ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

ผ่าน

PASS เป็นชุดข้อมูลรูปภาพขนาดใหญ่ที่ไม่รวมถึงมนุษย์ ชิ้นส่วนของมนุษย์ หรือข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้อื่นๆ สามารถใช้สำหรับการฝึกเตรียมการด้วยตนเองคุณภาพสูงพร้อมทั้งลดความกังวลเรื่องความเป็นส่วนตัวลงอย่างมาก

PASS มีรูปภาพ 1,439,719 รูปโดยไม่มีป้ายกำกับที่มาจาก YFCC-100M

รูปภาพทั้งหมดในชุดข้อมูลนี้ได้รับอนุญาตภายใต้ใบอนุญาต CC-BY เช่นเดียวกับชุดข้อมูล สำหรับ YFCC-100M ดู http://www.multimediacommons.org/

  • โฮมเพจ: https://www.robots.ox.ac.uk/~vgg/research/pass/

  • รหัสที่มา: tfds.image.pass_dataset.PASS

  • รุ่น:

    • 1.0.0 : เริ่มต้นปล่อย
    • 2.0.0 (เริ่มต้น): v2: ถูกลบออก 472 ภาพจาก v1 ขณะที่พวกเขามีมนุษย์ เพิ่มข้อมูลเมตา: datetaken และ GPS
  • ขนาดการดาวน์โหลด: 167.32 GiB

  • ขนาดชุด: 166.44 GiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 1,439,719
  • คุณสมบัติ:
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'image/creator_uname': Text(shape=(), dtype=tf.string),
    'image/date_taken': Text(shape=(), dtype=tf.string),
    'image/gps_lat': tf.float32,
    'image/gps_lon': tf.float32,
    'image/hash': Text(shape=(), dtype=tf.string),
})

การสร้างภาพ

  • อ้างอิง:
@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"
}