基于DETR的分层服装分割与细粒度属性识别
计算机视觉与模式识别
2023-04-18 v1
摘要
服装分割与细粒度属性识别是计算机视觉与时尚交叉领域的挑战性任务，其目标是从任意输入人体图像中分割整体着装实例并识别服装产品的详细属性。近年来许多新模型被开发用于这些任务，但在分层服装或不同尺度时尚品情况下分割精度仍不尽如人意。本文提出一种基于DEtection TRansformer (DETR)的新方法，以高精度分割并识别整体着装实例的细粒度属性。该模型中，我们提出一个\textbf{多层级注意力模块}，通过聚合不同尺度特征、确定单一实例的各种尺度组件并将其合并。我们在Fashionpedia数据集上训练模型，并证明该方法在分层服装分割与细粒度属性识别任务上超越SOTA模型。
引用
@article{arxiv.2304.08107,
title = {DETR-based Layered Clothing Segmentation and Fine-Grained Attribute Recognition},
author = {Hao Tian and Yu Cao and P. Y. Mok},
journal= {arXiv preprint arXiv:2304.08107},
year = {2023}
}