. 2021 Dec 14;21(13):6. doi: 10.1167/jov.21.13.6

Table 2.

Error rates for different OSCAR v2 datasets and all model architectures.

	OS-MNIST
	Variant	B	B-F	B-K	B-D	BT	BL	BLT	GLM
Mono	Centered	$. 432 \pm . 002$	$. 355 \pm . 001$	$. 305 \pm . 001$	$. 160 \pm . 001$	$. 199 \pm . 001$	$. 180 \pm . 001$	$. 173 \pm . 001$	$. 500 \pm . 000$
	Random	$. 513 \pm . 002$	$. 446 \pm . 002$	$. 429 \pm . 001$	$. 338 \pm . 001$	$. 315 \pm . 002$	$. 252 \pm . 000$	$. 245 \pm . 002$	$. 891 \pm . 000$
Stereo	Centered	$. 209 \pm . 001$	$. 165 \pm . 000$	$. 139 \pm . 001$	$. 087 \pm . 000$	$. 102 \pm . 001$	$. 086 \pm . 000$	$. 085 \pm . 001$	$. 325 \pm . 000$
	Random	$. 284 \pm . 001$	$. 237 \pm . 001$	$. 223 \pm . 001$	$. 192 \pm . 000$	$. 175 \pm . 000$	$. 137 \pm . 000$	$. 138 \pm . 000$	$. 887 \pm . 000$
	OS-fMNIST
	Variant	B	B-F	B-K	B-D	BT	BL	BLT	GLM

Mono	Centered	$. 424 \pm . 001$	$. 351 \pm . 001$	$. 292 \pm . 001$	$. 214 \pm . 000$	$. 250 \pm . 000$	$. 242 \pm . 001$	$. 234 \pm . 000$	$. 407 \pm . 000$
	Random	$. 617 \pm . 001$	$. 537 \pm . 001$	$. 514 \pm . 002$	$. 408 \pm . 000$	$. 412 \pm . 001$	$. 362 \pm . 001$	$. 352 \pm . 002$	$. 895 \pm . 000$
Stereo	Centered	$. 260 \pm . 001$	$. 225 \pm . 000$	$. 209 \pm . 001$	$. 177 \pm . 000$	$. 203 \pm . 001$	$. 190 \pm . 000$	$. 195 \pm . 000$	$. 303 \pm . 000$
	Random	$. 363 \pm . 001$	$. 318 \pm . 001$	$. 322 \pm . 000$	$. 299 \pm . 001$	$. 295 \pm . 001$	$. 257 \pm . 001$	$. 261 \pm . 001$	$. 884 \pm . 000$
	OS-YCB
	Variant	B	B-F	B-K	B-D	BT	BL	BLT	GLM

Mono	All	$. 376 \pm . 002$	$. 259 \pm . 001$	$. 284 \pm . 001$	$. 199 \pm . 001$	$. 252 \pm . 001$	$. 224 \pm . 001$	$. 212 \pm . 000$	$. 250 \pm . 000$
Stereo	All	$. 166 \pm . 001$	$. 092 \pm . 001$	$. 105 \pm . 001$	$. 064 \pm . 000$	$. 090 \pm . 001$	$. 071 \pm . 001$	$. 069 \pm . 000$	$. 091 \pm . 000$

Standard error based on five independent training runs. Training occurred for 100 epochs, batchsize 500. Best two performances per dataset are highlighted in bold.