改进 DeepFashion 图像标注以支持细粒度属性识别
计算机视觉与模式识别
2018-08-01 v1
摘要
DeepFashion 是一个广泛使用的服装数据集，包含 50 个类别和总计超过 20 万张图像，其中每张图像都标注了细粒度属性。该数据集常用于服装识别，尽管它提供了全面的标注，但属性分布不平衡且重复，特别是在训练细粒度属性识别模型时。在这项工作中，我们通过分别关注每个类别，为细粒度属性识别任务量身定制了 DeepFashion。在选出具有足够训练图像数量的类别后，我们移除每个类别中非常稀少的属性并合并重复属性，然后基于新的属性列表清理数据集。我们使用带有成对排序损失函数的双线性卷积神经网络进行多标签细粒度属性识别，并表明新标注改善了此类任务的结果。所选每个类别的详细标注已公开提供使用。
引用
@article{arxiv.1807.11674,
title = {Improving the Annotation of DeepFashion Images for Fine-grained Attribute Recognition},
author = {Roshanak Zakizadeh and Michele Sasdelli and Yu Qian and Eduard Vazquez},
journal= {arXiv preprint arXiv:1807.11674},
year = {2018}
}