geirhos_conflict_stimuli

• Mô tả :

Các kích thích xung đột về hình dạng/kết cấu từ "Các CNN được ImageNet đào tạo thiên về kết cấu; việc tăng xu hướng hình dạng sẽ cải thiện độ chính xác và mạnh mẽ."

Lưu ý rằng, mặc dù nguồn tập dữ liệu chứa hình ảnh có hình dạng và kết cấu phù hợp và chúng tôi đưa chúng vào đây, chúng bị bỏ qua đối với hầu hết các đánh giá trong bài báo gốc.

• Trang chủ : https://github.com/rgeirhos/texture-vs-shape

• Mã nguồn : tfds.image_classification.GeirhosConflictStimuli

• Phiên bản :

  • 1.0.0 (mặc định): Không có ghi chú phát hành.

• Kích thước tải xuống : 153.96 MiB

• Kích thước tập dữ liệu : 130.44 MiB

• Tự động lưu vào bộ nhớ cache ( tài liệu ): Chỉ khi shuffle_files=False (kiểm tra)

• Chia tách :

Tách ra	ví dụ
'test'	1.280

• Cấu trúc tính năng :

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),
})

• Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Dtype	Sự mô tả
	Tính năngDict
tên_tệp	Chữ		sợi dây
hình ảnh	Hình ảnh	(Không, Không có, 3)	uint8
shape_imagenet_labels	Trình tự (Nhãn lớp)	(Không có,)	int64
shape_label	LớpNhãn		int64
texture_imagenet_labels	Trình tự (Nhãn lớp)	(Không có,)	int64
kết cấu_nhãn	LớpNhãn		int64

• Các khóa được giám sát (Xem as_supervised doc ): ('image', 'shape_label')

• Hình ( tfds.show_examples ):

• Ví dụ ( tfds.as_dataframe ):

• trích dẫn :

@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},
}