podawać

• Wizualizacja : Eksploruj w regionie Poznaj swoje dane north_east

• 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 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 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 :

• 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"
}