geirhos_conflict_stimuli

• Descripción:

Los estímulos de conflicto de forma / textura de "CNN entrenados en ImageNet están sesgados hacia la textura; el aumento del sesgo de forma mejora la precisión y la robustez".

Tenga en cuenta que, aunque la fuente del conjunto de datos contiene imágenes con forma y textura coincidentes y las incluimos aquí, se ignoran para la mayoría de las evaluaciones en el documento original.

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

• El código fuente: tfds.image_classification.GeirhosConflictStimuli

• versiones:

  • 1.0.0 (por defecto): No hay notas de la versión.

• Tamaño del paquete: 153.96 MiB

• Conjunto de datos de tamaño: 130.44 MiB

• Auto-caché ( documentación ): Sólo cuando shuffle_files=False (prueba)

• Fraccionamientos:

• características:

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

• Claves supervisadas (Ver as_supervised doc ): ('image', 'shape_label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita:

@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},
}