Wizualizacja : Eksploruj w regionie Poznaj swoje dane
opis :
PASS to wielkoskalowy zbiór danych obrazu, który nie zawiera żadnych ludzi, części ludzkich ani innych danych osobowych. Może być używany do samonadzorowanego szkolenia wstępnego o wysokiej jakości, przy jednoczesnym znacznym zmniejszeniu obaw o prywatność.
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 zestaw danych. YFCC-100M można znaleźć na stronie http://www.multimediacommons.org/
Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
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 zawierały one ludzi. Dodano także metadane: datetaken i GPS. -
3.0.0
(domyślnie): v3: Usunięto 131 obrazów z wersji 2, ponieważ zawierały ludzi/tatuaże.
-
Rozmiar pliku do pobrania :
167.30 GiB
Rozmiar zestawu danych :
166.43 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1 439 588 |
- 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 :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
obraz | Obraz | (Brak, Brak, 3) | uint8 | |
image/nazwa_twórcy | Tekst | strunowy | ||
zdjęcie/data_wykonania | Tekst | strunowy | ||
obraz/łac.gps | Napinacz | pływak32 | ||
image/gps_lon | Napinacz | pływak32 | ||
obraz/hasz | Tekst | strunowy |
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"
}