DeepFashion服装数据集

1. 服装类别和属性预测集

Category - Attribute 下载

289,222 张服装图片 clothes images;

• 50 个服装类别 clothing categories
• 1,000 个服装属性 clothing attributes;
• 每张图片都标注了 bounding box 和服装类型 clothing type.

1.1. 数据文件说明

下载文件包括：

Img - 服装图片文件夹 - 共 289,222 张图片，JPG 格式. 图片的最长边 resize 到 300，保持原始图片的长宽比 aspect ratios.

list_bbox.txt - 服装 bbox 标注 - bbox 标注: [x1, y1, x2, y2]，[x1, y1] 左上角位置，[x2, y2] 右下角坐标.

list_category_cloth.txt - 服装类别 Category (50 类) - 分为上身服装、下身服装、全身服装三类，其 ID 分别为 1，2，3. 服装类别根据其顺序依次表示. 服装类别Category预测问题可以看做是 1-of-K 分类问题.

list_category_img.txt - 服装类别 Category 标注

list_attr_cloth.txt - 服装属性 Attribute (1000 种) - 服装属性Attribute类型包括五类：纹理-Texture，面料-Fabric，形状-Shape，部分-Part 和风格-Style，其 ID 分别为 1，2，3，4，5.

list_attr_img.txt - 服装属性 Attribute 标注 - 服装属性标注信息，是 1000 维的向量，每维分别表示是否存在某服装属性Attribute，1 表示存在，-1 表示不存在，0 表示未知Unknown. 服装属性Attribute预测问题可以看做是多标签标注 Multi-label Tagging问题.

list_eval_partition.txt - 服装图片数据集的划分

train - 训练图片集；val - 验证Validation图片集；test - 测试图片集.

1.2. 服装类别Category

2. 服装关键点检测数据集

Fashion Landmark 下载

• 123,016 张 clothes images;
• 每张服装图片标注了8个服装关键点 fashion landmarks，包括关键点位置location 和可见性visibility;
• 每张图片也标注了 bounding box, 服装类型clothing type 和 variation type.

2.1. 数据文件说明

下载文件包括：

Img - 服装图片文件夹 - 共 123,016 张图片，JPG 格式. 图片的最长边 resize 到 512，保持原始图片的长宽比 aspect ratios.

list_bbox.txt - 服装 bbox 标注 - bbox 标注: [x1, y1, x2, y2]，[x1, y1] 左上角位置，[x2, y2] 右下角坐标.

list_landmarks.txt - 服装关键点标注 - 每一行的标注内容格式：

image name clothes type variation type [landmark visibility 1 landmark location x_1 landmark location y_1, ... landmark visibility 8 landmark location x_8 landmark location y_8]

服装类型有三类：上身服装、下身服装、全身服装，其 ID 分别为 1，2，3.

上身服装共 6 个关键点，依次为：["left collar", "right collar", "left sleeve", "right sleeve", "left hem", "right hem"]；

下身服装共 4 个关键点，依次为：["left waistline", "right waistline", "left hem", "right hem"]；

全身服装共 8 个关键点，依次为：["left collar", "right collar", "left sleeve", "right sleeve", "left waistline", "right waistline", "left hem", "right hem"].

list_eval_partition.txt - 服装图片数据集的划分

train - 训练图片集；val - 验证Validation图片集；test - 测试图片集

AI项目体验地址 https://loveai.tech