geirhos_conflict_stimuli

• 説明:

「ImageNet でトレーニングされた CNN はテクスチャに偏っています。形状バイアスを増やすと、精度と堅牢性が向上します。」

データセット ソースには形状とテクスチャが一致する画像が含まれており、ここに含めていますが、元の論文のほとんどの評価では無視されていることに注意してください。

• ホームページ: https://github.com/rgeirhos/texture-vs-shape

• ソース コード: tfds.image_classification.GeirhosConflictStimuli

• バージョン:

  • 1.0.0 (デフォルト): リリース ノートはありません。

• ダウンロードサイズ: 153.96 MiB

• データセットのサイズ: 130.44 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=Falseの場合のみ (テスト)

• スプリット:

スプリット	例
'test'	1,280

• 機能構造:

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),
})

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
ファイル名	文章		ストリング
画像	画像	(なし、なし、3)	uint8
shape_imagenet_labels	シーケンス(クラスラベル)	（なし、）	int64
shape_label	クラスラベル		int64
texture_imagenet_labels	シーケンス(クラスラベル)	（なし、）	int64
texture_label	クラスラベル		int64

• 監視キー( as_supervised docを参照): ('image', 'shape_label')

• 図( tfds.show_examples ):

• 例( tfds.as_dataframe ):

• 引用：

@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},
}