stl10

Descriptif :

L'ensemble de données STL-10 est un ensemble de données de reconnaissance d'images pour le développement d'algorithmes d'apprentissage de caractéristiques non supervisé, d'apprentissage en profondeur et d'apprentissage autodidacte. Il est inspiré du jeu de données CIFAR-10 mais avec quelques modifications. En particulier, chaque classe a moins d'exemples de formation étiquetés que dans CIFAR-10, mais un très grand nombre d'exemples non étiquetés est fourni pour apprendre des modèles d'image avant la formation supervisée. Le principal défi consiste à utiliser les données non étiquetées (qui proviennent d'une distribution similaire mais différente des données étiquetées) pour construire un a priori utile. Toutes les images ont été acquises à partir d'exemples étiquetés sur ImageNet.

Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : http://ai.stanford.edu/~acoates/stl10/
Code source : tfds.datasets.stl10.Builder
Versions :
- 1.0.0 (par défaut) : aucune note de version.
Taille du téléchargement : 2.46 GiB
Taille du jeu de données : 1.86 GiB
Mise en cache automatique ( documentation ): Non
Fractionnements :

Diviser	Exemples
`'test'`	8 000
`'train'`	5 000
`'unlabelled'`	100 000

Structure des fonctionnalités :

FeaturesDict({
    'image': Image(shape=(96, 96, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

Documentation des fonctionnalités :

Caractéristique	Classer	Forme	Dtype
	FonctionnalitésDict
image	Image	(96, 96, 3)	uint8
étiquette	Étiquette de classe		int64

Clés supervisées (Voir as_supervised doc ): ('image', 'label')
Figure ( tfds.show_examples ):

Visualisation

Exemples ( tfds.as_dataframe ):

Citation :

@inproceedings{coates2011stl10,
  title={ {An Analysis of Single Layer Networks in Unsupervised Feature Learning} },
  author={Coates, Adam and Ng, Andrew and Lee, Honglak},
  booktitle={AISTATS},
  year={2011},
  note = {\url{https://cs.stanford.edu/~acoates/papers/coatesleeng_aistats_2011.pdf} },
}