przechodzić

• Opis :

PASS to wielkoskalowy zbiór danych obrazu, który nie zawiera żadnych ludzi, części ludzkich ani innych informacji umożliwiających identyfikację. Można go używać do wysokiej jakości samonadzorowanego szkolenia wstępnego, znacznie zmniejszając obawy dotyczące prywatności.

PASS zawiera 1 439 589 obrazów bez żadnych etykiet pochodzących z YFCC-100M.

Wszystkie obrazy w tym zbiorze danych są objęte licencją CC-BY, podobnie jak sam zbiór danych. Informacje na temat YFCC-100M można znaleźć na stronie http://www.multimediacommons.org/

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://www.robots.ox.ac.uk/~vgg/data/pass/

• Kod źródłowy : tfds.datasets.pass.Builder

• Wersje :

  • 1.0.0 : Pierwsza wersja.
  • 2.0.0 : v2: Usunięto 472 obrazy z wersji 1, ponieważ przedstawiały ludzi. Dodano także metadane: datetake i GPS.
  • 3.0.0 (domyślnie): v3: Usunięto 131 obrazów z wersji 2, ponieważ zawierały ludzi/tatuaże.

• Rozmiar pobierania : 167.30 GiB

• Rozmiar zbioru danych : 166.43 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/creator_uname': Text(shape=(), dtype=string),
    'image/date_taken': Text(shape=(), dtype=string),
    'image/gps_lat': float32,
    'image/gps_lon': float32,
    'image/hash': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@Article{asano21pass,
author = "Yuki M. Asano and Christian Rupprecht and Andrew Zisserman and Andrea Vedaldi",
title = "PASS: An ImageNet replacement for self-supervised pretraining without humans",
journal = "NeurIPS Track on Datasets and Benchmarks",
year = "2021"
}