DeepFashion：豊富なアノテーションによる堅牢な衣類認識および検索の実現

衣類認識の最近の進展は、衣類データセットの構築によって推進されてきた。既存のデータセットはアノテーションの量が限られており、実世界の応用における多様な課題に対応することが難しい。本研究では、包括的なアノテーションを備えた大規模な衣類データセット「DeepFashion」を紹介する。このデータセットは80万枚以上の画像を含み、店舗内、街頭のスナップショット、消費者撮影など、異なる状況下で撮影された画像について、大量の属性情報、衣類のランドマーク、および画像間の対応関係が豊富にアノテーションされている。このような豊富なアノテーションにより、衣類認識における強力なアルゴリズムの開発が可能となり、今後の研究を促進する基盤となる。DeepFashionの利点を示すために、本研究では新たな深層学習モデル「FashionNet」を提案する。FashionNetは、衣類の属性とランドマークを同時に予測することで、衣類特徴を学習する。得られたランドマークを用いて、学習された特徴をプーリングまたはゲート処理する。このモデルは反復的に最適化される。広範な実験により、FashionNetの有効性およびDeepFashionの有用性が確認された。