- Описание :
Стимулы конфликта формы / текстуры от «обученных ImageNet CNN смещены в сторону текстуры; увеличение смещения формы улучшает точность и надежность».
Обратите внимание, что, хотя источник набора данных содержит изображения с соответствующей формой и текстурой, и мы включаем их сюда, они игнорируются для большинства оценок в исходной статье.
Домашняя страница : https://github.com/rgeirhos/texture-vs-shape
Исходный код :
tfds.image_classification.GeirhosConflictStimuli
Версии :
-
1.0.0
(по умолчанию): без примечаний к выпуску.
-
Размер загрузки :
153.96 MiB
Размер набора данных :
130.44 MiB
Автоматическое кэширование ( документация ): только когда
shuffle_files=False
(тест)Сплит :
Трещина | Примеры |
---|---|
'test' | 1,280 |
- Особенности :
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),
})
Контролируемые ключи (см.
as_supervised
):('image', 'shape_label')
Цитата :
@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},
}
- Рисунок ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):