Core Concepts
속성 기반 다중 수준 주의 집중 네트워크(AG-MAN)를 제안하여 세부적인 패션 아이템 유사성 학습의 정확도를 향상시킴
Abstract
이 논문은 세부적인 패션 아이템 유사성 학습을 위한 속성 기반 다중 수준 주의 집중 네트워크(AG-MAN)를 제안한다. 기존 방법들은 이미지 분류 및 객체 탐지를 위해 사전 학습된 CNN 백본을 직접 사용하여 특징을 추출하였지만, 이로 인해 특징 간 격차 문제가 발생하였다.
이를 해결하기 위해 AG-MAN은 다음과 같은 방법을 제안한다:
사전 학습된 CNN 백본을 개선하여 다중 수준의 이미지 특징을 추출한다.
동일 속성을 가지지만 서로 다른 하위 클래스의 이미지를 같은 클래스로 분류하는 방식으로 객체 중심 특징 학습을 방해한다.
개선된 속성 기반 주의 집중 모듈(AGA)을 도입하여 더 정확한 속성 특정 표현을 추출한다.
제안 모델은 FashionAI, DeepFashion, Zappos50k 데이터셋에서 기존 모델들을 뛰어넘는 성능을 보였다. 특히 대표적인 ASENet V2 모델 대비 각각 2.12%, 0.31%, 0.78% 포인트 향상되었다.
Stats
두 셔츠의 네크라인이 크루넥과 브이넥으로 다르지만, 일반적인 패션 검색에서는 유사한 것으로 간주된다.
패션 산업의 성장과 모조품 증가로 인해 세부적인 유사성 분석 기술에 대한 수요가 증가하고 있다.
제안 모델은 FashionAI 데이터셋에서 ASENet V2 대비 2.12% 향상된 성능을 보였다.
제안 모델은 DeepFashion 데이터셋에서 ASENet V2 대비 0.31% 향상된 성능을 보였다.
제안 모델은 Zappos50k 데이터셋에서 ASENet V2 대비 0.78% 향상된 성능을 보였다.
Quotes
"패션 산업의 성장과 모조품 증가로 인해 세부적인 유사성 분석 기술에 대한 수요가 증가하고 있다."
"제안 모델은 FashionAI 데이터셋에서 ASENet V2 대비 2.12% 향상된 성능을 보였다."
"제안 모델은 DeepFashion 데이터셋에서 ASENet V2 대비 0.31% 향상된 성능을 보였다."
"제안 모델은 Zappos50k 데이터셋에서 ASENet V2 대비 0.78% 향상된 성능을 보였다."