passar

• Visualização : Explorar em Conheça seus dados

• Descrição :

PASS é um conjunto de dados de imagem em grande escala que não inclui nenhum ser humano, partes humanas ou outras informações de identificação pessoal. Ele pode ser usado para pré-treinamento auto-supervisionado de alta qualidade, reduzindo significativamente as preocupações com a privacidade.

PASS contém 1.439.589 imagens sem nenhum rótulo proveniente de YFCC-100M.

Todas as imagens neste conjunto de dados são licenciadas sob a licença CC-BY, assim como o próprio conjunto de dados. Para YFCC-100M, consulte http://www.multimediacommons.org/

• Documentação Adicional : Explore em Papers With Code

• Página inicial : https://www.robots.ox.ac.uk/~vgg/data/pass/

• Código -fonte: tfds.datasets.pass.Builder

• Versões :

  • 1.0.0 : versão inicial.
  • 2.0.0 : v2: Removidas 472 imagens da v1 porque continham seres humanos. Também foram adicionados metadados: dados coletados e GPS.
  • 3.0.0 (padrão): v3: Removidas 131 imagens da v2 porque continham humanos/tatuagens.

• Tamanho do download : 167.30 GiB

• Tamanho do conjunto de dados : 166.43 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	1.439.588

• Estrutura de recursos :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/creator_uname': Text(shape=(), dtype=string),
    'image/date_taken': Text(shape=(), dtype=string),
    'image/gps_lat': float32,
    'image/gps_lon': float32,
    'image/hash': Text(shape=(), dtype=string),
})

• Documentação do recurso:

Característica	Classe	Forma	Tipo D	Descrição
	RecursosDict
imagem	Imagem	(Nenhuma, Nenhuma, 3)	uint8
image/creator_uname	Texto		corda
imagem/data_tirada	Texto		corda
imagem/gps_lat	tensor		float32
image/gps_lon	tensor		float32
imagem/hash	Texto		corda

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ):

• Exemplos ( tfds.as_dataframe ):

• Citação :

@Article{asano21pass,
author = "Yuki M. Asano and Christian Rupprecht and Andrew Zisserman and Andrea Vedaldi",
title = "PASS: An ImageNet replacement for self-supervised pretraining without humans",
journal = "NeurIPS Track on Datasets and Benchmarks",
year = "2021"
}