geirhos_conflict_stimuli

• विवरण :

"इमेजनेट-प्रशिक्षित CNN बनावट के प्रति पक्षपाती हैं; आकार पूर्वाग्रह बढ़ाने से सटीकता और मजबूती में सुधार होता है।"

ध्यान दें कि, हालांकि डेटासेट स्रोत में आकार और बनावट से मेल खाने वाली छवियां होती हैं और हम उन्हें यहां शामिल करते हैं, मूल पेपर में अधिकांश मूल्यांकनों के लिए उन्हें अनदेखा कर दिया जाता है।

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

• स्रोत कोड : tfds.image_classification.GeirhosConflictStimuli

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): कोई रिलीज़ नोट नहीं।

• डाउनलोड आकार : 153.96 MiB

• डेटासेट का आकार : 130.44 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): केवल जब shuffle_files=False (परीक्षण)

• विभाजन :

• फ़ीचर संरचना :

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),
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजी ( as_supervised दस्तावेज़ देखें): ('image', 'shape_label')

• चित्र ( tfds.show_examples ):

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@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},
}