проходить

• Описание :

PASS — это крупномасштабный набор данных изображений, который не включает в себя людей, части тела или другую личную информацию. Его можно использовать для высококачественного предварительного обучения с самоконтролем, значительно снижая при этом проблемы конфиденциальности.

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

Все изображения в этом наборе данных, как и сам набор данных, лицензированы по лицензии CC-BY. Информацию о YFCC-100M см. на http://www.multimediacommons.org/.

• Дополнительная документация : Изучите статьи с кодом north_east

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

• Исходный код : tfds.datasets.pass.Builder

• Версии :

  • 1.0.0 : Начальная версия.
  • 2.0.0 : v2: Удалены 472 изображения из v1, так как на них были люди. Также добавлены метаданные: дата и GPS.
  • 3.0.0 (по умолчанию): v3: из версии 2 удалено 131 изображение, поскольку они содержали людей/татуировки.

• Размер загрузки : 167.30 GiB

• Размер набора данных : 166.43 GiB

• Автокэширование ( документация ): Нет

• Расколы :

• 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),
})

• Функциональная документация :

• Контролируемые ключи (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"
}