Jul, 2018

深度时尚图像的细粒度属性识别注释改进

PDF
TL;DR该研究旨在通过选择具有足够图像数量的类别，删除非常稀少的属性以及在每个类别中合并重复属性，为细粒度属性识别任务量身定制 DeepFashion 数据集，并使用成对排名损失函数的双线性卷积神经网络进行多标签细粒度属性识别，提高了结果，并提供了每个所选类别的详细注释。
deepfashionclothing datasetfine-grained attributesattribute recognitionneural network
发现论文，激发创造
  • iMaterialist 时尚属性数据集

    本文介绍了一个名为 iMaterialist Fashion Attribute（iFashion-Attribute）的新数据集，其中包括超过一百万张时尚图片，用 8 组 228 种细粒度属性注释。 作者使用现代 CNN 提供基线结果，并展示了在时尚相关任务上预训练的模型相比从 ImageNet 或其他时尚数据集进行预训练具有更好的迁移学习性能。

    Jun, 2019

  • 渐进式时尚属性提取

    本文提出了一种渐进式训练方法，针对时装类别的多类属性识别问题，使用单个模型进行多类属性识别，从而获得对丢失和模糊标记数据鲁棒性和精细属性的提取的高准确性

    Jun, 2019

  • DeepFashion2：服装图像检测、姿态估计、分割和再识别的通用基准

    DeepFashion2 是一个多任务的数据集和基准，旨在为四个任务提供衣服检测，姿势估计，分割和检索，“Match R-CNN” 是解决这四个任务的强有力基线。

    Jan, 2019

  • 基于 DETR 的分层服装分割和细粒度属性识别

    本文提出了一种新型 DETR 方法，在 Fashionpedia 数据集上训练，通过采用多层注意力模块来聚合不同规模的特征，识别出整体服装实例的细粒度属性并实现服装的分割，超越了领域内之前最先进的模型。

    Apr, 2023

  • Fashion-AttGAN：多目标 GAN 与属性感知时尚编辑

    本文介绍了面向属性的时尚编辑，提出了 Fashion-AttGAN 模型，并构建了新任务的数据集，实验结果证明了 Fashion-AttGAN 在时尚编辑方面的有效性。

    Apr, 2019

  • 野外环境下的细粒度识别：一种多任务域自适应方法

    本研究探讨了细粒度领域适应的概念并提出了基于属性的多任务适应损失来解决现有细粒度目标识别模型无法准确分类野外图像的问题，通过在一组新的细粒度数据集上的实验证明了该算法可以显著提高准确性。

    Sep, 2017

  • 属性混合：用于细粒度识别的语义数据增强

    本文提出了一种数据增强策略 Attribute Mix，通过属性级别的数据增强方法，利用自动属性挖掘技术扩展细粒度样本，从而显著提高图像识别性能。同时基于属性的共享特点，在广义域的图像上训练可扩展属性级别的标签。实验证明了该方法的有效性。

    Apr, 2020

  • Deep Fashion3D: 从单张图像重建三维服装的数据集与基准测试

    Deep Fashion3D 是迄今为止最大的 3D 服装模型集合，包含 2078 个模型和丰富的注释信息，并引入了一种新的单视角服装重建方法。

    Mar, 2020

  • 属性特定嵌入学习实现精细服饰相似度预测

    本文提出了一种基于 Attribute-Specific Embedding Network (ASEN) 的方法，通过全局和局部特征提取以及注意力机制来计算服装之间的细粒度相似度，进而可应用于多种时尚相关领域，取得了较好的实验结果。

    Apr, 2021

  • 细粒度时尚检索的属性引导多级注意力网络

    本研究提出了一种属性引导的多层注意力网络（AG-MLAN），能够在指定属性的引导下更准确地定位属性位置和捕捉区分性特征，并通过对深度时尚、FashionAI 和 Zappos50k 数据集上的实验验证了其在细粒度时尚相似度学习和属性引导检索任务中的有效性。该模型在细粒度时尚相似度检索任务中的表现超过了现有最优方法。

    Dec, 2022