skor tinggi

Keterangan :

SI-Score (Intervensi Sintetis pada Adegan untuk Evaluasi Kekokohan) adalah kumpulan data untuk mengevaluasi ketahanan model klasifikasi gambar terhadap perubahan ukuran objek, lokasi, dan sudut rotasi.

Dalam SI-SCORE, kami mengambil objek dan latar belakang serta secara sistematis memvariasikan ukuran objek, lokasi, dan sudut rotasi sehingga kami dapat mempelajari pengaruh perubahan faktor-faktor ini terhadap performa model. Ruang label gambar adalah ruang label ImageNet (1k kelas) untuk memudahkan evaluasi model.

Informasi lebih lanjut tentang kumpulan data dapat ditemukan di https://github.com/google-research/si-score

Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode
Beranda : https://github.com/google-research/si-score
Kode sumber : tfds.datasets.siscore.Builder
Versi :
- 1.0.0 (default): Rilis awal.
Cache otomatis ( dokumentasi ): Tidak
Struktur fitur :

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),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D
	FiturDict
kumpulan data_label	Label Kelas		int64
gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
gambar_id	Tensor		int64
label	Label Kelas		int64

Kunci yang diawasi (Lihat dokumen as_supervised ): ('image', 'label')
Kutipan :

@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}
}