論文の概要: A Federated Approach for Fine-Grained Classification of Fashion Apparel

• arxiv url: http://arxiv.org/abs/2008.12350v1
• Date: Thu, 27 Aug 2020 19:44:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 07:45:57.387502
• Title: A Federated Approach for Fine-Grained Classification of Fashion Apparel
• Title（参考訳）: フェデレーションによるファッションアパレルの細粒度分類
• Authors: Tejaswini Mallavarapu, Luke Cranfill, Junggab Son, Eun Hye Kim, Reza M. Parizi, and John Morris
• Abstract要約: 本論文は,ファッションアイテム属性の詳細な分類を可能にすることを目的としている。 提案手法は, (a) セマンティックセグメンテーションを用いた入力画像からの対象項目の局所化, (b) 事前学習したCNNとバウンディングボックスを用いた人間のキーポイント(例えば肩の点)の検出, (c) アルゴリズムアプローチとディープニューラルネットワークを組み合わせて属性を分類する3つのフェーズからなる。
• 参考スコア（独自算出の注目度）: 4.328969982631974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As online retail services proliferate and are pervasive in modern lives, applications for classifying fashion apparel features from image data are becoming more indispensable. Online retailers, from leading companies to start-ups, can leverage such applications in order to increase profit margin and enhance the consumer experience. Many notable schemes have been proposed to classify fashion items, however, the majority of which focused upon classifying basic-level categories, such as T-shirts, pants, skirts, shoes, bags, and so forth. In contrast to most prior efforts, this paper aims to enable an in-depth classification of fashion item attributes within the same category. Beginning with a single dress, we seek to classify the type of dress hem, the hem length, and the sleeve length. The proposed scheme is comprised of three major stages: (a) localization of a target item from an input image using semantic segmentation, (b) detection of human key points (e.g., point of shoulder) using a pre-trained CNN and a bounding box, and (c) three phases to classify the attributes using a combination of algorithmic approaches and deep neural networks. The experimental results demonstrate that the proposed scheme is highly effective, with all categories having average precision of above 93.02%, and outperforms existing Convolutional Neural Networks (CNNs)-based schemes.
• Abstract（参考訳）: オンライン小売サービスが普及し、現代社会に広まりつつある中、画像データからファッションアパレルの特徴を分類するアプリケーションはますます不可欠になりつつある。 大手企業からスタートアップまで、オンライン小売業者はこうしたアプリケーションを活用して利益率を高め、消費者体験を向上させることができる。 ファッションアイテムを分類する多くの特筆すべきスキームが提案されているが、その大半はTシャツ、ズボン、スカート、靴、バッグなどの基本レベルのカテゴリーの分類に重点を置いている。 これまでの取り組みとは対照的に,同カテゴリにおけるファッションアイテム属性の詳細な分類を可能にすることを目的としている。 1つのドレスから始めて、ドレスヘムの種類、ヘムの長さ、スリーブの長さを分類しようとします。 提案手法は3つの主要な段階から構成される。 (a)意味セグメンテーションを用いた入力画像からの目標項目の局在化 (b)事前訓練されたcnnと境界ボックスを用いた人間のキーポイント(例えば肩のポイント)の検出と、 c)アルゴリズム的アプローチとディープニューラルネットワークの組み合わせを用いて属性を分類する3つのフェーズ。 実験の結果,提案手法は平均精度が93.02%以上であり,既存の畳み込みニューラルネットワーク(CNN)方式よりも優れていることがわかった。

関連論文リスト

• Dual-Modal Prompting for Sketch-Based Image Retrieval [76.12076969949062]
  本稿では、適応的なプロンプト戦略を設計したデュアルモーダルCLIP(DP-CLIP)ネットワークを提案する。 ターゲットカテゴリとテキストカテゴリラベル内に一連の画像を用いて,カテゴリ適応型プロンプトトークンとチャネルスケールをそれぞれ構成する。 我々のDP-CLIPは、Sketchyデータセット上のAcc.@1において、最先端の微細ゼロショット法を7.3%向上させる。
  論文  参考訳（メタデータ） (2024-04-29T13:43:49Z)
• Semantic Embedded Deep Neural Network: A Generic Approach to Boost Multi-Label Image Classification Performance [10.257208600853199]
  本稿では,空間認識のセマンティックな特徴を応用するために,汎用的なセマンティック埋め込み型ディープニューラルネットワークを提案する。 Avg.relative Improvement of 15.27% in terms of AUC score across all labels than the baseline approach。
  論文  参考訳（メタデータ） (2023-05-09T07:44:52Z)
• Data Efficient Training with Imbalanced Label Sample Distribution for Fashion Detection [5.912870746288055]
  本稿では,長期データ分布を持つ多ラベル分類のためのディープニューラルネットワーク(DNN)の性能向上を目的とした,最先端の重み付き目的関数を提案する。 本実験では,ファッションアパレルのイメージに基づく属性分類を行い,新しい重み付け法に好適な性能を示した。
  論文  参考訳（メタデータ） (2023-05-07T21:25:09Z)
• Design-time Fashion Popularity Forecasting in VR Environments [9.621518697689128]
  ファッションイメージを微調整したコンピュータビジョンパイプラインを開発し、関連する視覚特徴を抽出する。 我々は,新しい衣服の人気を予測できるマルチモーダル準自動回帰ニューラルネットワークであるMuQARを提案する。 提案されたHLSとMuQARはどちらも、主要なベンチマークデータセットの現在の最先端を越えられることを証明している。
  論文  参考訳（メタデータ） (2022-12-14T12:30:03Z)
• MMFL-Net: Multi-scale and Multi-granularity Feature Learning for Cross-domain Fashion Retrieval [3.7045939497992917]
  クロスドメインファッション検索は、C2S(Consumer-to-Shop)ドメインの幅広い相違により難しい課題である。 衣料品画像のグローバル・ローカル・アグリゲーション特徴表現を共同で学習できる新しいマルチスケール・マルチグラニュラリティ特徴学習ネットワーク(MMFL-Net)を提案する。 提案モデルでは,マルチタスク属性認識と分類モジュールを多ラベル意味属性および製品IDラベルと組み合わせた。
  論文  参考訳（メタデータ） (2022-10-27T02:25:52Z)
• FaD-VLP: Fashion Vision-and-Language Pre-training towards Unified Retrieval and Captioning [66.38951790650887]
  ファッション分野におけるマルチモーダルタスクは、eコマースにとって大きな可能性を秘めている。 本稿では,ファッションとテクストのペアから構築した弱教師付き三つ組に基づく,ファッション特有の事前学習フレームワークを提案する。 3重項に基づくタスクは、標準的なマルチモーダル事前学習タスクに有効な追加であることを示す。
  論文  参考訳（メタデータ） (2022-10-26T21:01:19Z)
• Learning What Not to Segment: A New Perspective on Few-Shot Segmentation [63.910211095033596]
  近年では、FSS ( few-shot segmentation) が広く開発されている。 本稿では,問題を緩和するための新鮮で直接的な知見を提案する。 提案されたアプローチのユニークな性質を踏まえて、より現実的で挑戦的な設定にまで拡張する。
  論文  参考訳（メタデータ） (2022-03-15T03:08:27Z)
• AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
  航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。 本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。 AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-18T10:14:45Z)
• Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
  本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。 最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。 これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。 合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:31:20Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。