ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

stl10

  • รายละเอียด:

ชุดข้อมูล STL-10 เป็นชุดข้อมูลการรู้จำรูปภาพสำหรับการพัฒนาการเรียนรู้คุณลักษณะที่ไม่มีผู้ดูแล การเรียนรู้เชิงลึก อัลกอริธึมการเรียนรู้ด้วยตนเอง ได้รับแรงบันดาลใจจากชุดข้อมูล CIFAR-10 แต่มีการปรับเปลี่ยนบางอย่าง โดยเฉพาะอย่างยิ่ง แต่ละชั้นเรียนมีตัวอย่างการฝึกอบรมที่มีป้ายกำกับน้อยกว่าใน CIFAR-10 แต่มีตัวอย่างที่ไม่มีป้ายกำกับจำนวนมากเพื่อเรียนรู้แบบจำลองภาพก่อนการฝึกอบรมภายใต้การดูแล ความท้าทายหลักคือการใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับ (ซึ่งมาจากการแจกแจงที่คล้ายคลึงกัน แต่แตกต่างจากข้อมูลที่ติดป้ายกำกับ) เพื่อสร้างประโยชน์ก่อน รูปภาพทั้งหมดได้มาจากตัวอย่างที่มีป้ายกำกับบน ImageNet

แยก ตัวอย่าง
'test' 8,000
'train' 5,000
'unlabelled' 100,000
  • คุณสมบัติ:
FeaturesDict({
    'image': Image(shape=(96, 96, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})

การสร้างภาพ

  • อ้างอิง:
@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} },
}