ซิฟาร์10_h

• คำอธิบาย :

ชุดการทดสอบของ CIFAR-10 ที่ได้รับการเปลี่ยนชื่อใหม่ โดยมีฉลากแบบอ่อนที่มาจากผู้อธิบายประกอบที่เป็นมนุษย์จริงๆ สำหรับทุกคู่ (รูปภาพ, ป้ายกำกับ) ในชุดการทดสอบ CIFAR-10 ดั้งเดิม จะมีป้ายกำกับเพิ่มเติมหลายฉลากที่มอบให้โดยผู้อธิบายประกอบที่เป็นมนุษย์จริง เช่นเดียวกับฉลากแบบอ่อนโดยเฉลี่ย ชุดการฝึกจะเหมือนกับชุดข้อมูลต้นฉบับชุดหนึ่ง

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

• ซอร์สโค้ด : tfds.image_classification.cifar10_h.Cifar10H

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดดาวน์โหลด : 172.92 MiB

• ขนาดชุดข้อมูล : 144.85 MiB

• แคชอัตโนมัติ ( เอกสาร ): ใช่

• แยก :

• โครงสร้างคุณสมบัติ :

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)),
})

• เอกสารคุณสมบัติ :

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}