siscore

Descrizione :

SI-Score (Interventi sintetici sulle scene per la valutazione della robustezza) è un set di dati per valutare la robustezza dei modelli di classificazione delle immagini ai cambiamenti nella dimensione dell'oggetto, nella posizione e nell'angolo di rotazione.

In SI-SCORE, prendiamo oggetti e sfondi e variamo sistematicamente le dimensioni, la posizione e l'angolo di rotazione degli oggetti in modo da poter studiare l'effetto del cambiamento di questi fattori sulle prestazioni del modello. Lo spazio dell'etichetta dell'immagine è lo spazio dell'etichetta ImageNet (classi 1k) per una facile valutazione dei modelli.

Maggiori informazioni sul set di dati sono disponibili su https://github.com/google-research/si-score

Documentazione aggiuntiva : esplora documenti con codice
Home page : https://github.com/google-research/si-score
Codice sorgente : tfds.datasets.siscore.Builder
Versioni :
- 1.0.0 (impostazione predefinita): versione iniziale.
Memorizzazione nella cache automatica ( documentazione ): No
Struttura delle caratteristiche :

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),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
etichetta_set di dati	ClassLabel		int64
Immagine	Immagine	(Nessuno, Nessuno, 3)	uint8
id_immagine	Tensore		int64
etichetta	ClassLabel		int64

Chiavi supervisionate (vedi il documento as_supervised ): ('image', 'label')
Citazione :

@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}
}