cifar10_h

• विवरण :

वास्तविक मानव एनोटेटर्स से आने वाले सॉफ्ट-लेबल के साथ CIFAR-10 के परीक्षण सेट का एक पुनः लेबल वाला संस्करण। मूल CIFAR-10 परीक्षण सेट में प्रत्येक जोड़ी (छवि, लेबल) के लिए, यह वास्तविक मानव एनोटेटर्स के साथ-साथ औसत सॉफ्ट-लेबल द्वारा दिए गए कई अतिरिक्त लेबल प्रदान करता है। प्रशिक्षण सेट मूल डेटासेट के समान है।

• मुखपृष्ठ : https://github.com/jcpeterson/cifar-10h

• स्रोत कोड : tfds.image_classification.cifar10_h.Cifar10H

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• डाउनलोड आकार : 172.92 MiB

• डेटासेट का आकार : 144.85 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'annotator_ids': Sequence(Scalar(shape=(), dtype=int32)),
    'human_labels': Sequence(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),
    'reaction_times': Sequence(Scalar(shape=(), dtype=float32)),
    'soft_label': Tensor(shape=(10,), dtype=float32),
    'trial_indices': Sequence(Scalar(shape=(), dtype=int32)),
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ):

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@inproceedings{wei2022learning,
  title={Human uncertainty makes classification more robust},
  author={Joshua C. Peterson and Ruairidh M. Battleday and Thomas L. Griffiths
  and Olga Russakovsky},
  booktitle={IEEE International Conference on Computer Vision and Pattern
  Recognition (CVPR)},
  year={2019}
}