基于相似度金字塔上图推理网络的时尚检索
计算机视觉与模式识别
2019-09-02 v1
摘要
匹配顾客与在线购物商店的服装图像在电子商务中有丰富应用。现有算法将图像编码为全局特征向量并用该全局表示进行检索。然而，服装上具有判别性的局部信息淹没在此全局表示中，导致次优性能。为解决此问题，我们提出一种在相似度金字塔上的新颖图推理网络（GRNet），它通过使用多尺度的全局与局部表示来学习查询与库服装之间的相似度。相似度金字塔由相似度图表示，其中节点代表不同尺度下服装部件间的相似度，最终匹配分数通过沿边消息传递获得。在GRNet中，图推理通过训练图卷积网络求解，能够对齐显著服装部件以改进服装检索。为促进未来研究，我们引入新基准FindFashion，包含边界框、视角、遮挡和裁剪的丰富标注。大量实验表明GRNet在两个具挑战性基准上取得新的SOTA结果，例如将DeepFashion上的top-1、top-20和top-50准确率分别推至26%、64%和75%（即绝对提升4%、10%和10%），大幅优于竞争对手。在FindFashion上，GRNet在所有实验设定下均取得可观提升。
引用
@article{arxiv.1908.11754,
title = {Fashion Retrieval via Graph Reasoning Networks on a Similarity Pyramid},
author = {Zhanghui Kuang and Yiming Gao and Guanbin Li and Ping Luo and Yimin Chen and Liang Lin and Wayne Zhang},
journal= {arXiv preprint arXiv:1908.11754},
year = {2019}
}
备注
ICCV 2019 (oral)