geirhos_conflict_stimuli

  • תיאור:

גירויים להתנגשות צורה/מרקם מ- "CNN מאומני ImageNet מוטים כלפי מרקם; הגדלת הטיית הצורה משפרת את הדיוק ואת החוסן."

שים לב כי למרות שמקור הנתונים מכיל תמונות בעלות צורה ומרקם תואמים ואנו כוללות אותן כאן, הן מתעלמות מרוב ההערכות בעיתון המקורי.

לְפַצֵל דוגמאות
'test' 1,280
  • מאפיינים:
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),
})

רְאִיָה

  • ציטוט:
@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},
}