siscore, siscore

Wizualizacja : Eksploruj w regionie Poznaj swoje dane
opis :

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

W SI-SCORE bierzemy obiekty i tła i systematycznie zmieniamy rozmiar, położenie i kąt obrotu obiektów, aby móc zbadać wpływ zmiany tych czynników na wydajność modelu. Przestrzeń etykiet obrazu to przestrzeń etykiet ImageNet (klasy 1k) do łatwej oceny modeli.

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

Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Strona główna : https://github.com/google-research/si-score
Kod źródłowy : tfds.datasets.siscore.Builder
Wersje :
- 1.0.0 (domyślnie): Wersja początkowa.
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	Kształtować się	Typ D
	FunkcjeDict
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}
}