geirhos_conflict_stimuli

• คำอธิบาย :

สิ่งเร้าความขัดแย้งของรูปร่าง/พื้นผิวจาก "ซีเอ็นเอ็นที่ได้รับการฝึกฝนโดย ImageNet มีความเอนเอียงไปทางพื้นผิว การเพิ่มอคติของรูปร่างช่วยเพิ่มความแม่นยำและความทนทาน"

โปรดทราบว่าแม้ว่าแหล่งข้อมูลชุดข้อมูลจะมีรูปภาพที่มีรูปร่างและพื้นผิวตรงกัน และเรารวมไว้ที่นี่ แต่จะถูกละเว้นสำหรับการประเมินส่วนใหญ่ในเอกสารต้นฉบับ

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

• รหัสที่มา : tfds.image_classification.GeirhosConflictStimuli

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): ไม่มีบันทึกประจำรุ่น

• ขนาดการดาวน์โหลด : 153.96 MiB

• ขนาดชุดข้อมูล : 130.44 MiB

• แคชอัตโนมัติ ( เอกสาร ): เฉพาะเมื่อ shuffle_files=False (ทดสอบ)

• แยก :

• โครงสร้างคุณลักษณะ :

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),
})

• เอกสารคุณสมบัติ :

• คีย์ควบคุม (ดู as_supervised doc ): ('image', 'shape_label')

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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},
}