لدي سؤال؟ تواصل مع المجتمع في منتدى زيارة منتدى TensorFlow

geirhos_conflict_stimuli

  • الوصف :

محفزات تعارض الشكل / الملمس من "شبكات CNN المدربة على ImageNet منحازة نحو الملمس ؛ زيادة التحيز في الشكل يحسن الدقة والمتانة."

لاحظ أنه على الرغم من أن مصدر مجموعة البيانات يحتوي على صور ذات شكل ونسيج متطابقين ونقوم بتضمينها هنا ، إلا أنه يتم تجاهلها في معظم التقييمات في الورقة الأصلية.

انشق، مزق أمثلة
'test' 1،280
  • الميزات :
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),
})

التصور

  • الاقتباس :
@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},
}