cifar10_h

• Açıklama :

CIFAR-10'un test setinin gerçek insan açıklamacılardan gelen yumuşak etiketlerle yeniden etiketlenmiş bir versiyonu. Orijinal CIFAR-10 test setindeki her çift (görüntü, etiket) için, ortalama yumuşak etiketin yanı sıra gerçek insan açıklamacılar tarafından verilen birkaç ek etiket sağlar. Eğitim seti orijinal veri seti ile aynıdır.

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

• Kaynak kodu : tfds.image_classification.cifar10_h.Cifar10H

• Sürümler :

  • 1.0.0 (varsayılan): İlk sürüm.

• İndirme boyutu : 172.92 MiB

• Veri kümesi boyutu : 144.85 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Evet

• Bölünmeler :

• Özellik yapısı :

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)),
})

• Özellik belgeleri :

• Denetlenen anahtarlar ( as_supervised belgesine bakın): None

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

• Alıntı :

@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}
}