Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

geirhos_conflict_stimuli

  • Deskripsi :

Rangsangan konflik bentuk / tekstur dari "CNN yang dilatih ImageNet bias terhadap tekstur; meningkatkan bias bentuk meningkatkan akurasi dan ketahanan."

Perhatikan bahwa, meskipun sumber kumpulan data berisi gambar dengan bentuk dan tekstur yang cocok dan kami menyertakannya di sini, gambar tersebut diabaikan untuk sebagian besar evaluasi di makalah asli.

Membagi Contoh
'test' 1.280
  • Fitur :
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),
})
@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},
}

Visualisasi