проходят

• Визуализация : Исследуйте в Know Your Data

• Описание :

PASS — это крупномасштабный набор данных изображений, который не включает людей, человеческие части или другую информацию, позволяющую установить личность. Его можно использовать для высококачественного предварительного обучения с самостоятельным наблюдением, при этом значительно снижая уровень конфиденциальности.

PASS содержит 1 439 589 изображений без каких-либо меток, полученных из YFCC-100M.

Все изображения в этом наборе данных находятся под лицензией CC-BY, как и сам набор данных. Для YFCC-100M см. http://www.multimediacommons.org/

• Дополнительная документация : изучить документы с кодом

• Домашняя страница : https://www.robots.ox.ac.uk/~vgg/data/pass/

• Исходный код : tfds.datasets.pass.Builder

• Версии :

  • 1.0.0 : Первоначальный выпуск.
  • 2.0.0 : v2: удалено 472 изображения из v1, так как они содержали людей. Также добавлены метаданные: datetaken и GPS.
  • 3.0.0 (по умолчанию): v3: удалено 131 изображение из v2, так как они содержали людей/татуировки.

• Размер загрузки : 167.30 GiB

• Размер набора данных : 166.43 GiB

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	1 439 588

• Структура функции :

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),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
изображение	Изображение	(Нет, Нет, 3)	uint8
image/creator_uname	Текст		нить
изображение/date_taken	Текст		нить
изображение/gps_lat	Тензор		поплавок32
изображение/gps_lon	Тензор		поплавок32
изображение/хэш	Текст		нить

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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"
}