cifar10_h

  • 説明:

CIFAR-10 のテスト セットのラベルを変更したバージョンで、実際の人間のアノテーターによるソフトラベルが付けられています。元の CIFAR-10 テスト セット内のすべてのペア (画像、ラベル) に対して、平均的なソフト ラベルに加えて、実際の人間のアノテーターによって与えられたいくつかの追加ラベルが提供されます。トレーニング セットは元のデータセットと同一です。

スプリット例
'test' 10,000
'train' 50,000
  • 機能の構造:
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)),
})
  • 機能ドキュメント:
特徴クラス形Dタイプ説明
特徴辞書
annotator_idsシーケンス(スカラー) （なし、） int32
人間のラベルシーケンス(クラスラベル) （なし、） int64
ID文章弦
画像画像(32、32、3) uint8
ラベルクラスラベルint64
反応時間シーケンス(スカラー) （なし、） float32
ソフトラベルテンソル(10,) float32
トライアルインデックスシーケンス(スカラー) （なし、） int32

視覚化

  • 引用：
@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}
}