passaggio

• Descrizione :

PASS è un set di dati di immagini su larga scala che non include esseri umani, parti umane o altre informazioni di identificazione personale. Può essere utilizzato per una formazione preliminare autosuperata di alta qualità, riducendo significativamente i problemi di privacy.

PASS contiene 1.439.589 immagini senza etichette provenienti da YFCC-100M.

Tutte le immagini in questo set di dati sono concesse in licenza CC-BY, così come il set di dati stesso. Per YFCC-100M vedere http://www.multimediacommons.org/

• Documentazione aggiuntiva : esplora documenti con codice

• Pagina iniziale : https://www.robots.ox.ac.uk/~vgg/data/pass/

• Codice sorgente : tfds.datasets.pass.Builder

• Versioni :

  • 1.0.0 : versione iniziale.
  • 2.0.0 : v2: rimosse 472 immagini dalla v1 poiché contenevano esseri umani. Aggiunti anche metadati: data di acquisizione e GPS.
  • 3.0.0 (impostazione predefinita): v3: rimosse 131 immagini dalla v2 poiché contenevano esseri umani/tatuaggi.

• Dimensione download : 167.30 GiB

• Dimensione del set di dati : 166.43 GiB

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

Diviso	Esempi
'train'	1.439.588

• Struttura delle caratteristiche :

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),
})

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
Immagine	Immagine	(Nessuno, Nessuno, 3)	uint8
immagine/nome_creatore	Testo		corda
immagine/data_scattata	Testo		corda
immagine/gps_lat	Tensore		float32
image/gps_lon	Tensore		float32
immagine/hash	Testo		corda

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

@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"
}