geirhos_conflict_stimuli

  • Mô tả :

Các kích thích xung đột về hình dạng/kết cấu từ "Các CNN được ImageNet đào tạo thiên về kết cấu; việc tăng xu hướng hình dạng sẽ cải thiện độ chính xác và mạnh mẽ."

Lưu ý rằng, mặc dù nguồn tập dữ liệu chứa hình ảnh có hình dạng và kết cấu phù hợp và chúng tôi đưa chúng vào đây, chúng bị bỏ qua đối với hầu hết các đánh giá trong bài báo gốc.

Tách ra ví dụ
'test' 1.280
  • Cấu trúc tính năng :
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),
})
  • Tài liệu tính năng :
Tính năng Lớp Hình dạng Dtype Sự mô tả
Tính năngDict
tên_tệp Chữ sợi dây
hình ảnh Hình ảnh (Không, Không có, 3) uint8
shape_imagenet_labels Trình tự (Nhãn lớp) (Không có,) int64
shape_label LớpNhãn int64
texture_imagenet_labels Trình tự (Nhãn lớp) (Không có,) int64
kết cấu_nhãn LớpNhãn int64

Hình dung

  • trích dẫn :
@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},
}