DeepFashion

DeepFashion数据集是一个大规模的时尚识别和检索数据集，包含289,222张多样化的衣物图像，以及详细的边界框、时尚地标、类别和属性标注。该数据集由多媒体实验室，香港中文大学开发，用于支持非商业研究及教育目的。

The DeepFashion dataset is a large-scale fashion recognition and retrieval dataset, comprising 289,222 diverse images of clothing items, along with detailed bounding boxes, fashion landmarks, categories, and attribute annotations. Developed by the Multimedia Laboratory at The Chinese University of Hong Kong, this dataset is intended to support non-commercial research and educational purposes.

原始信息汇总

数据集概述

数据集名称

Large-scale Fashion Recognition and Retrieval (DeepFashion) Dataset

数据集创建者

Multimedia Lab, The Chinese University of Hong Kong

数据集版本

• Version 1.0, released on 08/08/2016
• Version 1.1, released on 22/12/2016, added landmarks annotations

数据集内容

• Images (Img/img.zip)

  • 289,222 diverse clothes images
  • Format: JPG
  • Image resizing: long side to 300, aspect ratios unchanged

• Bounding Box Annotations (Anno/list_bbox.txt)

  • Bounding box labels
  • Format: <image name> <bbox location>
  • Bbox location: [x_1, y_1, x_2, y_2]

• Fashion Landmark Annotations (Anno/list_landmarks.txt)

  • Fashion landmark labels
  • Format: <image name> <clothes type> <variation type> [<landmark visibility> <landmark location>]
  • Clothes type: "1"=upper-body, "2"=lower-body, "3"=full-body
  • Variation type: "1"=normal pose, "2"=medium pose, "3"=large pose, "4"=medium zoom-in, "5"=large zoom-in
  • Landmark visibility: "0"=visible, "1"=invisible/occluded, "2"=truncated/cut-off

• Category Annotations (Anno/list_category_cloth.txt & Anno/list_category_img.txt)

  • Clothing category labels
  • Category type: "1"=upper-body, "2"=lower-body, "3"=full-body
  • Category prediction: 1-of-K classification

• Attribute Annotations (Anno/list_attr_cloth.txt & Anno/list_attr_img.txt)

  • Clothing attribute labels
  • Attribute type: "1"=texture-related, "2"=fabric-related, "3"=shape-related, "4"=part-related, "5"=style-related
  • Attribute prediction: multi-label tagging

• Evaluation Partitions (Eval/list_eval_partition.txt)

  • Image names for training, validation, and testing
  • Evaluation status: "train", "val", "test"

版权说明

• Use of images is restricted to non-commercial research and educational purposes.

联系方式

• Ziwei Liu ([e-mail])

搜集汇总

数据集介绍

构建方式

DeepFashion数据集由香港中文大学多媒体实验室构建，旨在为时尚识别和检索任务提供丰富的标注信息。该数据集包含了289,222张多样化的服装图像，并附有详细的边界框、时尚地标、类别和属性标注。构建过程中，图像的长边被调整为300像素，同时保持原始图像的宽高比不变。此外，数据集还提供了训练、验证和测试集的划分，以支持模型的评估和比较。

特点

DeepFashion数据集的显著特点在于其丰富的标注信息和多样化的图像内容。数据集不仅提供了服装的边界框和类别标注，还包含了详细的时尚地标和属性信息，如服装的材质、形状和风格等。这些标注信息为研究者提供了强大的工具，以开发和评估复杂的时尚识别和检索模型。此外，数据集的图像涵盖了多种服装类型和姿态，确保了模型的泛化能力。

使用方法

使用DeepFashion数据集时，研究者可以利用其提供的多种标注文件进行模型训练和评估。首先，可以通过'list_eval_partition.txt'文件将数据集划分为训练、验证和测试集。接着，利用'list_bbox.txt'和'list_landmarks.txt'文件进行边界框和地标的标注，以训练目标检测和姿态估计模型。最后，通过'list_category_img.txt'和'list_attr_img.txt'文件进行类别和属性的标注，以实现服装分类和属性预测任务。

背景与挑战

背景概述

DeepFashion数据集由香港中文大学多媒体实验室于2016年创建，旨在推动时尚图像识别与检索领域的研究。该数据集包含了289,222张多样化的服装图像，并附有丰富的标注信息，包括边界框、时尚地标、类别和属性等。主要研究人员包括Ziwei Liu、Ping Luo、Shi Qiu、Xiaogang Wang和Xiaoou Tang。DeepFashion的发布极大地促进了计算机视觉在时尚领域的应用，特别是在服装识别和检索方面，为学术界和工业界提供了宝贵的资源。

当前挑战

DeepFashion数据集在构建过程中面临多项挑战。首先，图像的多样性和复杂性使得标注工作异常繁琐，尤其是时尚地标的精确标注。其次，服装类别和属性的多样性增加了分类和属性预测的难度，需要处理大量的多标签问题。此外，数据集的规模庞大，如何高效地管理和处理这些数据也是一个重要挑战。最后，尽管数据集提供了详细的评估分区，但在实际应用中，如何确保模型在不同数据集上的泛化能力仍然是一个未解难题。

常用场景

经典使用场景

在时尚识别与检索领域，DeepFashion数据集以其丰富的标注信息和大规模的图像数据，成为研究者和开发者的重要工具。该数据集的经典使用场景包括服装分类、属性预测和时尚检索。通过利用其提供的类别、属性和边界框标注，研究者可以训练模型以实现高精度的服装识别和检索，从而推动时尚领域的计算机视觉应用。

实际应用

在实际应用中，DeepFashion数据集被广泛用于电子商务、时尚推荐系统和虚拟试衣间等领域。例如，电商平台可以利用该数据集训练的模型，实现用户上传图片的自动分类和属性识别，从而提升商品推荐的准确性。此外，时尚推荐系统可以通过分析用户的服装偏好，结合数据集中的属性信息，提供个性化的时尚建议。

衍生相关工作

基于DeepFashion数据集，研究者们开展了一系列相关工作。例如，有研究利用该数据集进行服装检索算法的改进，提升了检索的准确性和效率。此外，还有工作专注于服装地标的自动检测和定位，进一步推动了时尚识别技术的发展。这些衍生工作不仅丰富了数据集的应用场景，也为时尚领域的技术创新提供了新的思路。