แยก :

• โครงสร้างคุณลักษณะ :

FeaturesDict({
    'aggre_label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label1': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label2': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label3': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'worker1_id': int64,
    'worker1_time': float32,
    'worker2_id': int64,
    'worker2_time': float32,
    'worker3_id': int64,
    'worker3_time': float32,
    'worse_label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@inproceedings{wei2022learning,
  title={Learning with Noisy Labels Revisited: A Study Using Real-World Human
  Annotations},
  author={Jiaheng Wei and Zhaowei Zhu and Hao Cheng and Tongliang Liu and Gang
  Niu and Yang Liu},
  booktitle={International Conference on Learning Representations},
  year={2022},
  url={https://openreview.net/forum?id=TBWA6PLJZQm}
}