融合分层卷积特征的人体分割与服装时尚分类
计算机视觉与模式识别
2018-03-14 v2
摘要
服装时尚反映了人们在着装上彼此共享的共性审美。识别服装的时尚年代对个人与产业均具意义。本文在服装时尚逐年变化的假设下，将时尚年代识别问题映射为服装时尚分类问题。具体而言，提出一种新颖的深度神经网络，通过在全卷积网络中融合多尺度卷积特征实现精确人体分割，随后在分割出的部位上进行特征学习与时尚分类，从而避免图像背景的干扰。实验中收集了来自连续 8 年的 9,339 张时尚图像用于性能评估。结果证明了所提人体分割与时尚分类方法的有效性。
引用
@article{arxiv.1803.03415,
title = {Fusing Hierarchical Convolutional Features for Human Body Segmentation and Clothing Fashion Classification},
author = {Zheng Zhang and Chengfang Song and Qin Zou},
journal= {arXiv preprint arXiv:1803.03415},
year = {2018}
}