एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

geirhos_conflict_stimuli

  • विवरण:

"इमेजनेट-प्रशिक्षित सीएनएन बनावट के प्रति पक्षपाती हैं; आकार के पूर्वाग्रह में वृद्धि सटीकता और मजबूती में सुधार करती है।"

ध्यान दें, हालांकि डेटासेट स्रोत में मिलान आकार और बनावट वाली छवियां होती हैं और हम उन्हें यहां शामिल करते हैं, मूल पेपर में अधिकांश मूल्यांकनों के लिए उन्हें अनदेखा कर दिया जाता है।

विभाजित करना उदाहरण
'test' 1,280
  • विशेषताएं:
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),
})

VISUALIZATION

  • प्रशस्ति पत्र:
@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},
}