patch_camelyon

  • شرح :

معیار PatchCamelyon یک مجموعه داده طبقه بندی تصویر جدید و چالش برانگیز است. این شامل 327.680 تصویر رنگی (96 x 96 پیکسل) است که از اسکن‌های هیستوپاتولوژیک بخش‌های غدد لنفاوی استخراج شده است. هر تصویر با یک برچسب دودویی نشان‌دهنده وجود بافت متاستاتیک است. PCam معیار جدیدی برای مدل‌های یادگیری ماشین ارائه می‌کند: بزرگ‌تر از CIFAR10، کوچک‌تر از Imagenet، قابل آموزش روی یک GPU.

شکاف مثال ها
'test' 32768
'train' 262,144
'validation' 32768
  • ساختار ویژگی :
FeaturesDict({
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(96, 96, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
شناسه متن رشته
تصویر تصویر (96، 96، 3) uint8
برچسب ClassLabel int64

تجسم

  • نقل قول :
@misc{b_s_veeling_j_linmans_j_winkens_t_cohen_2018_2546921,
  author       = {B. S. Veeling, J. Linmans, J. Winkens, T. Cohen, M. Welling},
  title        = {Rotation Equivariant CNNs for Digital Pathology},
  month        = sep,
  year         = 2018,
  doi          = {10.1007/978-3-030-00934-2_24},
  url          = {https://doi.org/10.1007/978-3-030-00934-2_24}
}