ImageNet-9

displayName: ImageNet-9
license:
- Unknown
paperUrl: https://openreview.net/pdf?id=gl3D-xY7wLq
publishDate: "2020"
publishUrl: https://github.com/MadryLab/backgrounds_challenge
publisher:
- Massachusetts Institute of Technology
tags:
- Image background

---
# 数据集介绍
## 简介
深度计算机视觉模型依赖于前景对象和图像背景。即使存在正确的前景对象，当图像背景发生变化时，此类模型也经常会做出不正确的预测，并且它们特别容易受到不利选择的背景的影响。例如，官方的预先训练的PyTorch ResNet-50在ImageNet-9上针对对抗性背景进行评估时具有22% 的准确性 (作为参考，始终预测 “狗” 的模型具有11% 的准确性)。

## Download dataset
:modelscope-code[]{type="git"}

displayName: ImageNet-9
许可证：未知
论文链接：https://openreview.net/pdf?id=gl3D-xY7wLq
发布日期："2020"
发布地址：https://github.com/MadryLab/backgrounds_challenge
发布方：麻省理工学院（Massachusetts Institute of Technology）
标签：图像背景

---
# 数据集介绍
## 简介
深度计算机视觉模型高度依赖前景物体与图像背景。即便图像中前景物体准确无误，一旦背景发生变化，这类模型往往会做出错误预测，且极易受到对抗性背景的干扰。例如，官方预训练的PyTorch ResNet-50在ImageNet-9上以对抗性背景进行评估时，准确率仅为22%（作为参照，始终预测"狗"类别的模型准确率为11%）。

## 数据集下载：通过 Git 方式获取

搜集汇总

背景与挑战

背景概述

ImageNet-9是由麻省理工学院发布的图像数据集，专注于研究深度视觉模型对图像背景的依赖性，特别展示了模型在对抗性背景下的性能下降问题。