시스코어 시스코어

시각화 : Know Your Data에서 탐색
설명 :

SI-Score(Synthetic Interventions on Scenes for Robustness Evaluation)는 객체 크기, 위치 및 회전 각도의 변화에 대한 이미지 분류 모델의 견고성을 평가하기 위한 데이터 세트입니다.

SI-SCORE에서는 물체와 배경을 취하고 물체 크기, 위치 및 회전 각도를 체계적으로 변경하여 이러한 요소가 모델 성능에 미치는 영향을 연구할 수 있습니다. 이미지 레이블 공간은 모델을 쉽게 평가할 수 있는 ImageNet 레이블 공간(1k 클래스)입니다.

데이터 세트에 대한 자세한 내용은 https://github.com/google-research/si-score 에서 확인할 수 있습니다.

추가 문서 : 코드가 있는 논문에서 탐색
홈페이지 : https://github.com/google-research/si-score
소스 코드 : tfds.datasets.siscore.Builder
버전 :
- 1.0.0 (기본값): 최초 릴리스.
자동 캐시 ( 문서 ): 아니요
기능 구조 :

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),
})

기능 문서 :

특징	수업	모양	D타입
	풍모Dict
dataset_label	클래스 레이블		int64
영상	영상	(없음, 없음, 3)	uint8
image_id	텐서		int64
상표	클래스 레이블		int64

감독 키 ( as_supervised 문서 참조): ('image', 'label')
인용 :

@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}
}