سيفار

• الوصف :

نسخة معاد تسميتها من مجموعة اختبار CIFAR-10 مع ملصقات إلكترونية قادمة من مشروحين بشريين حقيقيين. لكل زوج (صورة، ملصق) في مجموعة اختبار CIFAR-10 الأصلية، فإنه يوفر العديد من التسميات الإضافية التي يقدمها المفسرون البشريون الحقيقيون بالإضافة إلى التسمية الناعمة المتوسطة. مجموعة التدريب مطابقة لمجموعة البيانات الأصلية.

• الصفحة الرئيسية : https://github.com/jcpeterson/cifar-10h

• كود المصدر : tfds.image_classification.cifar10_h.Cifar10H

• الإصدارات :

  • 1.0.0 (افتراضي): الإصدار الأولي.

• حجم التحميل : 172.92 MiB

• حجم مجموعة البيانات : 144.85 MiB

• التخزين المؤقت التلقائي ( الوثائق ): نعم

• الإنشقاقات :

• هيكل الميزة :

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)),
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (راجع as_supervised doc ): None

• الشكل ( tfds.show_examples ):

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@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}
}