cifar10_h

• Описание :

Обновленная версия тестового набора CIFAR-10 с программными метками, созданными реальными аннотаторами. Для каждой пары (изображение, метка) в исходном тестовом наборе CIFAR-10 он предоставляет несколько дополнительных меток, заданных реальными аннотаторами, а также среднюю мягкую метку. Обучающий набор идентичен набору исходного набора данных.

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

• Исходный код : tfds.image_classification.cifar10_h.Cifar10H .

• Версии :

  • 1.0.0 (по умолчанию): первоначальный выпуск.

• Размер загрузки : 172.92 MiB

• Размер набора данных : 144.85 MiB

• Автокэширование ( документация ): Да

• Расколы :

• Структура функции :

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)),
})

• Функциональная документация :

• Контролируемые ключи (см. документ as_supervised ): None

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}