siscore, siscore

Visualisation : Explorer dans Know Your Data
Descriptif :

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) est un ensemble de données permettant d'évaluer la robustesse des modèles de classification d'images aux changements de taille, d'emplacement et d'angle de rotation de l'objet.

Dans SI-SCORE, nous prenons des objets et des arrière-plans et varions systématiquement la taille, l'emplacement et l'angle de rotation des objets afin de pouvoir étudier l'effet de la modification de ces facteurs sur les performances du modèle. L'espace d'étiquettes d'image est l'espace d'étiquettes ImageNet (classes 1k) pour une évaluation facile des modèles.

Plus d'informations sur l'ensemble de données peuvent être trouvées sur https://github.com/google-research/si-score

Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : https://github.com/google-research/si-score
Code source : tfds.datasets.siscore.Builder
Versions :
- 1.0.0 (par défaut) : version initiale.
Mise en cache automatique ( documentation ): Non
Structure des fonctionnalités :

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),
})

Documentation des fonctionnalités :

Caractéristique	Classe	Façonner	Dtype
	FonctionnalitésDict
dataset_label	Étiquette de classe		int64
image	Image	(Aucun, Aucun, 3)	uint8
image_id	Tenseur		int64
étiquette	Étiquette de classe		int64

Clés supervisées (Voir as_supervised doc ): ('image', 'label')
Citation :

@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}
}