- توضیحات :
مجموعه داده STL-10 یک مجموعه داده شناسایی تصویر برای توسعه الگوریتم های یادگیری ویژگی بدون نظارت ، یادگیری عمیق ، یادگیری خودآموز است. این از مجموعه داده CIFAR-10 الهام گرفته است اما با برخی تغییرات. به طور خاص ، هر کلاس دارای نمونه های آموزشی دارای برچسب کمتری نسبت به CIFAR-10 است ، اما مجموعه بسیار بزرگی از نمونه های بدون برچسب برای یادگیری مدل های تصویر قبل از آموزش تحت نظارت ارائه شده است. چالش اصلی استفاده از داده های بدون برچسب (که از توزیع مشابه اما متفاوتی از داده های دارای برچسب ناشی می شود) برای ایجاد یک پیشینه مفید است. همه تصاویر از نمونه های برچسب خورده در ImageNet بدست آمده اند.
صفحه اصلی : http://ai.stanford.edu/~acoates/stl10/
کد منبع :
tfds.image_classification.Stl10
نسخه ها :
-
1.0.0
(پیش فرض): بدون یادداشت انتشار.
-
اندازه بارگیری :
2.46 GiB
اندازه مجموعه داده :
1.86 GiB
ذخیره خودکار ( مستندات ): خیر
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 8000 |
'train' | 5000 |
'unlabelled' | 100000 |
- ویژگی ها :
FeaturesDict({
'image': Image(shape=(96, 96, 3), dtype=tf.uint8),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
کلیدهای تحت نظارت (به
as_supervised
سند نظارت شده مراجعه کنید):('image', 'label')
نقل قول :
@inproceedings{coates2011stl10,
title={ {An Analysis of Single Layer Networks in Unsupervised Feature Learning} },
author={Coates, Adam and Ng, Andrew and Lee, Honglak},
booktitle={AISTATS},
year={2011},
note = {\url{https://cs.stanford.edu/~acoates/papers/coatesleeng_aistats_2011.pdf} },
}
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):