NTU 课程笔记 CE7454作业（1）：DeepFashion属性预测挑战【介绍篇】

1 重要日期

 2 任务介绍

        这个小挑战的目标是识别时尚照片中描述的属性标签。我们的数据集有6000张图像，其中5000张用于训练，1000张用于验证。测试集将在网上进行最终评估。

        数据集使用了26个属性标签，它们是服装的常见描述。这些属性被分为6个主要类别。每一张图片都有6个属性，每个类别都有一个。

        您的算法需要预测给定图像具有哪些属性。因此，这是一个多标签分类问题。

        我们还为训练、验证和测试集中的每件衣服提供真实标志和边界框。您可以(但不是必须)在算法中使用这些标签。

 3 测评标准

项目一的评分标准如下:

        我们将根据测试集中所有属性的平均准确性来评估和排名每个提交的解决方案的性能。预测准确性越高的人得分越高。总体方案如下。

3.1 准确度（占比30%）

 3.2 优化和正则化（占比20%）

        您应该描述为优化和正则化神经网络所采取的步骤，例如调整学习率、权重衰减系数、额外的正则化技术，等等。您应该记录它们对性能的影响。

        作为建议，您可以考虑采用以下技术来提高准确性。

〇数据增强，如随机翻转[1]

〇“resnet - 50[2]”等深度网络

〇其他的损失函数，如focal loss[3]