geirhos_conflict_stimuli

  • 説明

「ImageNetでトレーニングされたCNNはテクスチャに偏っています。形状の偏りを増やすと、精度と堅牢性が向上します。」からの形状/テクスチャの競合刺激。

データセットソースには、形状とテクスチャが一致する画像が含まれているため、ここに含めますが、元の論文のほとんどの評価では無視されていることに注意してください。

スプリット
'test' 1,280
  • 特長
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),
})

視覚化

  • 引用
@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},
}