摘要：DeepFashion店内服装检索数据集（调整版）是DeepFashion的In-shop Clothes Retrieval Benchmark的重组和重新标注版本，由香港中文大学多媒体实验室基于2016年CVPR论文《DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations》创建的原始数据集优化而来。
数据集简介
数据集概述
DeepFashion店内服装检索数据集（调整版）是DeepFashion的In-shop Clothes Retrieval Benchmark的重组和重新标注版本，由香港中文大学多媒体实验室基于2016年CVPR论文《DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations》创建的原始数据集优化而来。该调整版包含13,752对图像和掩码，针对原始数据的三个主要问题进行了改进：将复杂的深层文件层次结构重组为数据目录下的简单图像和掩码文件夹、将冗余的三通道掩码优化为单通道格式以减小存储空间、以及丢弃原始数据集中没有掩码的图像以确保数据完整性。数据集提供了实现这些任务的处理脚本，并附带使用示例Notebook。该数据集采用扁平化目录结构，确保图像与掩码一一对应，适用于服装检索系统、服装识别、图像分割、计算机视觉研究和电商应用。
数据结构与关键特征
数据集包含13,752对服装图像和对应的分割掩码，采用简化的扁平化目录结构，分为images和masks两个文件夹，消除了原始数据的深层文件层次。关键特征包括：完整的图像-掩码配对（每张图像都有对应的掩码，原始数据中缺失掩码的图像已被丢弃）、优化的掩码格式（从三通道减少为单通道，减小存储空间并提高处理效率）、即用型数据组织（扁平化结构便于直接加载和使用，无需复杂的路径解析）、大规模标注数据（13,752对提供充足的训练样本）、以及权威来源（基于CVPR 2016论文和香港中文大学多媒体实验室的DeepFashion项目）。数据集的重组优化使其相比原始版本更易于使用：简化的目录结构消除了深层嵌套带来的路径管理复杂性，单通道掩码减少了不必要的数据冗余（原始三通道掩码实际上每个通道都相同），数据清洗确保了图像和掩码的完整对应关系，避免了训练过程中的数据缺失问题。
应用价值与研究方向
该数据集在时尚AI、电商视觉搜索、图像分割和计算机视觉研究领域具有重要应用价值，可用于开发服装检索系统、服装识别工具、图像分割模型和电商推荐平台。研究方向包括：基于深度学习的服装检索算法、实例分割技术、服装属性识别、跨域服装搜索、度量学习在服装检索中的应用、服装图像生成、虚拟试衣、以及多模态学习（图像+文本描述）。数据集的图像-掩码配对设计特别适合研究服装区域分割、前景背景分离、以及基于分割的服装检索（先分割后检索提高准确率）。此外，该数据集还可扩展至服装风格识别、服装推荐系统、虚拟换装、时尚趋势分析等应用场景，为推动AI技术在时尚产业的应用、提升电商视觉搜索体验、支持虚拟试衣技术、改善服装推荐准确性提供重要的数据支撑和技术基础。数据集的重组优化降低了使用门槛，使研究者能够快速上手，13,752对的规模在服装数据集中属于中等偏大，足以训练深度学习模型，DeepFashion作为时尚AI领域的权威数据集，该调整版继承了其高质量标注和实用性。
数据集来源
该数据集源自香港中文大学多媒体实验室2016年CVPR论文《DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations》中的In-shop Clothes Retrieval Benchmark，由数据集创建者对原始深层文件结构进行重组、将三通道掩码优化为单通道、并清洗掉无掩码图像后生成，包含13,752对完整配对的服装图像和分割掩码，许可信息见http://mmlab.ie.cuhk.edu.hk/projects/DeepFashion/DeepFashionAgreement.pdf。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-240
文件大小：2G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)