cifar10_h

• توضیحات :

یک نسخه برچسب‌گذاری‌شده مجدد از مجموعه آزمایشی CIFAR-10 با برچسب‌های نرم که از حاشیه‌نویس‌های واقعی انسان تهیه شده است. برای هر جفت (تصویر، برچسب) در مجموعه آزمایشی اصلی CIFAR-10، چندین برچسب اضافی ارائه شده توسط حاشیه نویسان واقعی انسان و همچنین برچسب نرم متوسط ​​ارائه می کند. مجموعه آموزشی با مجموعه داده اصلی یکسان است.

• صفحه اصلی : https://github.com/jcpeterson/cifar-10h

• کد منبع : tfds.image_classification.cifar10_h.Cifar10H

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• حجم دانلود : 172.92 MiB

• حجم مجموعه داده : 144.85 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'test'	10000
'train'	50000

• ساختار ویژگی :

FeaturesDict({
    'annotator_ids': Sequence(Scalar(shape=(), dtype=int32)),
    'human_labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=10)),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'reaction_times': Sequence(Scalar(shape=(), dtype=float32)),
    'soft_label': Tensor(shape=(10,), dtype=float32),
    'trial_indices': Sequence(Scalar(shape=(), dtype=int32)),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
annotator_ids	دنباله (اسکالر)	(هیچ یک،)	int32
برچسب های انسانی	دنباله (ClassLabel)	(هیچ یک،)	int64
شناسه	متن		رشته
تصویر	تصویر	(32، 32، 3)	uint8
برچسب	ClassLabel		int64
واکنش_زمان ها	دنباله (اسکالر)	(هیچ یک،)	float32
soft_label	تانسور	(10،)	float32
شاخص های آزمایشی	دنباله (اسکالر)	(هیچ یک،)	int32

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@inproceedings{wei2022learning,
  title={Human uncertainty makes classification more robust},
  author={Joshua C. Peterson and Ruairidh M. Battleday and Thomas L. Griffiths
  and Olga Russakovsky},
  booktitle={IEEE International Conference on Computer Vision and Pattern
  Recognition (CVPR)},
  year={2019}
}