Watch fashion shows to tell clothing attributes

در این مقاله، ما یک روش نیمه نظارت جدید برای پیش بینی ویژگی های لباس با کمک داده های بدون برچسب، مانند نمایش مد، پیشنهاد می کنیم. برای این منظور، یک چارچوب دو مرحلهای ساخته شده است، یعنی مرحله قبل از آموزش شبکه سه گانه بدون نظارت، که کادرها را در همان ویدیو با داشتن نمایههای یکپارچه تضمین میکند، در حالی که فریمهایی از فیلمهای مختلف دارای فاصلههای بزرگتر از ویژگیها و مرحله پیشبینی صفات نظارت شده به تخمین ارزش مشخصه ها. به طور خاص، ابتدا لباس فریم ها را در جمع آوری 18،737 مد نشان می دهد که زنان و 21،224 مد نشان می دهد که حاوی برچسب اضافی نیستند. سپس یک شبکه عصبی سه گانه ساخته می شود که از طریق تعبیه سازگاری ظاهری بین فریم ها در همان ویدئو و شکاف نمایندگی در ویدیوهای مختلف ساخته شده است. در نهایت، ما پارامترهای مدل سه گانه را به مدل پیش بینی ویژگی های لباس چند منظوره انتقال می دهیم و آن را با تصاویر لباس هایی که دارای برچسب های صفت هستند، تنظیم می کنیم. آزمایش های گسترده نشان می دهد مزایای روش پیشنهادی در دو مجموعه داده های لباس.