DeepFashion2 数据集

论文标题：DeepFashion2: A Versatile Benchmark for Detection, Pose Estimation, Segmentation and Re-Identification of Clothing Images

数据集链接：https://github.com/switchablenorms/DeepFashion2

简单介绍：https://www.jiqizhixin.com/articles/2019-02-04-2

数据集下载解压

解压需要密码，不过申请非常简单，官方回复超级快，并且不用学校邮箱。

train/val/test子集里面的图片名都是唯一的六位数的数字，如000001.jpg。在 annos 中提供了相应的json格式的标注文件，如000001.json。

在网站上解析了一下：https://www.bejson.com/jsonviewernew/

第一层有四个节点

再点开 item:

写个简单代码读取一下：

import json

if __name__ == '__main__':
    json_file = 'DeepFashion2/train/annos/000001.json'
    with open(json_file, encoding='utf-8') as f:
        label = json.load(f)
        for key, val in label.items():
            # key: 'item1','item2' 'source' 'pair_id'
            # val: 'bounding_box'  'category_name' 'scale' 'viewpoint' 'occlusion'....
            if 'item' in key:
                print(label[key]['category_name'])
                print(label[key]['bounding_box'])

        f.close()

标注解析

• source: a string. 其中 'shop' 表示图片来自店铺（卖家秀），而 'user' 表示图片由顾客拍摄的（买家秀）。
• pair_id: a number. 来自同一店铺的图片及其对应的顾客拍摄的图片，这二者有相同的 pair id，表示二者是互相对应的
• item 1:
  •  category_name: a string 代表这个 item 的类别
  • category_id: a number 代表这个类别对应的数字.
  • style: a number 用来区分具有相同 pair id 的图片中的服装商品的编号。同一 pair id 的图片中的服装商品的款式号不同，其颜色、印花、logo等风格也不同。这样一来，如果店铺图片中的服装商品和顾客拍摄图片的服装商品拥有相同的 pair id，而且 style number 相同且大于0，则为 positive commercial-consumer pair。
  • bounding_box: [xmin, ymin, xmax, ymax] 目标框左上角右下角的坐标
  • landmarks: [x1,y1,v1,...,xn,yn,vn], 其中 v 代表可见度：v=2 visible；v=1 occlusion；v=0 not labeled.。我们对不同类别的服装类型定义了不同的 landmark 标注方式。landmark 标注的顺序如图2所示。
  • segmentation: [[x1,y1,...xn,yn],[ ]], 其中[x1,y1,y1,xn,yn]代表一个多边形，而一件衣服可能包含一个以上的多边形。
  • scale: a number, 其中 1 代表小尺度的 small scale ，2 代表适中尺度的 modest scale，3 代表大尺度的 large scale
  • occlusion: a number, 其中 1 代表轻度遮挡（包括无遮挡），2 代表中度遮挡，3 代表严重遮挡。
  • zoom_in: a number, 其中 1 代表没有进行放大 no zoom-in，2 代表 medium zoom-in，3 代表 lagre zoom-in。
  • viewpoint: a number, 其中 1 代表没有看见 no wear，2 代表正面看 frontal viewpoint，3 代表侧面看或者背面看。
• item 2
  ...
• item n

category_id:
1  -- sleeve top           短袖上衣
2  -- long sleeve top      长袖上衣
3  -- short sleeve outwear 短袖外衣
4  -- long sleeve outwear  长袖外衣
5  -- vest     背心
6  -- sling    吊带
7  -- shorts   短裤
8  -- trousers 长裤
9  -- skirt    裙子
10 -- short sleeve dress 短袖连衣裙
11 -- long sleeve dress  长袖连衣裙
12 -- vest dress         背心裙
13 -- sling dress        吊带裙

style number的疑问

如图所示，前三张图片来自顾客拍摄的买家秀，后两张图片是来自店铺的卖家秀。这五张图片都有相同的 "pair_id"。为了构造instance-level positive pairs，我们需要确保服装的具体颜色款式也是一样的，例如第一张图片和最后一张图片。而第1张图片和第四张图片就不能匹配，即使它们有相同的 "pair_id"。因此，就设置了 style，以进行区分。

相同的服装单品会标注为相同的 style number。在本图中，橙色框中的服装就标注相同的  'style':1。绿色框中的服装就标注相同的 'style': 2。其他未在顾客图片和店铺图片中共同显示的服装单品，就标注为  'style':0，说明无法构建 positive commercial-consumer pairs。本图中，未画出边界框的其他服装商品的  style 就都被标注为了 0。

综上所述，如果店铺图片中的服装商品与顾客图片中的服装商品的 style number 相同且大于 0，并且有相同的 "pair_id" ，则为 positive commercial-consumer pair，否则为 negative pairs。这样，就可以在 instance-level 中构建进行训练的 positive pairs 和negative pairs。