DELAUNAY：一个用于心理物理学与机器学习研究的抽象艺术数据集
机器学习
2022-01-31 v1 计算机视觉与模式识别
神经元与认知
摘要
图像数据集常用于心理物理学实验和机器学习研究中。大多数公开可用数据集由真实自然物体图像组成。然而，尽管典型的机器学习模型缺乏关于自然物体的任何领域特定知识，人类却可利用先验经验处理此类数据，这使得人工与自然学习之间的比较具有挑战性。在此，我们介绍DELAUNAY，一个由艺术家姓名标注的抽象绘画与非具象艺术对象的数据集。该数据集提供了自然图像与人工图案之间的中间地带，因此可用于多种情境，例如研究人类与人工神经网络的样本效率。最后，我们在DELAUNAY上训练了一个现成的卷积神经网络，凸显了其若干引人关注的特性。
引用
@article{arxiv.2201.12123,
title = {DELAUNAY: a dataset of abstract art for psychophysical and machine learning research},
author = {Camille Gontier and Jakob Jordan and Mihai A. Petrovici},
journal= {arXiv preprint arXiv:2201.12123},
year = {2022}
}