siscore

شرح :

SI-Score (مداخلات مصنوعی در صحنه‌ها برای ارزیابی استحکام) مجموعه داده‌ای برای ارزیابی استحکام مدل‌های طبقه‌بندی تصویر به تغییرات در اندازه شی، مکان و زاویه چرخش است.

در SI-SCORE، اشیا و پس‌زمینه‌ها را می‌گیریم و به طور سیستماتیک اندازه، مکان و زاویه چرخش شی را تغییر می‌دهیم تا بتوانیم تأثیر تغییر این عوامل را بر عملکرد مدل مطالعه کنیم. فضای برچسب تصویر فضای برچسب ImageNet (کلاس 1k) برای ارزیابی آسان مدل ها است.

اطلاعات بیشتر در مورد مجموعه داده را می توانید در https://github.com/google-research/si-score پیدا کنید

اسناد اضافی : کاوش در کاغذها با کد
صفحه اصلی : https://github.com/google-research/si-score
کد منبع : tfds.datasets.siscore.Builder
نسخه ها :
- 1.0.0 (پیش فرض): انتشار اولیه.
ذخیره خودکار ( اسناد ): خیر
ساختار ویژگی :

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),
})

مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D
	FeaturesDict
مجموعه داده برچسب	ClassLabel		int64
تصویر	تصویر	(هیچ، هیچ، 3)	uint8
image_id	تانسور		int64
برچسب	ClassLabel		int64

کلیدهای نظارت شده (مشاهده as_supervised doc ): ('image', 'label')
نقل قول :

@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}
}