sicore

Opis :

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) to zbiór danych służący do oceny odporności modeli klasyfikacji obrazów na zmiany wielkości obiektu, lokalizacji i kąta obrotu.

W SI-SCORE bierzemy obiekty i tła oraz systematycznie zmieniamy rozmiar, położenie i kąt obrotu obiektu, dzięki czemu możemy badać wpływ zmiany tych czynników na wydajność modelu. Przestrzeń etykiet obrazu to przestrzeń etykiet ImageNet (1 tys. klas) ułatwiająca ocenę modeli.

Więcej informacji na temat zbioru danych można znaleźć na stronie https://github.com/google-research/si-score

Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem
Strona główna : https://github.com/google-research/si-score
Kod źródłowy : tfds.datasets.siscore.Builder
Wersje :
- 1.0.0 (domyślnie): Wersja pierwsza.
Automatyczne buforowanie ( dokumentacja ): Nie
Struktura funkcji :

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),
})

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDykt
etykieta_zestawu danych	Etykieta klasy		int64
obraz	Obraz	(Brak, Brak, 3)	uint8
identyfikator_obrazu	Napinacz		int64
etykieta	Etykieta klasy		int64

Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')
Cytat :

@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}
}