ICCV DeepFashion2比赛结果揭晓 美图影像实验室MTlab摘夺桂冠

  【天极网网络频道】近日，ICCV DeepFashion2 Challenge 2019发布了最新一次的比赛结果，首次参与DeepFashion系列比赛的MTlab(美图影像实验室)在服饰关键点估计及服饰检索中，斩获了服饰关键点估计(Landmark Estimation)赛道的冠军。

  据悉，DeepFashion2挑战是基于DeepFashion1和DeepFashion2这两个公开的数据集基础上的一次计算机视觉竞赛。现今，计算机视觉之所以在该领域中还未被广泛应用，其原因在于，在众多商业图片中检索衣服的准确性和效率仍然有很大的提高空间。

  而之所以此次结合DeepFashion1和DeepFashion2，原由是现有的DeepFashion1虽然是最大的时尚数据集，但仍存在一些自身缺点，如每个图像只有一个服装项目、稀疏的地标和姿势(每个服装类别共享4-8个关键点的相同定义)。而Deepfashion2的规模则更大，且具有全面的任务和时尚图像理解注释，包括衣服检测、地标估计、分割和检索四个任务。

  此次美图参与的是服饰关键点估计赛道，服饰关键点估计比赛包含193,000个图像训练数据，32,000个验证集图像数据，63,000个测试集图像数据。比赛任务中包含13个不同的服饰类别，每个类别都有独立的8到37个关键点，共计294个关键点。如何实现同时检测多个类别共294个关键点是此次比赛的难点之一。

  在本次比赛中，MTlab团队所建立的模型在综合检测精度上表现出明显优势，该模型可以同时对13个类别的服饰进行关键点估计，相较于多个模型而言，大大降低了算法复杂度以及使用成本。其次，该模型还具备良好的扩展性，通过类别信息的使用，可以一次应对多类别的数据。

  据MTlab介绍，服饰信息识别技术是人工智能算法在服饰电商、内容媒体和线下服装零售等行业实现应用落地的基础。当下，随着服装电商、信息检索、个性化推荐到智能试衣，以及服饰相关技术日趋成熟，未来美图将加速服饰相关技术算法的应用落地，将算法与更多的业务结合，对模型进行优化以适配不同的使用场景，为科技赋能商业增添了更多的可能性。