- توضیحات :
محرکهای تضاد شکل/بافت از «سیانانهای آموزشدیدهشده توسط ImageNet به سمت بافت سوگیری دارند؛ افزایش سوگیری شکل، دقت و استحکام را بهبود میبخشد».
توجه داشته باشید که، اگرچه منبع داده شامل تصاویری با شکل و بافت منطبق است و ما آنها را در اینجا قرار می دهیم، اما برای اکثر ارزیابی ها در مقاله اصلی نادیده گرفته می شوند.
صفحه اصلی : https://github.com/rgeirhos/texture-vs-shape
نسخه ها :
-
1.0.0
(پیش فرض): بدون یادداشت انتشار.
-
حجم دانلود :
153.96 MiB
حجم مجموعه داده :
130.44 MiB
ذخیره خودکار ( مستندات ): فقط زمانی که
shuffle_files=False
(تست)تقسیم ها :
شکاف | مثال ها |
---|---|
'test' | 1280 |
- ساختار ویژگی :
FeaturesDict({
'file_name': Text(shape=(), dtype=string),
'image': Image(shape=(None, None, 3), dtype=uint8),
'shape_imagenet_labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
'shape_label': ClassLabel(shape=(), dtype=int64, num_classes=16),
'texture_imagenet_labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=1000)),
'texture_label': ClassLabel(shape=(), dtype=int64, num_classes=16),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
نام فایل | متن | رشته | ||
تصویر | تصویر | (هیچ، هیچ، 3) | uint8 | |
shape_imagenet_labels | دنباله (ClassLabel) | (هیچ یک،) | int64 | |
شکل_برچسب | ClassLabel | int64 | ||
texture_imagenet_labels | دنباله (ClassLabel) | (هیچ یک،) | int64 | |
بافت_برچسب | ClassLabel | int64 |
کلیدهای نظارت شده (به
as_supervised
نظارت شده مراجعه کنید):('image', 'shape_label')
شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):
- نقل قول :
@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},
}