rgeirhos/Stylized-ImageNet

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

What it solves

它解決了卷積神經網路（CNN）在辨識物體時過度依賴局部紋理而非全局形狀的問題。透過提供建立風格化 ImageNet 的方式，讓研究人員能訓練出更偏向形狀的模型，進而提升整體準確度與魯棒性。

How it works

此專案使用 AdaIN（Adaptive Instance Normalization）風格轉移方法，將各種繪畫的風格套用到標準 ImageNet 圖片上。此過程會扭曲局部紋理，同時保留全局物體形狀，使模型在訓練時被迫學習基於形狀的特徵。

Who it’s for

此工具設計給從事電腦視覺的 AI 研究者與開發者，特別是研究模型泛化、魯棒性以及深度學習模型中紋理與形狀偏差的使用者。

Highlights

  • 提供完整的管線與腳本以產生 Stylized-ImageNet 資料集。
  • 包含 Docker 映像檔，簡化所需函式庫的安裝。
  • 可作為標準 ImageNet 資料集的即插即用替代方案於訓練時使用。
  • 基於 AdaIN 任意風格轉移方法。