#229 · 主分类： 计算机视觉
Stylized-ImageNet
computer-vision
deep-learning
human-vision
shape-bias
style-transfer
texture-bias
代码用于创建Stylized-ImageNet，即标准ImageNet的风格化版本（ICLR 2019 Oral）
项目最后更新：07/21/26
GitHub Stars
529
Forks数量
65
贡献者数量
2
许可证
MIT
收录理由
这个仓库是计算机视觉领域一项广为人知研究的核心实现：它揭示出在ImageNet上训练的卷积神经网络，其判断更多依赖纹理而非形状，而引导模型关注形状后，准确性和鲁棒性都会提升。如果你正在训练视觉模型，又想知道模型是真正理解了物体的几何结构，还是仅仅在匹配局部纹理模式，这里的代码提供了一条直接的验证途径。它通过将绘画风格迁移到ImageNet图像上生成Stylized-ImageNet数据集，在严重扭曲局部纹理的同时大体保留物体的整体形状，这样你就可以把网络放到这个风格化数据集上测试，看它还能不能认出目标物体。使用前需要自己准备ImageNet图像和painter-by-numbers风格图片集，因此更适合已经具备这些资源的研究者或工程师。若想走一条更轻便的路线，README里还指向了bethgelab的model-vs-human工具箱，那里面打包了风格化数据、人类对比数据，以及开箱即用的PyTorch/TensorFlow评估代码。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。