TextileNet

TextileNet是一个基于纺织材料分类的时尚纺织品数据集，由伦敦大学学院计算机科学系与皇家艺术学院材料科学研究中心合作创建。该数据集包含33种纤维标签和27种面料标签，总计760,949张图像，旨在通过先进的深度学习模型进行训练和评估，以标准化纺织相关数据集。TextileNet的应用领域广泛，从纺织分类到优化纺织供应链和消费者交互设计，旨在解决时尚行业中纺织材料自动识别的挑战，推动可持续时尚的发展。TextileNet is a fashion textile dataset for textile material classification, collaboratively created by the Department of Computer Science, University College London and the Materials Science Research Centre, Royal College of Art. This dataset includes 33 fiber labels and 27 fabric labels, with a total of 760,949 images, and is intended for training and evaluating advanced deep learning models, with the objective of standardizing textile-related datasets. TextileNet has broad application scenarios, spanning from textile classification to optimizing textile supply chains and consumer interaction design. It aims to address the challenges of automatic textile material recognition in the fashion industry and advance the development of sustainable fashion.

搜集汇总

数据集介绍

构建方式

TextileNet数据集的构建基于纺织材料的分类法，包括纤维分类法和织物分类法，这些分类法是由材料科学家合作生成的。数据集的图像收集主要来自谷歌图片搜索和现有的时尚数据集，其中谷歌图片搜索的图像占41.65%，现有的时尚数据集占58.35%。图像的标签是基于分类法设计的，并通过查询短语进行收集，这些查询短语是从分类法中提取的。此外，为了适应数据集，还对现有的时尚数据集进行了重构。

特点

TextileNet数据集的特点在于它是一个基于材料分类法的时尚纺织数据集，包含33种纤维标签和27种织物标签，共计760,949张图像。数据集的标签是从纤维和织物分类法中提取的，这些分类法包含了纺织品的宏观类型，并且可以扩展以包括未来的新纤维/织物类型。此外，数据集还包含大量的图像，并且所有标签都是基于专家设计的分类法进行标注的。

使用方法

TextileNet数据集的使用方法包括训练和评估深度学习模型，以进行纺织材料的分类。数据集可以用于各种领域，包括材料科学、时尚设计、零售和纺织品供应链等。此外，数据集还可以用于创建基于图像的纺织品材料检索技术，以及优化纺织品供应链和消费者互动设计。数据集的使用还包括创建一个基于人工智能的时尚平台。

背景与挑战

背景概述

在机器学习（ML）的兴起下，时尚产业正逐渐实现数字化和重塑。近年来，时尚AI应用层出不穷，例如虚拟试穿。纺织材料识别和分类在时尚纺织品领域发挥着至关重要的作用，包括时尚设计、零售和回收。同时，净零排放是全球目标，时尚产业正在经历重大变革，以便以可持续的方式重复使用、修复和回收纺织品。然而，在服装中自动识别纺织材料仍然是一个挑战，因为我们缺乏一种低成本且有效的技术来识别它们。鉴于此，我们构建了第一个基于纺织材料分类法的时尚纺织品数据集TextileNet，该分类法由材料科学家合作生成，包括纤维分类法和织物分类法。TextileNet可用于训练和评估用于纺织材料的最新深度学习模型。我们希望通过使用分类法来标准化与纺织品相关的数据集。TextileNet包含33个纤维标签和27个织物标签，共有760,949张图像。我们使用标准的卷积神经网络（CNN）和视觉转换器（ViTs）为该数据集建立了基线。未来该数据集的应用范围从纺织品分类到优化纺织品供应链和消费者互动设计。我们设想这可以有助于开发一个新的基于AI的时尚平台。

当前挑战

TextileNet数据集的构建旨在解决当前时尚产业在纺织品材料识别和分类方面所面临的挑战。尽管机器学习技术在时尚产业中得到了发展，但纺织行业在追求更可持续的模型方面仍然面临挑战，以减少大量纺织品废物的产生并实现全球净零排放目标。TextileNet数据集通过提供基于纤维和织物分类法的图像数据，旨在标准化纺织品相关数据集的标签，并为研究人员和行业提供一个大规模的数据集，以推动纺织品材料识别、基于图像的纺织品材料检索以及纺织品供应链的优化等领域的进步。然而，数据集构建过程中也面临着一些挑战，例如：1) 所解决的领域问题：纺织品材料识别和分类；2) 构建过程中所遇到的挑战：数据收集方法的局限性、样本不平衡、缺乏纤维混合物的信息以及标签噪声等问题。

常用场景

经典使用场景

TextileNet数据集主要应用于时尚纺织品的材料识别和分类，特别是在服装设计、零售和回收等领域。该数据集基于纤维和织物分类法，包含了33种纤维标签和27种织物标签，共计760,949张图片。使用TextileNet数据集可以训练和评估最先进的深度学习模型，以实现对纺织材料的自动识别和分类。此外，TextileNet数据集还可以用于优化纺织供应链和消费者互动设计等方面。

实际应用

TextileNet数据集在实际应用中具有广泛的应用前景。它可以用于服装设计，帮助设计师更好地理解服装材料的来源和制造过程；可以用于零售，帮助消费者了解服装的纤维和纤维，从而更好地了解服装的可持续性；还可以用于纺织品的回收和再利用，帮助实现纺织品的循环经济。此外，TextileNet数据集还可以用于优化纺织供应链，提高供应链的效率和可持续性。

衍生相关工作

TextileNet数据集的建立为未来的研究提供了新的方向。基于TextileNet数据集，可以进一步研究纤维混合物的识别和分类，以及如何更好地利用分类法进行标签。此外，TextileNet数据集还可以用于开发新的时尚AI平台，为时尚纺织业提供更多的智能化解决方案。