S2RDA

一个用于图像分类的新的大规模合成到真实基准，旨在促进从模拟到真实的转移研究。

原始信息汇总

合成数据集概述

数据集描述

本数据集用于论文《A New Benchmark: On the Utility of Synthetic Data with Blender for Bare Supervised Learning and Downstream Domain Adaptation》中，已被CVPR2023接受。

数据集下载

数据集可通过Google Drive或Baidu Netdisk获取。

数据准备

1. 现有数据集：包括ShapeNet, VisDA-2017, ImageNet, MetaShift, 和 ObjectNet。
2. 新数据集：
   • SynSL：包含1280万张10个类别的合成图像，用于监督学习。
   • SynSL-120K：包含12万张10个类别的合成图像（训练集），以及train+SubImageNet和三种测试数据（test_IID, test_IID_wo_BG, test_OOD）。
   • S2RDA：包含两个具有挑战性的迁移任务S2RDA-49和S2RDA-MS-39。

模型训练

1. 安装必要的Python包。
2. 替换run.sh中的数据路径。
3. 运行命令sh run.sh。

预训练模型

预训练的模型用于下游合成到真实分类适应任务，可从Google Drive或Baidu Netdisk获取。