시스코어

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 객체와 배경을 가져와 객체 크기, 위치 및 회전 각도를 체계적으로 변경하여 이러한 요소 변경이 모델 성능에 미치는 영향을 연구할 수 있습니다. 이미지 레이블 공간은 모델을 쉽게 평가하기 위한 ImageNet 레이블 공간(1k 클래스)입니다.

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

추가 문서 : 코드 가 포함된 논문 탐색
홈페이지 : https://github.com/google-research/si-score
소스 코드 : tfds.datasets.siscore.Builder
버전 :
- 1.0.0 (기본값): 최초 릴리스입니다.
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	Dtype
	특징Dict
데이터 세트_라벨	클래스 라벨		정수64
영상	영상	(없음, 없음, 3)	uint8
이미지_ID	텐서		정수64
상표	클래스 라벨		정수64

감독되는 키 ( as_supervised doc 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}
}