Visualizzazione : Esplora in Conosci i tuoi dati
Descrizione :
SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) è un set di dati per valutare la robustezza dei modelli di classificazione delle immagini rispetto ai cambiamenti nelle dimensioni, nella posizione e nell'angolo di rotazione degli oggetti.
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 etichetta immagine è lo spazio etichetta ImageNet (classi 1k) per una facile valutazione dei modelli.
Ulteriori informazioni sul set di dati sono disponibili su https://github.com/google-research/si-score
Documentazione aggiuntiva : Esplora documenti con codice
Pagina iniziale : https://github.com/google-research/si-score
Codice sorgente :
tfds.datasets.siscore.Builder
Versioni :
-
1.0.0
(impostazione predefinita): versione iniziale.
-
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 | Descrizione |
---|---|---|---|---|
CaratteristicheDict | ||||
etichetta_set di dati | ClassLabel | int64 | ||
Immagine | Immagine | (Nessuno, Nessuno, 3) | uint8 | |
immagine_id | Tensore | int64 | ||
etichetta | ClassLabel | int64 |
Chiavi supervisionate (vedi
as_supervised
doc ):('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}
}
siscore/rotazione (configurazione predefinita)
Descrizione configurazione : fattore di variazione: rotazione
Dimensione del download :
1.40 GiB
Dimensione del set di dati :
1.40 GiB
Divisioni :
Diviso | Esempi |
---|---|
'test' | 39.540 |
- Figura ( tfds.show_examples ):
- Esempi ( tfds.as_dataframe ):
punteggio/dimensione
Descrizione della configurazione : fattore di variazione: dimensione
Dimensione del download :
3.25 GiB
Dimensione del set di dati:
3.27 GiB
Divisioni :
Diviso | Esempi |
---|---|
'test' | 92.884 |
- Figura ( tfds.show_examples ):
- Esempi ( tfds.as_dataframe ):
punteggio/posizione
Descrizione della configurazione : fattore di variazione: posizione
Dimensioni del download :
18.21 GiB
Dimensione del set di dati:
18.31 GiB
Divisioni :
Diviso | Esempi |
---|---|
'test' | 541.548 |
- Figura ( tfds.show_examples ):
- Esempi ( tfds.as_dataframe ):