geirhos_conflict_stimuli

• الوصف :

محفزات تعارض الشكل / الملمس من "شبكات CNN المدربة على ImageNet منحازة نحو النسيج ؛ زيادة التحيز في الشكل يحسن الدقة والمتانة."

لاحظ أنه على الرغم من أن مصدر مجموعة البيانات يحتوي على صور ذات شكل ونسيج متطابقين ونقوم بتضمينها هنا ، إلا أنه يتم تجاهلها في معظم التقييمات في الورقة الأصلية.

• الصفحة الرئيسية : https://github.com/rgeirhos/texture-vs-shape

• كود المصدر : tfds.image_classification.GeirhosConflictStimuli

• إصدارات :

  • 1.0.0 (افتراضي): لا توجد ملاحظات حول الإصدار.

• حجم التحميل : 153.96 MiB

• حجم مجموعة البيانات : 130.44 MiB

• التخزين المؤقت التلقائي ( التوثيق ): فقط عندما يكون shuffle_files=False (اختبار)

• الانقسامات :

• هيكل الميزة :

FeaturesDict({
    'file_name': Text(shape=(), dtype=string),
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'shape_imagenet_labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
    'shape_label': ClassLabel(shape=(), dtype=int64, num_classes=16),
    'texture_imagenet_labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
    'texture_label': ClassLabel(shape=(), dtype=int64, num_classes=16),
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('image', 'shape_label')

• الشكل ( tfds.show_examples ):

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@inproceedings{
  geirhos2018imagenettrained,
  title={ImageNet-trained {CNN}s are biased towards texture; increasing shape
         bias improves accuracy and robustness.},
  author={Robert Geirhos and Patricia Rubisch and Claudio Michaelis and
          Matthias Bethge and Felix A. Wichmann and Wieland Brendel},
  booktitle={International Conference on Learning Representations},
  year={2019},
  url={https://openreview.net/forum?id=Bygh9j09KX},
}