sisco

Descripción :

SI-Score (Intervenciones sintéticas en escenas para la evaluación de la robustez) es un conjunto de datos para evaluar la solidez de los modelos de clasificación de imágenes ante cambios en el tamaño, la ubicación y el ángulo de rotación del objeto.

En SI-SCORE, tomamos objetos y fondos y variamos sistemáticamente el tamaño, la ubicación y el ángulo de rotación del objeto para que podamos estudiar el efecto del cambio de estos factores en el rendimiento del modelo. El espacio de etiquetas de imágenes es el espacio de etiquetas ImageNet (1k clases) para una fácil evaluación de los modelos.

Puede encontrar más información sobre el conjunto de datos en https://github.com/google-research/si-score

Documentación adicional : Explorar en artículos con código
Página de inicio : https://github.com/google-research/si-score
Código fuente : tfds.datasets.siscore.Builder
Versiones :
- 1.0.0 (predeterminado): versión inicial.
Almacenamiento en caché automático ( documentación ): No
Estructura de características :

FeaturesDict({
    'dataset_label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image_id': int64,
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1000),
})

Documentación de funciones :

Característica	Clase	Forma	tipo D
	FuncionesDict
etiqueta_conjunto_datos	Etiqueta de clase		int64
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
id_imagen	Tensor		int64
etiqueta	Etiqueta de clase		int64

Claves supervisadas (Ver documento as_supervised ): ('image', 'label')
Citación :

@misc{djolonga2020robustness,
      title={On Robustness and Transferability of Convolutional Neural Networks},
      author={Josip Djolonga and Jessica Yung and Michael Tschannen and Rob Romijnders and Lucas Beyer and Alexander Kolesnikov and Joan Puigcerver and Matthias Minderer and Alexander D'Amour and Dan Moldovan and Sylvain Gelly and Neil Houlsby and Xiaohua Zhai and Mario Lucic},
      year={2020},
      eprint={2007.08558},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}