用于FashionAI关键点检测的卷积姿态机（CPM）和特征金字塔网词（FPN）的Pytorch实现 该代码引用了github上其他人的一些想法，并且基于的纸上。 最终排名是56，得分为6.38％。 对于大一新生来说，这对我来说还不错：)您可以将代码作为基准解决方案。 有一些切实可行的结果，如下所示： 使用ResNet-50的CPM + FPN输出示例 您可以按照以下步骤重现我的结果。 步骤1 相依性 Python 3.5版 脾气暴躁的 大熊猫 火炬 cv2 tqdm Keras（TensorFlow后端） 资料准备 下载并将文件放入以下结构中： 步骤1：确保图像数据和注释位于折叠的“数据”中。数据目录结构如下： DATA_DIR/ |-- test/ | |-- test.csv | |-- Images/ | | |

fashionAI 服装关键点检测 ，给定五种类型的服装，采用人体姿态估计的方法检测关键点。最终结果排名24，CPN模型没有复现很好，略遗憾... 0.效果预览 1.模型 模型结合了HourGlass模型和CPN模型，其中HG堆叠了2个，另外在HG上采样过程的1/2大小的特征图上添加了热点图监督标签。 RGB图像送入两个分支网络分别计算，最后concat二者的特征图，具体结构如图所示。 添加了soft-argmax层，可以由热点图转化到具体的坐标值，用坐标值groundtruth监督学习 2.策略 最多只能使用两个不同参数的模型，检测模型也算。通过检测可以提高目标占比，提升效果。 使用第一级预测结果截取目标，为了防止截取不完整，向外扩展30像素，再训练第二级crop模型。 第一级模型testB线上4.17%，crop之后的模型testB线上4.05%，融合之后3.95%. 3.训练与预测细

FashionAI2018 服装属性标签识别 环境 caffe+keras python 2.7 numpy 1.14.2 opencv 3.4.0 cuda9.0 cudnn 7.0 文件说明： caffe部分： 使用InceptionV4举例，该网络在复赛中可以实现94.11的准确率。 训练网络使用training.sh 修改相应的路径，即Log、TOOLS、-weights后面的路径，其中，Inception-V4的pretrain-model请到下载 。 使用方法bash training.sh [solver][Class][GPU]。 solver ： solver文件路径，本代码中存放于solver文件夹 class： 类别名，用来命名log日志文件，即neck,collar... GPU ： GPU的型号，如0,1,2 2. caffe源码处理 ，并用文件中的src和inc

TianchiChallenge-3 天池FashionAI全球挑战赛：服饰属性标签识别 rank：41 /2950 The source code will be uploaded

FashionAI认可 天池大数据竞赛：FashionAI全球挑战赛-服饰属性标签识别竞赛源代码

TensorFlow中的沙漏，DHN和CPN模型用于2018年-天池服装AI关键点检测 该存储库包含TensorFlow的和用于的重新实现代码。 。 这里的CPN（层叠金字塔网络）和DHN（反卷积头网络）都有几个不同的主干：ResNet50，SE-ResNet50，SE-ResNeXt50， 或DetResNeXt50。 我还尝试了“以动态集成模型，尽管仅取得了有限的改进。 骨干网的预训练模型可以在这里找到： 介绍 这次比赛的主要目的是发现从阿里巴巴的电子商务平台收集的衣服形象的关键点。 总共有五种图像，共五个类别：上衣，外套，裤子，裙子，衣服。 每个类别的关键点定义如下。 几乎所有代

天池FashionAI全球挑战赛—服饰属性标签识别 总决赛TOP5的答辩PPT

阿里天池FashionAI服装属性标签图像识别Top1-5方案分享