用于时尚识别的双流多任务网络

本文提出一种用于时尚识别的双流多任务网络。该任务具有挑战性，因为时尚服装总包含多个属性，需在实时工业系统中同时预测。为应对这些挑战，我们将时尚识别建模为一个多任务学习问题，包括关键点检测、类别与属性分类，并用所提出的深度卷积神经网络求解。我们设计了两种知识共享策略，使任务间可传递信息并提升整体性能。所提模型在大规模时尚数据集上相较现有方法取得了最先进的结果，证明了其在时尚识别上的有效性与优越性。