geirhos_conflict_stimuli

• 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 :

• 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 ):