シススコア

  • 説明

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) は、オブジェクトのサイズ、位置、回転角度の変化に対する画像分類モデルの堅牢性を評価するためのデータセットです。

SI-SCORE では、オブジェクトと背景を取得し、オブジェクトのサイズ、位置、回転角度を体系的に変更することで、これらの要素の変更がモデルのパフォーマンスに及ぼす影響を研究できます。イメージ ラベル スペースは、モデルの評価を容易にする ImageNet ラベル スペース (1k クラス) です。

データセットの詳細については、 https://github.com/google-research/si-scoreをご覧ください。

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),
})
  • 機能ドキュメント:
特徴クラスDタイプ説明
特徴辞書
データセットラベルクラスラベルint64
画像画像(なし、なし、3) uint8
画像IDテンソルint64
ラベルクラスラベルint64
@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/rotation (デフォルト設定)

  • 構成の説明: 変動要因: 回転

  • ダウンロードサイズ: 1.40 GiB

  • データセットのサイズ: 1.40 GiB

  • 分割:

スプリット
'test' 39,540

視覚化

シススコア/サイズ

  • 構成の説明: 変動要因: サイズ

  • ダウンロードサイズ: 3.25 GiB

  • データセットのサイズ: 3.27 GiB

  • 分割:

スプリット
'test' 92,884

視覚化

シススコア/位置

  • 構成の説明: 変動要因: 場所

  • ダウンロードサイズ: 18.21 GiB

  • データセットのサイズ: 18.31 GiB

  • 分割:

スプリット
'test' 541,548

視覚化