aprobar

• Visualización : Explore en Know Your Data north_east

• Descripción :

PASS es un conjunto de datos de imágenes a gran escala que no incluye seres humanos, partes humanas u otra información de identificación personal. Se puede utilizar para una formación previa autosupervisada de alta calidad al tiempo que reduce significativamente los problemas de privacidad.

PASS contiene 1 439 589 imágenes sin etiquetas provenientes de YFCC-100M.

Todas las imágenes de este conjunto de datos tienen licencia CC-BY, al igual que el propio conjunto de datos. Para YFCC-100M, consulte http://www.multimediacommons.org/

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://www.robots.ox.ac.uk/~vgg/data/pass/

• Código fuente : tfds.datasets.pass.Builder

• Versiones :

  • 1.0.0 : Versión inicial.
  • 2.0.0 : v2: Se eliminaron 472 imágenes de v1 porque contenían humanos. También se agregaron metadatos: datetaken y GPS.
  • 3.0.0 (predeterminado): v3: Se eliminaron 131 imágenes de v2 porque contenían humanos/tatuajes.

• Tamaño de descarga : 167.30 GiB

• Tamaño del conjunto de datos : 166.43 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Estructura de características :

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),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@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"
}