シススコア,シスコア

ビジュアライゼーション: Know Your Data で探索する
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ロバスト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化させて、これらの要因の変更がモデルのパフォーマンスに与える影響を調査できるようにします。イメージラベルスペースは、モデルの評価を容易にするための 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。

追加のドキュメント:コードを使用したペーパーの探索
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),
})

機能のドキュメント:

特徴	クラス	形	Dtype
	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
image_id	テンソル		int64
ラベル	クラスラベル		int64

監視されたキー( 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}
}