En cliquant sur "Accepter ", vous acceptez que des cookies soient stockés sur votre appareil afin d'améliorer la navigation sur le site, d'analyser son utilisation et de contribuer à nos efforts de marketing. Consultez notre politique de confidentialité pour plus d'informations.
Open Datasets
DeepFashion (Large Scale Fashion)
Image

DeepFashion (Large Scale Fashion)

DeepFashion est un jeu de données de référence dans le domaine de la mode assistée par l’intelligence artificielle. Il regroupe des centaines de milliers d’images annotées de vêtements, permettant de développer des applications de reconnaissance visuelle, de recommandation personnalisée ou d’analyse de tendances.

Télécharger le dataset
Taille

Plus de 800 000 images au format JPEG avec annotations en JSON

Licence

Utilisable à des fins de recherche académique uniquement. Licence à consulter pour des usages commerciaux

Description


Le dataset DeepFashion comprend :

  • Plus de 800,000 images JPEG de vêtements en contexte varié (sur mannequin, isolés, en boutique…)
  • Des annotations en JSON pour :
    • Catégories (robe, pantalon, veste…)
    • Attributs de style (couleur, motifs, manches, etc.)
    • Points de repère (keypoints) pour alignement ou ajustement
    • Relations entre vêtements (haut/bas associés, ensembles visuels…

DeepFashion couvre un large éventail de styles, de coupes, et de contextes d’apparition des vêtements, permettant une généralisation efficace des modèles IA sur les usages liés à la mode.

À quoi sert ce dataset ?


DeepFashion est principalement utilisé pour :

  • L’entraînement de modèles de détection, classification ou reconnaissance de vêtements
  • L’amélioration des systèmes de recherche visuelle ou de recommandation personnalisée dans l’e-commerce
  • L’analyse de tendances vestimentaires et la segmentation stylistique
  • La détection et l’alignement automatique de vêtements dans des images ou vidéos

Peut-on l’enrichir ou l’améliorer ?


Oui, malgré sa richesse, DeepFashion peut être optimisé par :

  • L’ajout de contextes plus réalistes comme des scènes de rue ou des prises en mouvement
  • L’intégration de nouvelles catégories propres à certaines cultures ou tendances émergentes
  • Le couplage avec des descriptions textuelles pour créer des modèles multimodaux image/texte
  • L’annotation collaborative ou semi-supervisée de nouveaux points d’intérêt visuel (plis, tissus, accessoires)

🔗 Source : DeepFashion Dataset

Questions fréquemment posées

Quels types de modèles sont les plus couramment entraînés avec DeepFashion ?

Des modèles de classification multi-labels, de détection d’objets, de repérage de points-clés, et des réseaux de similarité pour la recommandation visuelle sont les plus fréquents. Les GANs y sont aussi utilisés pour la génération d’images stylisées.

DeepFashion couvre-t-il la mode masculine et féminine ?

Oui, même si une majorité des images sont orientées vers la mode féminine, le dataset inclut également des articles mixtes ou masculins. Pour un équilibre optimal, il peut être combiné à d’autres datasets spécialisés.

Comment utiliser DeepFashion pour la recherche de produits à partir d’une image ?

Il est possible d’entraîner un modèle de similarité visuelle à l’aide des annotations d’attributs et des relations d’éléments. Ce type de modèle peut ensuite suggérer des articles similaires à partir d’une photo utilisateur ou d’une image de référence.

Datasets similaires

Voir plus
Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

Category

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.