Publicly available repository 发布 Web-Based Images 数据集, 应用在 自监督学习、图像处理 领域

Publicly available repository 本次发布的数据集 Web-Based Images, 该数据集是从公开可用的网络爬虫数据仓库中精心挑选的一组网络图片，经过筛选以去除不安全内容和重复项。在用于自监督学习之前，这些图片经过了处理，去除了有害内容，保护了隐私，并确保了图片质量。该数据集规模达到了7.43亿张独特的图片，用于自监督学习的预训练任务。

查看Web-Based Images

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。