Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

siscore, siscore

Visualización : Explore en Know Your Data
Descripción :

SI-Score (Synthetic Interventions on Scenes for Robustness Evaluation) es un conjunto de datos para evaluar la solidez de los modelos de clasificación de imágenes frente a los cambios en el tamaño, la ubicación y el ángulo de rotación de los objetos.

En SI-SCORE, tomamos objetos y fondos y variamos sistemáticamente el tamaño, la ubicación y el ángulo de rotación del objeto para que podamos estudiar el efecto de cambiar estos factores en el rendimiento del modelo. El espacio de etiquetas de imagen es el espacio de etiquetas de ImageNet (clases de 1k) para facilitar la evaluación de los modelos.

Se puede encontrar más información sobre el conjunto de datos en https://github.com/google-research/si-score

Documentación adicional : Explore en Papers With Code
Página de inicio: https://github.com/google-research/si-score
Código fuente : tfds.datasets.siscore.Builder
Versiones :
- 1.0.0 (predeterminado): versión inicial.
Almacenamiento automático en caché ( documentación ): No
Estructura de características :

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),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
dataset_label	Etiqueta de clase		int64
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
id_imagen	Tensor		int64
etiqueta	Etiqueta de clase		int64

Claves supervisadas (Ver as_supervised ): ('image', 'label')
Cita :

@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}
}