シススコア

説明：

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) は、オブジェクトのサイズ、位置、回転角度の変化に対する画像分類モデルの堅牢性を評価するためのデータセットです。

SI-SCORE では、オブジェクトと背景を取得し、オブジェクトのサイズ、位置、回転角度を体系的に変更することで、これらの要素の変更がモデルのパフォーマンスに及ぼす影響を研究できます。イメージラベルスペースは、モデルの評価を容易にする ImageNet ラベルスペース (1k クラス) です。

データセットの詳細については、 https://github.com/google-research/si-scoreをご覧ください。

追加ドキュメント:コード付きの論文について調べる
ホームページ: https://github.com/google-research/si-score
ソースコード: tfds.datasets.siscore.Builder
バージョン:
- 1.0.0 (デフォルト): 初期リリース。
自動キャッシュ(ドキュメント): いいえ
機能の構造:

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),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
データセットラベル	クラスラベル		int64
画像	画像	(なし、なし、3)	uint8
画像ID	テンソル		int64
ラベル	クラスラベル		int64

監視キー( as_supervised doc を参照): ('image', 'label')
引用：

@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}
}