随手拍即寻：深度离散跨域服装图像检索
计算机视觉与模式识别
2019-04-08 v1
摘要
随着在线商店数量的不断增加，亟需智能搜索系统来理解顾客拍摄的商品照片，并在大规模商品数据库中检索其所需商品。然而，传统检索系统难以将顾客拍摄的商品照片与商家官方发布的照片进行匹配，对于服装图像尤为困难。为桥接顾客与商家提供的服装照片，现有研究广泛利用服装属性（例如黑色）与关键点（例如衣领）来学习服装表示的公共嵌入空间。遗憾的是，它们忽略了属性的序列相关性，且消耗大量人力标注关键点。本文提出一种称为 DMCH 的深度多任务跨域哈希方法，其中跨域嵌入与序列属性学习被同时建模。序列属性学习不仅为嵌入提供语义指导，还能在无需额外关键点标注的情况下，对服装物品的判别性局部细节（例如黑色纽扣）生成丰富的注意力。与最先进模型相比，这带来了优异的性能表现以及 306 的效率提升，该结果通过在两个公开时尚数据集上的严格实验得到验证。
引用
@article{arxiv.1904.02887,
title = {Snap and Find: Deep Discrete Cross-domain Garment Image Retrieval},
author = {Yadan Luo and Ziwei Wang and Zi Huang and Yang Yang and Huimin Lu},
journal= {arXiv preprint arXiv:1904.02887},
year = {2019}
}