tillspeicher/transforms_2d_base

Transforms-2D Base数据集包含用于Transforms-2D数据集的前景对象和背景图像，该数据集用于研究迁移学习中的不变性角色。数据集分为两个配置：`foregrounds`配置包含61类图像，每类有多个图像；`backgrounds`配置包含867张自然场景背景图像。这些图像通过精心控制的变换生成，用于研究不变性在迁移学习中的作用。

The Transforms-2D Base Dataset includes foreground objects and backgrounds, based on the SI-Score dataset and re-uploaded to HuggingFace for easier access. The dataset is divided into two configurations: foregrounds and backgrounds, stored in data/foregrounds/**/* and data/backgrounds/* paths respectively.

原始信息汇总

Transforms-2D Base Dataset

概述

• 用途: 该数据集包含前景对象和背景图像，用于Transforms-2D数据集，研究转移学习中不变性的作用。
• 来源: 基于SI-Score数据集，并重新上传至HF以方便访问。

配置

• foregrounds: 包含61个类别的前景图像，每个类别有多个图像。
• backgrounds: 包含867张自然场景的背景图像。

使用方法

python from datasets import load_dataset

data = load_dataset( "tillspeicher/transforms_2d_base", "foregrounds", # 或 "backgrounds" split="train", )

引用

• 论文: Understanding the Role of Invariance in Transfer Learning
• BibTeX: bibtex @article{ speicher2024understanding, title={Understanding the Role of Invariance in Transfer Learning}, author={Till Speicher and Vedant Nanda and Krishna P. Gummadi}, journal={Transactions on Machine Learning Research}, issn={2835-8856}, year={2024}, url={https://arxiv.org/abs/2407.04325}, }

归属

• 前景图像: 来自OpenImages，具有CC许可。图像归属信息可在OpenImages网站的Image IDs CSV中找到。
• 背景图像: 来自Pexels.com，具有Pexels许可。部分背景图像不具有Pexels许可，其归属信息列在samples_attributions.md文件中。