geirhos_conflict_stimuli

• opis :

Bodźce konfliktu kształtu / tekstury z „CNN przeszkolonych w ImageNet są ukierunkowane na teksturę; zwiększenie odchylenia kształtu poprawia dokładność i solidność”.

Należy zauważyć, że chociaż źródło zestawu danych zawiera obrazy o pasującym kształcie i teksturze i uwzględniamy je tutaj, są one ignorowane w przypadku większości ocen w oryginalnym artykule.

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

• Kod źródłowy : tfds.image_classification.GeirhosConflictStimuli

• Wersje :

  • 1.0.0 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 153.96 MiB

• Rozmiar zestawu danych : 130.44 MiB

• Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy shuffle_files=False (test)

• Podziały :

• Struktura funkcji :

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),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'shape_label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@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},
}