DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations
服装识别,检索的难点:
1.变形,遮挡,缩放,视角的变化对检索效果有很大的影响。
2.样式纹理的多样性。
3.背景不纯,复杂。
创新点:
- 创建了一个服装数据集DeepFashion,包含80万张服装图像,有类别,属性,特征点以及服饰框的标注。
- 提出一个深度学习模型FashionNet,结合服饰属性和特征点进行服饰的特征提取,可以较好的应对服饰的变形遮挡等问题。
DeepFashion数据集:
标注:
- Massive attributes:50个类别,1000个属性,其中属性分成5个组,分别为质地、织物、形状、零件和样式(texture, fabric, shape, part, and style),属性包含服装商品识别必须的信息。
- Landmarks: 关键点位置能够有效处理形变和姿态变化,比如对于上衣,有六个关键点,分别在领子左右,袖子左右,下摆左右。
- Consumer-to-shop pairs):映射对(P