Tiny ImageNet异常样本数据

本数据集基于TinyImageNet图像识别任务，采用随机像素扰动、颜色通道干扰、部分图像遮挡、随机裁剪与缩放等异常样本生成策略，构造异常数据集。数据目录下包含100000条异常样本数据，每条数据对应原始图像和异常样本图像，总计100000×2=200000条数据。所有图像均以JPEG格式存储，并使用索引编号及[clean,noisy]进行数据类型区分（如class_1_clean.jpg、class_1_noisy.jpg）。本项目具备规模化异常样本生成与检测能力，针对鲁棒性量化评估指标制定，实验设计涵盖异常样本分布分析（KL散度）、欧几里得距离、分类准确率变化（RA）、异常检测率（DR）4种模型鲁棒性评估指标。

搜集汇总

背景与挑战

背景概述

该数据集基于TinyImageNet任务，通过多种扰动策略生成了10万条异常样本数据，包含原始与异常图像共20万条，用于模型鲁棒性的量化评估。评估指标涵盖异常样本分布分析、欧几里得距离、分类准确率变化及异常检测率。