如何从社交媒体提取时尚趋势？一种支持无监督学习的鲁棒目标检测器

随着社交媒体的 proliferation，受名人、知名设计师以及时尚意见领袖启发的时尚缩短了时尚设计与制造的周期。然而，随着时尚相关内容的爆发以及大量用户生成的时尚照片，时尚设计师浏览社交媒体照片并整理趋势时尚摘要是一项艰巨任务。这需要对社交媒体上的时尚照片进行深度解析，以从给定时尚照片中定位并分类多个时尚物品。尽管如MSCOCO等目标检测竞赛为每个物体类别提供了数千样本，但获取快时尚物品的大规模标注数据集相当困难。此外，最先进的目标检测器不具备任何功能来摄取社交媒体上可用的大量未标注数据，以便用标注数据集微调目标检测器。在本工作中，我们展示了一个通用目标检测器的应用，该检测器可以无监督方式预训练，用于最近发布的Open Images V4数据集中的24个类别。我们首先使用从社交媒体收集的24个类别的60K未标注照片以无监督学习训练目标检测器的基础架构，随后用Open Images V4数据集中的8.2K标注照片对其进行微调。在300×300图像输入上，我们在2.4K照片的测试数据集上取得了72.7%的mAP，同时相比最先进的目标检测器性能提升11%至17%。我们表明，这一提升源于我们所选的架构，其支持无监督学习，并在识别小物体方面表现显著更优。