cifar10_h

• Deskripsi :

Versi uji CIFAR-10 yang diberi label ulang dengan label lunak yang berasal dari anotator manusia sungguhan. Untuk setiap pasangan (gambar, label) dalam set pengujian CIFAR-10 asli, ini menyediakan beberapa label tambahan yang diberikan oleh anotator manusia asli serta rata-rata label lunak. Set pelatihan identik dengan set data asli.

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

• Kode sumber : tfds.image_classification.cifar10_h.Cifar10H

• Versi :

  • 1.0.0 (default): Rilis awal.

• Ukuran unduhan : 172.92 MiB

• Ukuran kumpulan data : 144.85 MiB

• Cache otomatis ( dokumentasi ): Ya

• Perpecahan :

• Struktur fitur :

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)),
})

• Dokumentasi fitur :

• Kunci yang diawasi (Lihat dokumen as_supervised ): None

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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}
}