- 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.
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:
Separar | Ejemplos de |
---|---|
'test' | 1.280 |
- 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},
}