♥
DeepFashion2是一个全面的时装数据集,它包含了来自商业和消费者的13种流行服装类别的491K图像。总共有801K件服装,其中图像中的每件商品都标有比例,遮挡,还有873K商业服装。数据集分为训练集(391K),验证集(34K)和测试集。
内容描述:
这是一个大型服装数据库,它具有几个吸引人的属性:
使用DeepFashion数据库开发了四个基准,包含属性预测,消费者到商店的衣服检索,店内衣服的检索和地标检测。这些基准的数据和注释也可以用作一下计算机视觉任务(例如衣服检测,服装识别和图像检索)的训练和测试集。
DeepFashion包含五个文件:
DeepFashion2数据集是一个更加综合的服装数据集,其包含了适用于服装检测、服装姿态估计、服装分割以及服装检索等场景的图片与标注数据。
DeepFahion2的优点有:
DeepFashion1和DeepFashion2这两个公开数据集在计算机视觉的领域还未被广泛应用,其原因在于,在众多商业图片中,检索衣服的准确性和效率仍然有很大的提高空间。
据MTlab介绍,服装信息识别技术是人工智能算法在服饰电商、内容媒体和线下服装零售等行业实现落地的基础。对于商家而言,该技术有利于在实现数据智能化管理,平台智能化运营,降低人力成本的同时提高运营效率。而对于用户来说,该技术可以为用户提供个性化推荐、智能搭配、虚拟试穿和一键购物等服务,有效提升了用户的购物体验。未来我们会加速服装相关技术算法的应用落地,将算法与更多的业务结合,对模型进行优化以适配不同的使用的场景。同时也将充分利用该模型结果的可拓展性,服务于服装以外的更多领域。服装电商、信息检索、个性化推荐到智能试衣,以及服装相关技术已经日趋成熟。
竞赛属性框架示意图:
论文:
本文分享自 图像处理与模式识别研究所 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!