一种基于深度学习的时尚属性检测模型
计算机视觉与模式识别
2018-10-25 v1
摘要
分析时尚属性在时装设计过程中至关重要。当前的时尚预测公司，如 WGSN，利用来自全球的信息（来自时装秀、视觉营销、博客等）。他们通过经验、观察、媒体扫描、访谈以及接触新事物来收集信息。此类信息分析过程称为抽象，即识别所有服装与系列间的相似或差异。事实上，此类抽象能力在许多时尚职业中各有用途。时尚预测者跨设计系列与跨时间抽象以辨识时尚变化与方向；设计师、产品开发者与买手跨一组服装与系列抽象以开发具凝聚力与视觉吸引力的产品线；销售与营销主管跨每季产品线抽象以识别卖点；时尚记者与博主跨秀场照片抽象以识别可转化为社论专题的象征性核心概念。面向此类时尚业内者的时尚属性分析，比面向消费者需要更细致深入的属性标注，且需要在多领域上推理。本项目中，我们提出一种数据驱动的时尚属性识别方法。具体而言，一个修改版 Faster R-CNN 模型在来自大规模定位数据集的图像上训练，该数据集含 594 个细粒度属性、覆盖不同场景（如网店与街拍快照）。该模型随后将用于检测服装物品并分类秀场照片与时尚插画中的服饰属性。
引用
@article{arxiv.1810.10148,
title = {A Deep-Learning-Based Fashion Attributes Detection Model},
author = {Menglin Jia and Yichen Zhou and Mengyun Shi and Bharath Hariharan},
journal= {arXiv preprint arXiv:1810.10148},
year = {2018}
}