CVPR 2016: DeepFashion: Pwoering Robust Clothes Recognition and Retrieval with Rich Annotations (健壮有效的有大量标签的服装识别与检索)
Abstract:
- 提出一个大规模的数据集,超过80000张图片,被大量标记的。服装类型的模型评测数据集。而且图片拍摄于于多个场景(店拍、街拍、消费者自拍)/多种姿势
- 提出一个FashionNet的模型,通过预测服装特性和标志来学习衣服的特征。
1. Background
1.1 服装识别算法要解决的三个问题:
- 服装在款式、纹理和裁剪上有很多的变型,让已有的系统难以解决预测问题。
- 服装的很容易就变型或者叠合在一起。
- 服装图片在不同的环境下会有很多大的变化,比如线上的图片和自拍相比。
1.2 数据集
别人的数据集各种不足:
- 仅仅含有后者的某一些部分,而本数据集deepFashion都包含了(服装的语义特征、服装的位置、不同场景下的服装相关性)
- 给更多标志/特征部分的位置
于是提出了更大数据集,更多的标注。。。。还小心的确定了为三大任务提供评判数据集和验证协议
DeepFashion数据集描述
- 两倍于前人数据集大小,shop/consumer images
- 丰富标记的服装类项,50类,1000个描述特性和标志
- 包含着30000张多姿势/多源(shop/consumer)的图片对。
数据集的产生方式
- 来源于网上的电商网站,