一种用于时尚服装细粒度分类的联邦方法
计算机视觉与模式识别
2020-08-31 v1 机器学习
图像与视频处理
摘要
随着在线零售服务的激增并普及于现代生活，从图像数据分类时尚服装特征的应用正变得愈发不可或缺。从领军企业到初创公司的在线零售商均可利用此类应用来提高利润率并改善消费者体验。已有许多著名方案被提出以分类时尚物品，然而其中多数聚焦于分类基本层级类别，如 T 恤、裤、裙、鞋、包等。与多数先前工作不同，本文旨在实现同一类别内时尚物品属性的深入分类。从单件连衣裙出发，我们试图分类其下摆类型、下摆长度与袖长。所提方案由三个主要阶段组成：(a) 利用语义分割从输入图像中定位目标物品，(b) 利用预训练 CNN 与边界框检测人体关键点（如肩点），(c) 利用算法方法与深度神经网络相结合的三阶段属性分类。实验结果表明所提方案极为有效，所有类别平均精度均在 93.02% 以上，且优于现有的基于卷积神经网络（CNNs）的方案。
引用
@article{arxiv.2008.12350,
title = {A Federated Approach for Fine-Grained Classification of Fashion Apparel},
author = {Tejaswini Mallavarapu and Luke Cranfill and Junggab Son and Eun Hye Kim and Reza M. Parizi and John Morris},
journal= {arXiv preprint arXiv:2008.12350},
year = {2020}
}
备注
11 pages, 4 figures, 5 tables, submitted to IEEE ACCESS (under review)