rgeirhos/Stylized-ImageNet

Code to create Stylized-ImageNet, a stylized version of standard ImageNet (ICLR 2019 Oral)

What it solves

它解决了卷积神经网络（CNN）在识别对象时过度依赖局部纹理而非全局形状的问题。通过提供创建风格化 ImageNet 的方式，让研究人员能够训练出更偏向形状的模型，从而提升整体准确率与鲁棒性。

How it works

该项目使用 AdaIN（Adaptive Instance Normalization）风格迁移方法，将各种绘画的风格应用到标准 ImageNet 图像上。此过程会扭曲局部纹理，同时保持全局对象形状完整，迫使模型在训练时学习基于形状的特征。

Who it’s for

它面向从事计算机视觉的 AI 研究者和开发者，特别是研究模型泛化、鲁棒性以及深度学习模型中纹理与形状偏差的人员。

Highlights

  • 提供完整的流水线和脚本来生成 Stylized-ImageNet 数据集。
  • 包含 Docker 镜像，简化所需库的安装。
  • 可作为训练时标准 ImageNet 数据集的即插即用替代方案。
  • 基于 AdaIN 任意风格迁移方法。