geirhos_conflict_stimuli

• বর্ণনা :

আকৃতি/টেক্সচারের দ্বন্দ্বের উদ্দীপনা "ইমেজনেট-প্রশিক্ষিত সিএনএনগুলি টেক্সচারের প্রতি পক্ষপাতদুষ্ট; আকারের পক্ষপাত বৃদ্ধি সঠিকতা এবং দৃঢ়তা উন্নত করে।"

মনে রাখবেন, যদিও ডেটাসেট উৎসে আকৃতি এবং টেক্সচারের সাথে মিলে যাওয়া ছবি রয়েছে এবং আমরা সেগুলিকে এখানে অন্তর্ভুক্ত করি, তবে মূল কাগজে বেশিরভাগ মূল্যায়নের জন্য সেগুলি উপেক্ষা করা হয়।

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

• সোর্স কোড : tfds.image_classification.GeirhosConflictStimuli

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): কোনো রিলিজ নোট নেই।

• ডাউনলোড সাইজ : 153.96 MiB

• ডেটাসেটের আকার : 130.44 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): শুধুমাত্র যখন shuffle_files=False (পরীক্ষা)

• বিভাজন :

• বৈশিষ্ট্য গঠন :

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),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধান করা কী ( as_supervised ডক হিসেবে ): ('image', 'shape_label')

• চিত্র ( tfds.show_examples ):

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@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},
}