Fashionpedia Dataset
Dataset visuel de mode dérivé de Fashionpedia, adapté à la détection et la recherche d’objets vestimentaires (tops, chaussures, sacs, etc.).
93'600 images (JPEG) avec annotations objets
Attribution 4.0 International (CC BY 4.0)
Description
Le dataset Fashionpedia est une version modifiée du jeu de données d’origine, axée sur la reconnaissance visuelle et la récupération d’objets liés à la mode. Il contient plus de 93'000 images street-style issues de catalogues en ligne, annotées selon des catégories comme les hauts, pantalons, chaussures et accessoires (sacs, montres, lunettes, etc.).
À quoi sert ce dataset ?
- Entraîner des modèles de détection d’objets pour la mode
- Construire des moteurs de recherche d’images basés sur la similarité (ex : CLIP)
- Développer des systèmes de recommandation visuelle de vêtements
Peut-on l’enrichir ou l’améliorer ?
Oui, le dataset peut être étendu avec des métadonnées comme la saison, le style ou les matériaux. Il est aussi possible de relier les objets détectés à des descriptions textuelles pour du vision-language learning. Des clusters par couleur ou morphologie peuvent également améliorer les résultats de recherche ou de recommandation.
🔎 En résumé
🧠 Recommandé pour
- Startups développant des produits AI pour la mode
- Moteurs de recherche mode
- Projets CLIP spécialisés
🔧 Outils compatibles
- YOLOv8
- CLIP
- Roboflow
- Detectron2
- OpenCV
💡 Astuce
Combinez ce dataset avec des descriptions textuelles générées automatiquement pour créer un système de correspondance image-texte.
Questions fréquemment posées
Peut-on utiliser ce dataset pour la classification de styles vestimentaires ?
Indirectement oui, en combinant les objets détectés avec des règles ou un modèle supervisé pour classer les styles (casual, sport, etc.).
Ce dataset est-il compatible avec les modèles CLIP ?
Oui, il est spécifiquement conçu pour des tâches visuo-textuelles, comme la recherche d’images par texte ou inversement.
Existe-t-il des annotations pour les couleurs ou textures ?
Non, les annotations se concentrent sur les catégories d’objets. Vous pouvez cependant les extraire via traitement d’image.
