ผ่าน

• คำอธิบาย :

PASS คือชุดข้อมูลภาพขนาดใหญ่ที่ไม่รวมถึงมนุษย์ ชิ้นส่วนของมนุษย์ หรือข้อมูลที่สามารถระบุตัวบุคคลอื่นๆ ได้ สามารถใช้สำหรับการฝึกอบรมล่วงหน้าแบบมีผู้ดูแลด้วยตนเองคุณภาพสูง ในขณะเดียวกันก็ช่วยลดความกังวลเรื่องความเป็นส่วนตัวได้อย่างมาก

PASS มีรูปภาพ 1,439,589 ภาพโดยไม่มีป้ายกำกับใดๆ ที่มาจาก YFCC-100M

รูปภาพทั้งหมดในชุดข้อมูลนี้ได้รับอนุญาตภายใต้ใบอนุญาต CC-BY เช่นเดียวกับชุดข้อมูลนั้นเอง สำหรับ YFCC-100M ดู http://www.multimediacommons.org/

• เอกสารประกอบเพิ่มเติม : สำรวจในเอกสารด้วยรหัส north_east

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

• ซอร์สโค้ด : tfds.datasets.pass.Builder

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 2.0.0 : v2: ลบรูปภาพ 472 รูปออกจาก v1 เนื่องจากมีมนุษย์อยู่ เพิ่มข้อมูลเมตาด้วย: วันที่ถ่ายและ GPS
  • 3.0.0 (ค่าเริ่มต้น): v3: ลบ 131 รูปภาพออกจาก v2 เนื่องจากมีรูปคน/รอยสัก

• ขนาดดาวน์โหลด : 167.30 GiB

• ขนาดชุดข้อมูล : 166.43 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

• โครงสร้างคุณสมบัติ :

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),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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"
}