Aprenda o que há de mais recente em aprendizado de máquina, IA generativa e muito mais no WiML Symposium 2023 Registre-se

Esta página foi traduzida pela API Cloud Translation.

siscore, siscore

Visualização : Explorar em Conheça seus dados
Descrição :

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) é um conjunto de dados para avaliar a robustez dos modelos de classificação de imagem para mudanças no tamanho do objeto, localização e ângulo de rotação.

No SI-SCORE, pegamos objetos e planos de fundo e variamos sistematicamente o tamanho, a localização e o ângulo de rotação do objeto para que possamos estudar o efeito da alteração desses fatores no desempenho do modelo. O espaço de rótulo da imagem é o espaço de rótulo do ImageNet (1k classes) para facilitar a avaliação dos modelos.

Mais informações sobre o conjunto de dados podem ser encontradas em https://github.com/google-research/si-score

Documentação Adicional : Explore em Papers With Code
Página inicial : https://github.com/google-research/si-score
Código -fonte: tfds.datasets.siscore.Builder
Versões :
- 1.0.0 (padrão): versão inicial.
Armazenado em cache automaticamente ( documentação ): Não
Estrutura de recursos :

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),
})

Documentação do recurso:

Funcionalidade	Aula	Forma	Tipo D
	RecursosDict
dataset_label	ClassLabel		int64
imagem	Imagem	(Nenhuma, Nenhuma, 3)	uint8
image_id	tensor		int64
rótulo	ClassLabel		int64

Chaves supervisionadas (Consulte as_supervised doc ): ('image', 'label')
Citação :

@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}
}