geirhos_conflict_stimuli

• Descripción :

Los estímulos de conflicto de forma/textura de "las CNN entrenadas en ImageNet están sesgadas hacia la textura; aumentar el sesgo de forma mejora la precisión y la robustez".

Tenga en cuenta que, aunque la fuente del conjunto de datos contiene imágenes con forma y textura coincidentes y las incluimos aquí, se ignoran para la mayoría de las evaluaciones en el documento original.

• Página de inicio: https://github.com/rgeirhos/texture-vs-shape

• Código fuente : tfds.image_classification.GeirhosConflictStimuli

• Versiones :

  • 1.0.0 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 153.96 MiB

• Tamaño del conjunto de datos : 130.44 MiB

• Almacenamiento automático en caché ( documentación ): solo cuando shuffle_files=False (prueba)

• Divisiones :

Separar	Ejemplos
'test'	1,280

• Estructura de características :

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),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
Nombre del archivo	Texto		cuerda
imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
etiquetas_de_imagen_de_forma	Secuencia (Etiqueta de clase)	(Ninguna,)	int64
etiqueta_forma	Etiqueta de clase		int64
textura_imagen_etiquetas	Secuencia (Etiqueta de clase)	(Ninguna,)	int64
textura_etiqueta	Etiqueta de clase		int64

• Claves supervisadas (ver as_supervised doc ): ('image', 'shape_label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@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},
}