香港大学 发布 Semantic Shift Benchmark (SSB) 数据集, 应用在 机器学习、语义偏移 领域

香港大学 本次发布的数据集 Semantic Shift Benchmark (SSB), Semantic Shift Benchmark (SSB) 是一个新提出的大规模数据集，旨在评估机器学习模型在语义偏移下的表现。该数据集利用了ImageNet-1K作为‘已见’封闭集数据，并从ImageNet-21KP中精心挑选了‘未见’数据。SSB的创建过程涉及对语义偏移的细致分析和数据选择，主要应用于检测和识别开放集中的未知类别，以提高模型的泛化能力和鲁棒性。

查看Semantic Shift Benchmark (SSB)

README 内容： 

关于 香港大学 , 香港大学是一所位于中国香港特别行政区的公立研究型大学，成立于1911年，是香港历史最悠久的高等教育机构之一，以其在医学、商学、法学、政治学等领域的教学和研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。