如何評價商湯科技CVPR2016新作DeepFashion?

我跟朋友最近對衣服識別很感興趣,DeepFashion這篇文章裡面介紹了他們新創建的衣服數據集和模型。


您好,我們最新的工作有在上面測試2組實驗,都取得了好很多的實驗結果,我感覺這2個數據集合還是很不錯的,具體歡迎參考我們的工作:由於篇幅原因,我們掛出來的論文沒有放在cus2shop上的結果,這個數據集合上,我們性能可以比論文中提高2倍。https://arxiv.org/abs/1611.05720


作者公布了他們landmark detection的主要代碼

Fashion Landmark Detection in the Wild

總體來說這是我知道的第一個衣服庫,而且暫時還沒有太多人入坑,大家可以一起灌了。

針對作者已經公布的代碼還是挺出乎意料的,他講三個類分開訓練,而在論文中好像並沒有體現這一思想


bounding box畫的有點粗糙


我很難想像這個數據集的category label是經過人檢驗的。

隨機查看了一些就發現了如下錯誤:

1. 長褲短褲混淆

2. 裙子和外套混淆

(圖片之後補充)

除去有一些常人比較難判斷的圖片,我覺得這個category label的準確度能達到80%就不錯了。

其他label需要找作者要解壓包密碼才能查看,故不做評論。


推薦閱讀:

商湯科技 SenseTime 有哪些牛人?
能通過一張照片(2D)得到3D的模型嗎?
單目視覺里程計演算法深度信息的提取?雙目的原理和單目的不同?
不用結構光,現在的雙目立體視覺有成熟的產品嗎?
為什麼很少人用FFT加速CNN卷積層的運算?

TAG:機器學習 | 計算機視覺 | 神經網路 | 深度學習DeepLearning | SenseTime |