基于时尚专家领域知识的基于物体区域的时尚风格分类网络（IRSN）
计算机视觉与模式识别
2025-12-24 v1 人工智能
摘要
时尚风格分类因同一风格内视觉差异大以及存在相似视觉风格而具有挑战性。风格不仅通过整体外观表达，也通过单个物体的属性及其组合表达。本文提出一种基于物体区域的时尚风格分类网络（IRSN），通过分析物体特定特征及其组合（除全局特征外）来有效分类时尚风格。IRSN采用物体区域池化（IRP）提取每个物体区域的特征，分别对其进行分析，并通过门控特征融合（GFF）进行组合。此外，我们通过应用包含域特定特征提取器和预先使用大规模图像-文本数据集预训练的通用特征提取器的双主干架构来改进特征提取器。在实验中，将IRSN应用到六个广泛使用的主干网络（包括EfficientNet、ConvNeXt和Swin Transformer）后，在FashionStyle14数据集上将风格分类准确率提升平均6.9%，最高可达14.5%；在ShowniqV3数据集上提升平均7.6%，最高可达15.1%。可视化分析也表明，IRSN模型在捕捉相似风格类别之间的差异方面优于基线模型。
引用
@article{arxiv.2512.20088,
title = {Item Region-based Style Classification Network (IRSN): A Fashion Style Classifier Based on Domain Knowledge of Fashion Experts},
author = {Jinyoung Choi and Youngchae Kwon and Injung Kim},
journal= {arXiv preprint arXiv:2512.20088},
year = {2025}
}
备注
This is a pre-print of an article published in Applied Intelligence. The final authenticated version is available online at: https://doi.org/10.1007/s10489-024-05683-9