CVPR 2016： DeepFashion: (健壮有效的有大量标签的服装识别与检索)

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：

1. 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
2. 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：

1. 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。
2. 服装的很容易就变型或者叠合在一起。
3. 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

1. 别人的数据集各种不足：

   1. 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）
   2. 给更多标志/特征部分的位置

2. 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

3. DeepFashion数据集描述

   1. 两倍于前人数据集大小，shop/consumer images
   2. 丰富标记的服装类项，50类，1000个描述特性和标志
   3. 包含着30000张多姿势/多源（shop/consumer）的图片对。

4. 数据集的产生方式

   1. 来源于网上的电商网站，