robustness

收录理由

做过图像分类模型上线的人都知道，干净验证集上的准确率往往报喜不报忧——真实场景里的模糊、噪点、天气变化都可能让模型的自信崩塌。这个仓库来自 Dan Hendrycks 和 Thomas Dietterich 的 ICLR 2019 论文，把衡量这种脆弱性的标准工具摆在了你面前：ImageNet-C、ImageNet-P 以及对应的 CIFAR 版本，还附带了运行这些评测所需的代码和评分规则。它不只看模型在干净图片上的表现，而是用 15 种常见的损坏和扰动来考验模型，连时间维度上的稳定性也不放过，最后给出可复现的平均损坏误差或平均翻转率，方便横向比较。仓库里维护的排行榜展示了当前最先进方法实际能带来的提升，你完全可以把自家模型和这些已发表的基线放在同一把尺子下量一量，不用再靠猜。