论文笔记DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations

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：

1. 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。
2. 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：

1. 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。
2. 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。
3. Consumer-to-shop pairs)：映射对（P