ICCV DeepFashion2服饰关键点估计比赛结果揭晓 美图影像实验室MTlab夺冠

  • 时间:
  • 浏览:0

近日,ICCV DeepFashion2 Challenge 2019表态了比赛结果,美图影像实验室MTlab凭借其在综合检测精度上的优势,以明显差距斩获服饰关键点估计(Landmark Estimation)赛道的冠军。DeepFashion2 Challenge此次共吸引18支国内外顶级技术团队参与,包括清华大学、阿里巴巴等知名企业及学术机构。MTlab首次参与DeepFashion系列比赛,旨在通过比赛与同行、学者进行厚度次的交流,学习并优化目标检测、关键点估计等相关算法,以提升服饰相关技术的性能水平。

据介绍,DeepFashion2 Challenge是基于DeepFashion1和DeepFashion2 公开数据集基础上的计算机视觉领域技术竞赛。今年的比赛分为有一个多 赛道,服饰关键点估计及服饰检索(Clothes Retrieval)。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蕴藏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。比赛任务蕴藏有1有一个不同的服饰类别,每个类别都在独立的8到37个关键点,共计29有一个多 关键点。要怎样实现一块儿检测多个类别共29有一个多 关键点是此次比赛的难点之一。此外,DeepFashion2蕴藏了各个请况下的服饰图像数据,否则提升模型对服饰厚度、尺度、遮盖请况的鲁棒性也是比赛的一大挑战,还要投入大量的研发精力。

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,该模型还都都后能 一块儿对1有一个类别的服饰进行关键点估计,相较于多个模型而言,大大降低了算法冗杂度以及使用成本。其次,该模型还具备良好的扩展性,通过类别信息的使用,还都都后能 一次应对多类别的数据。

MTlab作为美图公司的核心算法研发部门,在计算机视觉、厚度学习、增强现实等领域深耕多年,具备强大的研发实力。其中,基于服饰的计算机视觉技术也是MTlab重点研究方向之一。据悉,服饰信息识别技术目前已成功应用在美图秀秀动漫化身功能中,系统还都都后能 识别用户上传人像的服装风格,并匹配生成穿着同款服饰的卡通形象。谈及该技术未来的应用前景,MTlab负责人说道:“服饰作为衣食住行的有一个多 重要方面,是一项刚需。否则,与服饰相关的视觉识别技术,有着广泛的应用场景,比如时尚趋势分析、营销数据分析等,对商品精准推荐、服饰潮流捕捉等方面都在着重要意义。”

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。对于商家而言,该技术助于在实现数据智能化管理,平台智能化运营,降低人力成本的一块儿提高运营传输下行速率 。而对于用户来说,该技术还都都后能 为用户提供个性化推荐、智能搭配、虚拟试穿和一键购物等服务,有效提升了用户的购物体验。

从服装电商、信息检索、个性化推荐到智能试衣,服饰相关技术日趋成熟 图片 是什么是什么 图片 的句子图片 ,为科技赋能商业增添了更多的后来性。MTlab负责人对此表示:“未来亲戚亲戚他们他们 会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。一块儿也将充分利用该模型形态的可拓展性,服务于服饰以外的更多领域。”值得一提的是,美图公司于今年4月正式上线美图AI开放平台,否则已成功服务于诸多业务场景,包括医疗美容、美妆门店、智能硬件、移动互联网等领域。