Un protocollo di apprendimento delle caratteristiche d'immagine basato sulla topologia dei componenti dell'indumento a livello di immagine per il recupero di riferimenti progettuali

Jianhui Kong; Sitong Ye; Hangming Xie; Yuying He

doi:10.3791/72103

È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

Un protocollo di apprendimento delle caratteristiche d'immagine basato sulla topologia dei componenti dell'indumento a livello di immagine per il recupero di riferimenti progettuali

45 visualizzazioni

⸱

DOI:

10.3791/72103

⸱

1 settembre 2026

Jianhui Kong¹ , Sitong Ye¹ , Hangming Xie¹ , Yuying He¹

¹Keyi College of Zhejiang Sci-Tech University

In questo articolo

Sommario

Questo protocollo genera rappresentazioni dei capi d'abbigliamento consapevoli della struttura, integrando l'analisi semantica dei componenti, la modellazione della topologia, la codifica delle caratteristiche a doppio flusso e la fusione guidata dalla struttura. Consente ai ricercatori nel campo della visione artificiale e dell'abbigliamento di effettuare il reperimento di capi e il confronto con riferimenti di design in base all'organizzazione dei componenti e alla silhouette, piuttosto che al colore o alla trama.

Abstract

I metodi di recupero delle immagini di abbigliamento spesso enfatizzano colore e trama, il che può portare a confusione tra capi che condividono un aspetto simile ma differiscono per la disposizione dei componenti. Questo studio presenta un protocollo di apprendimento delle caratteristiche consapevole dei componenti per il recupero di immagini di capi di abbigliamento e il confronto di riferimenti progettuali. Il protocollo analizza le regioni semantiche del capo, costruisce un grafo dei componenti del capo a livello di immagine, codifica in parallelo aspetto e relazioni tra componenti, e fonde entrambe le rappresentazioni utilizzando perdite legate alla coerenza strutturale, alla relazione strutturale e alla discriminazione strutturale. Le immagini di DeepFashion2 vengono standardizzate a 512 x 512 pixel, analizzate con HRNet-W48, codificate con ResNet-50 e convoluzione su grafi, e valutate mediante recupero strutturale e clustering. Il modello completo ha raggiunto un indice di coerenza strutturale di 0,81, un indice di discriminazione strutturale di 0,71, un Recall@5 del 89,2%, una precisione media su tutte le classi (mean average precision) del 86,4% e un coefficiente di siluetta di 0,74. Il protocollo consente il recupero della struttura del capo, il confronto strutturale e la localizzazione delle differenze quando l'aspetto superficiale non rappresenta in modo affidabile la costruzione del capo.

Introduzione

Con il progressivo integramento della visione artificiale e dell'intelligenza artificiale nel settore dell'abbigliamento, l'analisi delle immagini di capi d'abbigliamento si è gradualmente estesa da compiti di riconoscimento di base ad analisi orientate al design e al supporto decisionale¹^,². Nel processo di progettazione dell'abbigliamento, la distinzione tra schemi progettuali dipende maggiormente dalla composizione strutturale e dalle relazioni tra componenti piuttosto che da semplici differenze nell'aspetto, rendendo l'espressività strutturale delle caratteristiche delle immagini di abbigliamento un fattore chiave nell'efficacia dell'analisi assistita dal design³^,⁴. Tuttavia, la maggior parte dei metodi visivi esistenti si basa ancora su texture, colore e contorni globali come caratteristiche principali, rendendo difficile analizzare in modo sistematico le gerarchie dei capi e le differenze costruttive durante il processo di progettazione⁵^,⁶. Pertanto, lo sviluppo di un metodo di apprendimento delle caratteristiche delle immagini consapevole della struttura è fondamentale per migliorare l'oggettività e la coerenza dell'analisi del design⁷. Questo protocollo è indicato quando i capi d'abbigliamento condividono colori, texture o contorni globali simili ma differiscono nell'organizzazione dei componenti, nei modelli di connessione o nella disposizione spaziale. In tali condizioni, le rappresentazioni centrate sull'aspetto tendono a posizionare vicini nello spazio delle caratteristiche design strutturalmente diversi, riducendo l'affidabilità del recupero e del confronto tra progetti. Il protocollo affronta compiti in cui le relazioni tra i componenti del capo costituiscono la base principale per il recupero strutturale, la valutazione del design e l'analisi delle differenze localizzate.

Per quanto riguarda la scala dei dati, la complessità del modello e la diversità dei compiti, le attuali ricerche sull'analisi e comprensione automatica delle immagini di abbigliamento hanno compiuto notevoli progressi⁸^,⁹. Tuttavia, nelle applicazioni pratiche, le informazioni strutturali dei capi di abbigliamento sono spesso incluse in modo implicito nei risultati di segmentazione o rilevamento e non vengono considerate nella modellazione unificata della fase di apprendimento delle caratteristiche, causando una mancanza di distinzione stabile tra diversi design strutturali nello spazio delle caratteristiche¹⁰^,¹¹. Le relazioni spaziali, i vincoli gerarchici e le strutture topologiche tra i componenti del capo non sono codificati esplicitamente, rendendo difficile per le rappresentazioni delle caratteristiche riflettere le differenze strutturali a livello di design¹²^,¹³. L'assenza di una modellazione strutturale esplicita limita la granularità analitica e l'affidabilità delle decisioni basate sulle caratteristiche delle immagini di abbigliamento in scenari di supporto alla progettazione, costituendo un ostacolo significativo allo sviluppo di sistemi di design intelligenti dotati di una comprensione semantica più profonda¹⁴.

Per supportare l'apprendimento e l'analisi delle caratteristiche delle immagini di abbigliamento, studi precedenti hanno esplorato diverse direzioni tecnologiche¹⁵. I metodi di segmentazione semantica e di analisi dei capi d'abbigliamento hanno permesso una delimitazione fine delle regioni e dei componenti dei capi attraverso annotazioni a livello di pixel, fornendo una base per l'estrazione di informazioni strutturali¹⁶^,¹⁷. I metodi di recupero di capi d'abbigliamento basati su query immagine hanno integrato fusione di topologia e colore/texture, allineamento dell'attenzione globale e locale, analisi dei capi, rappresentazioni multiscala e multilivello, nonché attenzione residua con selezione delle caratteristiche. Questi metodi affrontano ricerche nel catalogo, abbinamento da consumatore a negozio, recupero di prodotti cross-domain e ricerca visiva nel commercio elettronico. I loro contesti applicativi sono strettamente legati al recupero di riferimenti per il design, poiché ciascun metodo ordina le immagini dei capi in base a una query visiva, anche se le loro rappresentazioni non conservano le relazioni di adiacenza tra componenti tipizzati e l'ordine verticale durante tutta la fusione delle caratteristiche¹⁸^,¹⁹^,²⁰. Nel frattempo, la ricerca in scenari di design e raccomandazione ha gradualmente introdotto fusione multimodale, modellazione delle relazioni e analisi dello stile, ampliando i confini applicativi delle caratteristiche visive dell'abbigliamento²¹^,²². Sebbene questi metodi abbiano compiuto progressi nei rispettivi compiti, le loro caratteristiche principali si basano ancora in larga misura su descrizioni dell'aspetto, e le informazioni strutturali non sono state modellate in modo uniforme come vincolo intrinseco per l'apprendimento delle caratteristiche, rendendo difficile soddisfare le esigenze di assistenza al design dell'abbigliamento in termini di allineamento strutturale e confronto strutturale²³.

Per affrontare la limitata capacità di differenziazione strutturale nell'assistenza alla progettazione di capi d'abbigliamento, questo articolo propone un metodo di apprendimento delle caratteristiche delle immagini basato sulla percezione della struttura del capo. Questo metodo incorpora i risultati dell'analisi del capo e informazioni chiave sulla struttura nella fase iniziale di input dell'immagine del capo, modellando congiuntamente le regioni dei componenti del capo, le relazioni spaziali e le connessioni gerarchiche. La codifica delle relazioni strutturali e l'allineamento delle caratteristiche visive integrano esplicitamente vincoli del capo nel processo di apprendimento delle caratteristiche, producendo una rappresentazione che preserva sia l'aspetto visivo sia la coerenza strutturale. Questa caratteristica descrive le differenze strutturali dei capi all'interno di uno spazio unificato, fornendo una base stabile per analisi successive di similarità strutturale, clustering strutturale e decisioni assistite nella progettazione, alleviando così il problema di confusione delle caratteristiche causato dalla mancanza di modellazione strutturale nei metodi esistenti. A differenza delle strategie generali di recupero visivo che trattano l'informazione strutturale come attributi ausiliari debolmente connessi, questo framework costruisce un meccanismo di modulazione delle caratteristiche centrato sulle relazioni topologiche. Il meccanismo favorisce una rappresentazione appresa che segue l'organizzazione visibile delle regioni del capo riducendo al contempo le risposte dominate dalla trama. Ogni nodo del grafo rappresenta una regione semantica a livello di immagine, e ogni relazione del grafo descrive un'adiacenza visibile o una posizione relativa normalizzata nel piano dell'immagine. L'embedding risultante supporta il confronto tra la disposizione dei componenti e l'organizzazione della sagoma in diverse immagini di capi. Queste regioni e relazioni non corrispondono a pezzi di cartamodelli, cuciture, punti di riferimento costruttivi o parametri di gradazione. Rispetto ai metodi di recupero basati sull'aspetto, il protocollo mantiene esplicitamente la topologia dei componenti durante l'intero processo di apprendimento delle caratteristiche, piuttosto che trattare l'informazione strutturale come risultato di un'analisi successiva. Rispetto agli approcci che introducono indizi strutturali soltanto come input ausiliari, la codifica a doppio flusso e la fusione coerente con la topologia preservano le relazioni geometriche riducendo al contempo le risposte dominate dalla trama. La rappresentazione risultante supporta il recupero della struttura del capo, il clustering strutturale, la selezione di riferimenti per la progettazione e l'analisi localizzata delle differenze di design, fornendo al contempo evidenze a livello di componente interpretabili all'interno del processo di progettazione del capo. La ricerca pertinente a questo protocollo comprende l'apprendimento delle caratteristiche nelle immagini di abbigliamento, la modellazione della struttura del capo, la rappresentazione consapevole della struttura e l'analisi visiva per l'assistenza alla progettazione dell'abbigliamento.

A livello di rappresentazione delle caratteristiche, la ricerca sulle immagini di abbigliamento si è a lungo concentrata sulla modellazione dell'aspetto, sull'estrazione di caratteristiche profonde e sulla rappresentazione multiscala²⁴^,²⁵. I primi lavori utilizzavano reti neurali convoluzionali per eseguire una modellazione end-to-end delle immagini di abbigliamento per compiti di classificazione, recupero e abbinamento di similarità²⁶^,²⁷. Successivamente, sono state introdotte la fusione di caratteristiche multiscala e l'apprendimento cross-domain per attenuare le differenze nelle immagini di abbigliamento in condizioni diverse di angolazione, posa e ripresa²⁸^,²⁹. Nei compiti di recupero, sono stati impiegati meccanismi di attenzione e strategie di compressione delle caratteristiche per migliorare la discriminatività delle caratteristiche e l'efficienza computazionale³⁰^,³¹. Questi metodi raggiungono una discriminazione dell'aspetto affidabile, ma i loro processi di apprendimento delle caratteristiche si concentrano ancora sull'informazione visiva globale e mancano di rappresentazioni sistematiche delle strutture interne dei capi d'abbigliamento³². I metodi di recupero di moda compositi combinano ulteriormente un'immagine di riferimento con istruzioni testuali di modifica, ma la loro modalità di interrogazione differisce dal protocollo basato esclusivamente su immagini analizzato in questo studio. Tali approcci vengono esaminati come direzione correlata nel recupero commerciale e non sono inclusi nel confronto quantitativo, poiché l'input testuale aggiuntivo impedirebbe una valutazione controllata basata esclusivamente sull'immagine.

Poiché l'analisi delle immagini di abbigliamento si è spostata dal riconoscimento dell'aspetto alla comprensione strutturale, la ricerca si è concentrata sempre di più sulla modellazione dei componenti dei capi, delle relazioni geometriche e delle connessioni topologiche³³. Le reti di segmentazione semantica hanno permesso un'analisi a livello di componente del capo d'abbigliamento attraverso la proiezione di caratteristiche e meccanismi di attenzione multipla, fornendo una base affidabile per l'estrazione di informazioni strutturali³⁴^,³⁵. Metodi basati sulla rilevazione di punti chiave e sulla modellazione della topologia strutturale hanno ulteriormente caratterizzato il rapporto tra i contorni del capo e le strutture locali, potenziando la capacità del modello di rappresentare le caratteristiche geometriche dei vestiti³⁶^,³⁷. Alcuni studi hanno introdotto strutture a grafo e reti di ragionamento relazionale per modellare le relazioni tra i componenti dell'abbigliamento, migliorando così le prestazioni nel riconoscimento fine e nel reperimento cross-domain³⁸^,³⁹. Questi lavori hanno confermato il ruolo importante delle informazioni strutturali nell'analisi visiva, ma finora la struttura è stata utilizzata principalmente come caratteristica ausiliaria o risultato intermedio, senza che sia stata sviluppata una rete di apprendimento delle caratteristiche centrata su vincoli strutturali⁴⁰.

Nell'ambito dell'assistenza alla progettazione di abbigliamento, questi sviluppi hanno sostenuto raccomandazioni di design, analisi dello stile, costruzione di sistemi interattivi e valutazione del design orientata alla struttura⁴¹. La ricerca sui sistemi di raccomandazione ha ottenuto abbinamenti di capi d'abbigliamento e raccomandazioni personalizzate integrando caratteristiche visive con le preferenze degli utenti⁴². I lavori relativi all'assistenza alla progettazione hanno esplorato nuove strade per il supporto intelligente al design combinando modelli generativi, modellazione dello stile e meccanismi di collaborazione uomo-computer⁴³. La ricerca su provini virtuali, misurazione delle taglie e trasferimento di stile ha ampliato l'applicazione dell'analisi visiva dell'abbigliamento in tutto il processo di progettazione e produzione. Sebbene questi studi abbiano arricchito le forme tecniche di assistenza alla progettazione di abbigliamento, le loro caratteristiche visive principali sono ancora guidate principalmente dall'aspetto e mancano di una rappresentazione unificata della struttura del design per l'analisi. Al contrario, questo articolo considera la struttura del capo d'abbigliamento come vincolo fondamentale nella rappresentazione delle caratteristiche e fornisce un metodo di rappresentazione visiva per l'analisi strutturale nell'assistenza alla progettazione di abbigliamento.

Nonostante questi sviluppi, i metodi recenti nella progettazione generativa spesso trattano le condizioni strutturali come matrici di guida spaziale approssimativa all'interno dei processi di diffusione. I moderni framework di analisi strutturale rappresentano le topologie come etichette semantiche ausiliarie, separate dallo spazio primario di incorporamento visivo. Il framework proposto modifica questo meccanismo definendo un vincolo topologico basato su grafi con priorità che modula esplicitamente l'apprendimento delle caratteristiche visive a livello di componente. L'obiettivo di coerenza multilivello incoraggia che capi d'abbigliamento con layout simili a livello di componente nell'immagine rimangano vicini nello spazio delle caratteristiche, separando al contempo capi con diverse organizzazioni delle regioni visibili. Tale obiettivo riduce la dipendenza dalla trama nell'ambiente di recupero valutato, ma non stabilisce invarianza rispetto a cambiamenti nel materiale, nella posa o nello sfondo. Il protocollo deve essere selezionato quando l'immagine in ingresso contiene un capo d'abbigliamento singolo sufficientemente visibile, i componenti semantici mantengono confini identificabili e l'obiettivo analitico richiede un confronto strutturale a livello di componente piuttosto che un riconoscimento di categoria grossolano. È destinato a ricercatori nel campo della visione artificiale, ricercatori nel design dell'abbigliamento e team di sviluppo digitale di capi d'abbigliamento impegnati in analisi visive sensibili alla struttura. Non è destinato a compiti incentrati esclusivamente sul riconoscimento di colore o materiale, né a immagini in cui la topologia del capo è in gran parte oscurata. Il protocollo seguente presenta il flusso di lavoro dalla preparazione del dataset e dalla mappatura delle probabilità semantiche alla costruzione delle relazioni geometriche, alla codifica delle caratteristiche a doppio flusso, alla fusione guidata dalla struttura e all'ottimizzazione basata sulla coerenza. L'intero flusso di lavoro è riassunto in Figura 1.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio utilizza set di dati pubblici di immagini di capi d'abbigliamento e non prevede il reclutamento di partecipanti umani, la raccolta di informazioni personalmente identificabili, esperimenti su animali o l'uso di materiali biologici. L'approvazione etica da parte dell'istituto e il consenso informato non sono applicabili.

1. Ambiente software e configurazione del progetto

Collocare i file del progetto rilasciati in una directory con spazio di archiviazione sufficiente e aprire un terminale nella directory principale del progetto.
Eseguire conda env create -f environment.yml per creare l'ambiente software. Eseguire conda activate garment_structure per attivare l'ambiente.
Eseguire python --version, conda --version, pip show numpy, pip show torch, pip show torchvision e nvidia-smi. Salvare l'output completo dei comandi in software_versions.txt.
Utilizzare lo stesso ambiente registrato per la pre-elaborazione, il training, l'inferenza, la misurazione dell'efficienza e la valutazione. Registrare nello stesso file il nome del file checkpoint HRNet-W48, il valore SHA-256, l'identificativo dei pesi preaddestrati di ResNet-50 su ImageNet e il relativo valore SHA-256, la fonte del rilascio di DeepFashion2 e l'identificativo del repository del codice sorgente.
Creare le directory data_raw, data_processed, parser_outputs, structural_priors, feature_outputs, checkpoints, logs e evaluation_results all'interno della directory principale del progetto.
Aprire configs/protocol.yaml. Inserire la directory di DeepFashion2 in dataset_root, il percorso del checkpoint preaddestrato di HRNet-W48 in parser_checkpoint e la directory di output del progetto in output_root.
Impostare input_height a 512, input_width a 512, batch_size a 32, structural_categories_per_batch a 8, samples_per_category a 4, random_seed a 42, feature_dimension a 512, structural_constraint_weight a 1,0, structural_relationship_weight a 0,5, structural_discrimination_weight a 1,0 e separation_threshold a 0,3.
Impostare l'ottimizzatore su discesa del gradiente stocastica mini-batch. Impostare initial_learning_rate a 0,0001, momentum a 0,9, weight_decay a 0,0005, max_epochs a 120, learning_rate_schedule a decadimento multi-step e learning_rate_decay_factor a 0,1. Inserire le epoche di decadimento verificate utilizzate dalla configurazione rilasciata in learning_rate_milestones.
Eseguire python tools/export_experiment_tables.py --config configs/protocol.yaml --output evaluation_results. Esportare la configurazione completa del modello in model_setting_statistics.csv. Verificare che il file esportato registri le dimensioni dell'immagine in ingresso, il formato di ingresso, la composizione del batch, l'ottimizzatore, il tasso di apprendimento, la pianificazione del tasso di apprendimento, il numero di epoche, il weight decay, il momentum, le probabilità di aumento, la dimensione delle caratteristiche, i pesi delle perdite strutturali, la soglia di separazione, i semi casuali, la regola di selezione dei checkpoint e il numero di esecuzioni indipendenti.
Output previsto: verificare che l'ambiente software si avvii senza errori di dipendenza, che software_versions.txt contenga il record dell'ambiente, che tutte le directory di output esistano e che configs/protocol.yaml contenga percorsi assoluti e impostazioni numeriche valide.
NOTA: utilizzare lo stesso ambiente e file di configurazione durante l'elaborazione dei dati, il training del modello, l'inferenza e la valutazione. Conservare una copia di configs/protocol.yaml con ogni checkpoint addestrato.
RISOLUZIONE DEI PROBLEMI: se la creazione dell'ambiente si interrompe perché un pacchetto non è disponibile, rimuovere l'ambiente incompleto, verificare i canali del pacchetto in environment.yml e ricreare l'ambiente. Se nvidia-smi non rileva una unità di elaborazione grafica, interrompere il training del modello e ripristinare il driver grafico e il runtime CUDA. Se durante l'esecuzione appare un errore di directory, sostituire i percorsi relativi con percorsi assoluti e verificare i permessi di scrittura per output_root.

2. Accettazione delle immagini in ingresso, costruzione del dataset e pre-elaborazione

Utilizzare esclusivamente file con estensioni JPG, JPEG o PNG. Utilizzare immagini RGB a 8 bit contenenti un singolo capo principale.
Mantenere immagini RGB a 8 bit con larghezza e altezza di almeno 512 pixel e un capo principale identificabile. Scartare un'immagine quando l'area del capo in primo piano occupa meno del 15% dell'area totale dell'immagine, quando oltre il 5% del bordo della maschera del capo coincide con il bordo dell'immagine, quando un'area di un secondo capo supera il 10% dell'area del capo principale, quando l'area stimata di occlusione supera il 20% della maschera del capo principale, o quando la varianza della risposta del Laplaciano è inferiore a 100.
Registrare l'identificativo dell'immagine, il valore misurato, la regola di esclusione attivata e il percorso dell'annotazione in excluded_samples.csv.
Applicare le regole di accettazione degli input alle immagini sorgenti di DeepFashion2 prima dell'etichettatura strutturale e della suddivisione dei dati. Registrare ogni identificativo di immagine accettata o scartata, la suddivisione originale del dataset, l'identificativo dell'annotazione del capo, l'identificativo della coppia sorgente, il rapporto tra l'area in primo piano e l'area totale, il rapporto di contatto con il bordo, il rapporto di occlusione, il punteggio di sfocatura e lo stato finale di conservazione in data_filtering_manifest.csv.
Eseguire python tools/prepare_data.py --config configs/protocol.yaml.
Leggere il riquadro delimitatore del capo dall'annotazione del dataset. Estendere il riquadro del 5% della sua larghezza e altezza, senza superare i confini dell'immagine.
Ritagliare la regione del capo, mantenere il rapporto d'aspetto originale, aggiungere padding con zeri per ottenere un'immagine quadrata e ridimensionare l'immagine con padding a 512 x 512 pixel.
Convertire l'immagine ridimensionata in un tensore RGB con valori in virgola mobile. Dividere ogni valore di pixel per 255.
Normalizzare i canali rosso, verde e blu utilizzando medie rispettivamente di 0.485, 0.456 e 0.406 e deviazioni standard di 0.229, 0.224 e 0.225.
Applicare il ribaltamento orizzontale con probabilità 0.5 e la cancellazione casuale con probabilità 0.2 alle immagini di addestramento. Applicare solo ritaglio, padding, ridimensionamento e normalizzazione deterministici alle immagini di validazione e di test.
Eseguire python tools/assign_structural_levels.py --config configs/protocol.yaml dopo aver generato le mappe dei componenti a sette canali e le matrici di confine condiviso e di ordine verticale. Per ogni immagine conservata, calcolare il numero di nodi attivi, il numero di componenti connesse, il numero di nodi ramificati, il numero di cicli indipendenti e il percorso verticale diretto più lungo. Definire un nodo ramificato come un nodo attivo collegato ad almeno altri tre nodi attivi nel grafo del confine condiviso.
Assegnare S1 quando il grafo è connesso, non contiene cicli indipendenti, non contiene nodi ramificati e ha un percorso verticale più lungo di non più di due archi. Assegnare S2 quando il grafo è connesso, non contiene cicli indipendenti, contiene esattamente un nodo ramificato e ha un percorso verticale più lungo di non più di due archi. Assegnare S3 quando il grafo è connesso, non contiene cicli indipendenti e contiene almeno due nodi ramificati o un percorso verticale di almeno tre archi. Assegnare S4 quando il grafo è connesso, contiene esattamente un ciclo indipendente e ha un percorso verticale di non più di due archi. Assegnare S5 quando il grafo contiene almeno due cicli indipendenti oppure un ciclo indipendente insieme a un percorso verticale di almeno tre archi.
Applicare le regole nell'ordine S5, S4, S3, S2 e S1 e salvare le statistiche del grafo calcolate, il livello assegnato e l'identificativo della regola in structural_level_manifest.csv.
Generare automaticamente le etichette preliminari S1–S5 a partire dalle maschere dei componenti e dalle matrici di relazione salvate. Contrassegnare un campione come strutturalmente ambiguo quando il suo grafo dei componenti contiene più di una componente connessa, quando la probabilità massima media all'interno del primo piano del capo è inferiore a 0,60, quando un componente attivo occupa meno dell'1% del primo piano del capo, o quando il livello strutturale assegnato cambia dopo aver modificato la larghezza del contatto con il bordo da un pixel a due pixel.
Sottoporre ogni campione ambiguo a due autori per un'ispezione indipendente dell'immagine sorgente, della mappa dei componenti, della matrice di confine condiviso, della matrice di ordine verticale e del grafo preliminare. Mantenere l'etichetta se le due ispezioni concordano. In caso di disaccordo, sottoporre il campione a un terzo autore e utilizzare la decisione della maggioranza come etichetta finale. Escludere un campione se non viene recuperata una relazione di componente stabile dopo la revisione. Registrare l'etichetta automatica, le etichette di revisione, il motivo del disaccordo, l'etichetta finale e lo stato di esclusione in structural_label_audit.csv.
Calcolare il valore SHA-256 di ogni file sorgente conservato e calcolare un hash percettivo a 64 bit a partire del ritaglio normalizzato del capo. Inserire immagini con valori SHA-256 identici nello stesso gruppo di duplicati esatti. Inserire immagini i cui hash percettivi hanno una distanza di Hamming non superiore a quattro nello stesso gruppo di duplicati simili, dopo aver verificato che provengano dalla stessa istanza del capo.
Unire tutte le immagini che condividono lo stesso identificativo di coppia sorgente di DeepFashion2 o la stessa identità del capo in un unico gruppo sorgente. Salvare gli hash dei file, gli hash percettivi, gli identificativi sorgente e gli identificativi dei gruppi di duplicati in duplicate_group_manifest.csv.
Eseguire la suddivisione dei dati a livello di gruppo sorgente piuttosto che a livello di singola immagine. Assegnare interamente ogni gruppo di duplicati esatti, di duplicati simili e di identità sorgente a un unico sottoinsieme. Dopo la suddivisione, verificare tutte le coppie tra sottoinsiemi e registrare ogni conflitto di identità, di hash o di hash percettivo rilevato in leakage_audit.csv. Ricostruire i manifesti finché leakage_audit.csv non contiene più record non risolti tra sottoinsiemi.
Stratificare i gruppi sorgente in base alle etichette finali S1-S5 e assegnare gruppi completi ai sottoinsiemi di addestramento, validazione e test secondo l'allocazione verificata mostrata in Tabella 1. Riportare il numero esatto di immagini e di gruppi sorgente per ogni livello strutturale e sottoinsieme.
Calcolare le percentuali effettive di addestramento, validazione e test a partire dal coorte finale conservato, piuttosto che dal dataset non filtrato. Non utilizzare immagini di validazione, di test, immagini ambigue escluse o immagini appartenenti ai loro gruppi di duplicati durante l'apprendimento dei parametri, la determinazione delle soglie, l'aggiustamento delle regole di livello strutturale o la selezione dei checkpoint.
Salvare le immagini elaborate in data_processed/images. Salvare train_manifest.csv, validation_manifest.csv, test_manifest.csv, pair_manifest.csv e structural_level_manifest.csv in data_processed/manifests.
Leggere le etichette strutturali finali, lo stato di revisione, gli identificativi dei gruppi di duplicati, gli identificativi dei gruppi sorgente e le etichette dei sottoinsiemi dai manifesti elaborati. Contare i campioni automaticamente accettati, i campioni revisionati manualmente, le esclusioni per ambiguità, le esclusioni per duplicati, i gruppi sorgente, le immagini di addestramento, di validazione e di test per S1 fino a S5.
Calcolare i rapporti effettivi tra sottoinsiemi, il numero medio di nodi attivi, il numero medio di nodi ramificati, il numero medio di cicli indipendenti, la profondità media dell'ordine verticale e il numero medio di archi tipizzati. Salvare le statistiche complete in evaluation_results/dataset_statistics.csv.
Output previsto: Verificare che ogni immagine accettata sia un'immagine RGB a 8 bit di dimensioni 512 x 512 pixel e abbia un record di filtraggio, un'etichetta finale di livello strutturale, un identificativo di gruppo sorgente, un identificativo di gruppo di duplicati, un'etichetta di sottoinsieme e un percorso di annotazione valido. Verificare che ogni campione ambiguo abbia un record completo di revisione. Verificare che nessun identificativo sorgente, gruppo di duplicati esatti, gruppo di duplicati simili o identità del capo compaia in più di un sottoinsieme. Verificare che i conteggi delle immagini in train_manifest.csv, validation_manifest.csv, test_manifest.csv e dataset_statistics.csv siano identici.
NOTA: Conservare le immagini originali non elaborate in data_raw. Non applicare l'aumentazione casuale alle immagini di validazione o di test.
RISOLUZIONE DEI PROBLEMI: Se il ritaglio rimuove un colletto, una manica, un orlo o una gamba dei pantaloni, ripristinare l'annotazione originale e aumentare il margine del bordo conservato. Se un capo appare stirato, verificare che il padding quadrato sia presente prima del ridimensionamento. Se un'immagine elaborata contiene un solo canale o quattro canali, convertire il file sorgente in RGB a 8 bit e rieseguire la pre-elaborazione. Se compaiono identificativi duplicati tra i sottoinsiemi, ricostruire tutti i manifesti dei sottoinsiemi prima dell'addestramento.

3. Analisi delle componenti visive con restrizione al primo piano e mappatura della probabilità

Eseguire python tools/parse_components.py --config configs/protocol.yaml.
Caricare il checkpoint preaddestrato HRNet-W48 per l'analisi semantica degli indumenti da parser_checkpoint. Verificare che il checkpoint produca le categorie di componenti dell'indumento definite dalla mappatura delle annotazioni del dataset. Impostare la rete di analisi semantica in modalità di valutazione e disabilitare il calcolo del gradiente.
Leggere le immagini elaborate da train_manifest.csv, validation_manifest.csv e test_manifest.csv in sequenza.
Estrarre un tensore di risposta semantica a sette canali da ogni immagine in ingresso e impostare K a sette per l'intero flusso di lavoro. Utilizzare l'ordine fisso delle categorie: Regione del Bordo Superiore, Regione del Collo, Regione del Corpetto, Regione Inferiore Sinistra dell'Indumento, Regione Inferiore Destra dell'Indumento, Regione Centrale Inferiore dell'Indumento e Regione dell'Orlo. Mantenere questo ordine nelle mappe di probabilità, matrici dei componenti, matrici dei grafi, matrici delle caratteristiche, file dei manifesti e file di visualizzazione.
Applicare la funzione softmax lungo la dimensione del canale per generare la mappa di probabilità P dei componenti semantici. Verificare che le probabilità su tutti i K canali sommino a uno in ogni pixel entro una tolleranza di 0,0001.
Caricare la maschera del primo piano dell'indumento dalle annotazioni del dataset e allinearla con l'immagine elaborata di dimensioni 512 x 512. Impostare a zero la probabilità di ogni componente al di fuori del primo piano dell'indumento. Rinormalizzare le probabilità dei componenti all'interno della maschera del primo piano lungo la dimensione del canale.
Verificare che ogni regione attiva del componente rimanga all'interno del primo piano dell'indumento. Rifiutare il campione analizzato se una regione colorata del componente si estende sul muro, pavimento, tenda o altre aree di sfondo. Registrare l'identificativo dell'immagine rifiutata e l'errore di analisi in parsing_quality_log.csv.
Calcolare il rapporto di copertura del primo piano per ogni componente e segnalare i componenti con regioni frammentate o aree isolate non supportate per un controllo manuale.
Salvare il tensore di risposta semantica in parser_outputs/logits. Salvare la mappa di probabilità in parser_outputs/probability_maps. Salvare un'anteprima colorata del componente in parser_outputs/previews.
Output previsto: Confermare che ogni immagine accettata produca una mappa di probabilità a sette canali limitata al primo piano con dimensioni spaziali di 512 x 512 pixel, un tensore di risposta semantica a sette canali e un'immagine di anteprima. Confermare che gli indici dei canali da uno a sette seguano l'ordine fisso dei componenti definito al punto 3.4. Confermare che tutte le regioni colorate dei componenti rimangano all'interno del primo piano dell'indumento e che i pixel di sfondo abbiano probabilità zero per ogni componente. Confermare che l'identificativo del file corrisponda alla voce corrispondente nel manifesto di origine.
NOTA: Mantenere le probabilità continue dei componenti all'interno del primo piano dell'indumento durante la modellazione strutturale. Trattare le regioni risultanti come aree di analisi visiva. Non interpretare i loro contorni come linee di cucitura, linee di taglio, contorni dei pezzi della modellistica, pince, tacche o riferimenti di gradazione.
GUIDA ALLA RISOLUZIONE DEI PROBLEMI: Se tutti i canali mostrano probabilità quasi uniformi, verificare parser_checkpoint, l'ordine dei canali RGB e la normalizzazione dell'immagine. Se un componente risulta assente in un intero sottoinsieme, confrontare l'indice dell'annotazione con l'indice del canale nell'output del parser. Se i colori dei componenti si estendono sullo sfondo, verificare l'allineamento della maschera del primo piano, le impostazioni di interpolazione e le coordinate delle annotazioni prima della costruzione del grafo. Se una regione visiva si estende su più aree dell'indumento non correlate, segnalare il campione come errore di analisi ed escluderlo dalla generazione del modello strutturale. Se le probabilità dei canali non sommano a uno, applicare la funzione softmax lungo la dimensione del canale e non lungo le dimensioni spaziali. Se manca un file di output, individuare l'ultimo identificativo elaborato nel log del parser e riprendere l'analisi dal successivo identificativo.

4. Modellizzazione della geometria dei componenti a livello di immagine e delle relazioni spaziali

Caricare il tensore delle caratteristiche visive superficiali e la corrispondente mappa di probabilità P per ogni immagine.
Moltiplicare ogni vettore di caratteristiche spaziali per la probabilità assegnata al componente semantico corrispondente.
Sommare i vettori di caratteristiche pesati sulle dimensioni spaziali e dividere la somma per la massa totale di probabilità del componente.
Assegnare un vettore nullo e un indicatore di nodo inattivo a qualsiasi componente con massa di probabilità nulla.
Applicare la normalizzazione L2 a ogni embedding del componente attivo e impilare gli embedding secondo l'ordine fisso dei componenti semantici.
Calcolare le coordinate del centro nel piano immagine orizzontale e verticale di ciascun componente visivo a partire dalla sua distribuzione di probabilità limitata al primo piano. Normalizzare le coordinate per la larghezza e l'altezza dell'immagine.
Calcolare l'estensione orizzontale e verticale nel piano immagine di ciascun componente visivo nello stesso sistema di coordinate normalizzato. Utilizzare questi valori soltanto per descrivere l'estensione della regione visibile nell'immagine elaborata.
Creare sette nodi del grafo secondo l'ordine fisso dei componenti e mantenere i componenti inattivi come nodi nulli. Costruire una matrice condivisa di dimensione 7 × 7 basata sul contatto a otto vicini tra le maschere dei componenti del primo piano. Costruire una matrice verticale di ordine 7 × 7 utilizzando le relazioni fisse da Upper Trim Region a Neckline Region, da Neckline Region a Bodice Region, da Bodice Region a ciascuna regione dell'indumento inferiore e da ciascuna regione dell'indumento inferiore a Hem Region. Memorizzare ogni relazione valida in entrambe le direzioni.
Aggiungere un autoanello per ogni nodo attivo prima della convoluzione del grafo e mantenere a zero le relazioni connesse ai nodi inattivi.
Calcolare lo spostamento relativo del centro e la dispersione spaziale relativa tra ogni coppia ordinata di componenti semantici. Impilare i valori geometrici per coppie per formare il tensore delle relazioni geometriche.
Calcolare il prodotto scalare tra ogni coppia di embedding normalizzati dei componenti. Applicare la funzione softmax per riga alla matrice di similarità risultante e utilizzare i valori come pesi delle relazioni.
Moltiplicare il tensore delle relazioni geometriche per i pesi delle relazioni corrispondenti e aggregare le relazioni pesate per ogni componente.
Salvare la matrice di embedding dei componenti, la matrice dei centri dei componenti, la matrice di dispersione spaziale, la matrice di confine condiviso, la matrice di ordine verticale, la matrice di autoanello, la matrice dei pesi delle relazioni, la maschera dei nodi inattivi, la mappatura delle etichette dei componenti e la rappresentazione della struttura a priori in structural_priors. Salvare ogni matrice con sette righe e sette colonne, quando applicabile. Il processo completo di costruzione, dalla mappa dei componenti limitata al primo piano alla rappresentazione a priori della topologia dei componenti dell'indumento a livello immagine, è mostrato in Figura 2.
Generare l'overlay del grafo dei componenti per ogni campione di visualizzazione a partire dalla mappa di probabilità limitata al primo piano, dalla matrice dei centri dei componenti, dalla matrice di adiacenza tipizzata, dalla maschera dei nodi inattivi e dalla mappatura delle etichette dei componenti.
Posizionare ogni nodo attivo al centro del componente corrispondente. Disegnare archi continui per i confini condivisi nel primo piano e archi tratteggiati per le relazioni di ordine verticale predefinite.
Salvare ogni overlay del grafo in structural_priors/visualizations utilizzando l'identificativo dell'immagine sorgente. Registrare il percorso dell'immagine sorgente, il percorso della mappa di probabilità, il percorso della matrice dei centri dei componenti, il percorso della matrice di adiacenza tipizzata, il percorso della maschera dei nodi inattivi, l'identificativo del checkpoint di analisi semantica e il percorso dell'overlay del grafo in component_graph_visualization_manifest.csv.
Risultato previsto: Verificare che ogni immagine produca una matrice di embedding dei componenti con K righe, una matrice di adiacenza tipizzata con K righe e K colonne, una matrice di pesi delle relazioni con K righe e K colonne, una maschera di nodi inattivi con K valori e una rappresentazione a priori strutturale a livello immagine. Verificare che ogni campione di visualizzazione selezionato produca un overlay del grafo dei componenti in cui i nodi attivi rimangano all'interno delle regioni corrispondenti dell'indumento.
NOTA: Mantenere lo stesso ordine dei componenti visivi in tutte le matrici, i manifesti, i grafi, i file di caratteristiche e gli overlay del grafo. Trattare i centri dei componenti, i valori di estensione spaziale e le relazioni del grafo come descrittori delle regioni dell'indumento nel piano immagine. Non interpretare il grafo dei componenti come uno scheletro della posa umana né derivarne i nodi da coordinate articolari anatomiche. Non convertire questi descrittori in lunghezze delle cuciture, raggi di curvatura, quantità di pince, posizioni dei nottolini, direzioni del dritto filo, incrementi di sartia o dimensioni dei pezzi del cartamodello.
RISOLUZIONE DEI PROBLEMI: Se una matrice contiene un valore non numerico, controllare il denominatore della massa di probabilità e la normalizzazione delle coordinate. Se i pesi delle relazioni si concentrano su un singolo componente, sottrarre il valore massimo della riga dalla matrice di similarità prima della softmax. Se il numero di nodi del grafo varia tra le immagini, verificare che i componenti inattivi siano mantenuti come vettori nulli anziché essere rimossi.

5. Codifica delle caratteristiche con consapevolezza della struttura a doppio flusso

Caricare i pesi di ResNet-50 preaddestrati su ImageNet e rimuovere gli strati finali di pooling e di classificazione.
Passare ogni immagine normalizzata del capo d'abbigliamento attraverso ResNet-50 ed estrarre il tensore di aspetto dallo stadio del backbone indicato da appearance_stage nel file configs/protocol.yaml. Verificare il nome dello stadio, il numero di canali in uscita e le dimensioni spaziali dell'output generato dallo stadio del backbone selezionato per un'immagine in ingresso di 512 x 512 pixel. Utilizzare lo stesso stadio in ogni fase di training, inferenza, ablazione e confronto.
Ridimensionare la mappa di probabilità semantica alle dimensioni spaziali del tensore delle caratteristiche di aspetto mediante interpolazione bilineare. Moltiplicare il tensore delle caratteristiche di aspetto per ciascuna mappa di probabilità dei componenti ridimensionata, quindi aggregare le risposte pesate lungo le dimensioni spaziali.
Passare ogni embedding di aspetto del componente attraverso il livello di ricalibrazione dei canali definito nel file configs/protocol.yaml. Registrare il tipo di livello, la dimensione dell'ingresso, la dimensione dell'uscita, il rapporto di riduzione, la funzione di attivazione e la regola di condivisione dei parametri. Assemblare i sette vettori risultanti dei componenti nell'ordine semantico fisso per formare la matrice delle caratteristiche di aspetto.
Passare ogni vettore di relazione geometrica attraverso il livello di proiezione strutturale e impostare la dimensione dell'uscita a 512. Costruire il grafo dei componenti con la matrice di pesi delle relazioni e la maschera per i nodi inattivi.
Applicare due livelli di convoluzione grafica con una dimensione di ingresso di 512 e una dimensione di uscita di 512. Applicare la normalizzazione del batch dopo ciascun livello di convoluzione grafica, quindi applicare LeakyReLU. Registrare il valore della pendenza negativa utilizzato da LeakyReLU. Applicare la maschera per i nodi inattivi dopo ogni livello per mantenere le caratteristiche pari a zero per i componenti inattivi.
Applicare l'allineamento semantico con gli embedding normalizzati dei componenti e assemblare i vettori risultanti per formare la matrice delle caratteristiche strutturali.
Output previsto: verificare che ogni immagine produca una matrice delle caratteristiche di aspetto e una matrice delle caratteristiche strutturali. Verificare che entrambe le matrici contengano K righe e 512 colonne.
NOTA: mantenere i componenti inattivi come vettori nulli e preservare l'ordine dei componenti stabilito durante la costruzione della struttura a priori.
RISOLUZIONE DEI PROBLEMI: se le due matrici delle caratteristiche presentano un numero diverso di righe, controllare il mapping delle categorie semantiche e la gestione dei nodi inattivi. Se si verifica un errore di dimensione durante la moltiplicazione matriciale, verificare che l'uscita della proiezione strutturale e le dimensioni dei canali di aspetto siano entrambe pari a 512. Se le caratteristiche strutturali rimangono nulle per tutti i componenti attivi, verificare che gli archi del grafo e i pesi delle relazioni siano stati aggiunti al batch corrente.

6. Fusione guidata dalla struttura delle caratteristiche

Applicare la sequenza di fusione guidata dalla struttura mostrata in Figura 3. Far passare la matrice delle caratteristiche strutturali attraverso il livello di pesi di fusione e applicare la funzione di attivazione dichiarata da fusion_activation in configs/protocol.yaml. Registrare il nome dell'attivazione, la dimensione di ingresso, la dimensione di uscita e se i parametri sono condivisi tra i sette nodi componenti.
Verificare che la matrice di pesi strutturali generata contenga K righe e 512 colonne.
Moltiplicare la matrice delle caratteristiche di aspetto per la matrice di pesi strutturali elemento per elemento.
Concatenare la matrice di aspetto modulata e la matrice delle caratteristiche strutturali lungo la dimensione del canale.
Concatenare il vettore di aspetto modulato a 512 dimensioni e il vettore strutturale a 512 dimensioni per ogni componente, formando un vettore a 1024 dimensioni. Far passare il vettore concatenato attraverso il livello di proiezione di fusione e ridurne la dimensione da 1024 a 512.
Aggiungere la matrice originale delle caratteristiche strutturali alla matrice proiettata tramite una connessione residua.
Impilare i vettori componenti fusi nell'ordine semantico fisso e applicare la normalizzazione L2 alla rappresentazione appiattita consapevole della struttura.
Salvare la matrice di pesi strutturali, la matrice di aspetto modulata, la matrice componenti fusi e la rappresentazione finale consapevole della struttura in feature_outputs.
Output previsto: Confermare che ogni immagine produca una matrice componenti fusi con K righe e 512 colonne e un vettore normalizzato di caratteristiche consapevoli della struttura associato all'identificativo dell'immagine sorgente.
NOTA: Conservare la matrice di pesi strutturali e la matrice componenti fusi per la visualizzazione della risposta e l'analisi delle differenze locali.
RISOLUZIONE DEI PROBLEMI: Se i valori fusi continuano ad aumentare, esaminare l'uscita dell'attivazione e il livello di normalizzazione. Se tutti i pesi strutturali tendono allo stesso valore, verificare che le caratteristiche strutturali varino tra le immagini e che il livello di fusione riceva i gradienti. Se i file delle caratteristiche e gli identificativi delle immagini non corrispondono, ricostruire il manifesto di output prima della fase di addestramento o della valutazione del recupero.

7. Allenamento del modello e ottimizzazione della coerenza

Caricare i cinque valori di seme casuali registrati in configs/seeds.yaml. Per ogni esecuzione, impostare lo stesso seme casuale per Python, operazioni NumPy, operazioni PyTorch sulla CPU e tutti i dispositivi CUDA. Abilitare algoritmi deterministici, disabilitare la modalità benchmark di cuDNN e registrare i cinque valori esatti del seme nella directory corrispondente all'esecuzione.
Caricare il manifesto di addestramento elaborato, il manifesto delle coppie, le mappe di probabilità e i vincoli strutturali a priori.
Costruire ogni batch di addestramento con otto categorie strutturali e quattro campioni con aspetto variabile per ciascuna categoria.
Calcolare la perdita di coerenza strutturale a partire dalle coppie di campioni positivi che condividono lo stesso vincolo strutturale a priori.
Calcolare la perdita di coerenza delle relazioni strutturali a partire dalle distanze a coppie tra le caratteristiche dei componenti.
Calcolare la perdita di discriminazione strutturale a partire dalle coppie di campioni negativi con strutture eterogenee e applicare la soglia di separazione pari a 0,3.
Combinare l'obiettivo di aspetto, l'obiettivo di coerenza strutturale, l'obiettivo di relazione strutturale e l'obiettivo di discriminazione strutturale con i pesi memorizzati in configs/protocol.yaml. Il processo di ottimizzazione nello spazio delle caratteristiche, regolato dai tre obiettivi strutturali, è mostrato in Figura 4.
Eseguire python train.py --config configs/protocol.yaml. Aggiornare tutti i parametri addestrabili con discesa stocastica del gradiente a mini-batch utilizzando il tasso di apprendimento iniziale, la quantità di moto, il decadimento del peso, il numero di epoche, il fattore di decadimento e le epoche di decadimento definiti nel Passaggio 1.8. Registrare il tasso di apprendimento dopo ogni epoca nel log di addestramento.
Registrare dopo ogni epoca la perdita totale, la perdita di aspetto, la perdita di coerenza strutturale, la perdita di relazione strutturale, la perdita di discriminazione strutturale, il tasso di apprendimento, l'Indice di Coerenza Strutturale (SCI), l'Indice di Discriminazione Strutturale (SDI) e il Recall@5.
Valutare il modello su validation_manifest.csv dopo ogni epoca. Salvare il checkpoint associato al valore più alto di SCI di validazione in checkpoints/selected_model.pth.
Ripetere l'addestramento cinque volte con i cinque semi casuali registrati. Salvare ogni file di configurazione, log di addestramento e checkpoint selezionato in una directory separata per ogni esecuzione.
Output previsto: verificare che ogni esecuzione produca un log di addestramento, un log di validazione, un file di metriche a livello di epoca e un checkpoint selezionato. Verificare che il checkpoint selezionato si basi sulle prestazioni di validazione e non su quelle di test.
NOTA: Utilizzare gli stessi manifesti di addestramento, validazione e test in ogni confronto tra modelli e in ogni esperimento di ablazione.
GUIDA ALLE SOLUZIONI DEI PROBLEMI: se una perdita diventa non numerica, interrompere l'addestramento, esaminare le masse di probabilità dei componenti, ridurre il tasso di apprendimento di un fattore 10 e riavviare dall'ultimo checkpoint valido. Se l'SCI di validazione rimane invariato mentre la perdita di addestramento diminuisce, verificare che i parametri di propagazione e fusione del grafo ricevano i gradienti. Se la memoria grafica è esaurita, ridurre la dimensione del batch e mantenere una dimensione di batch efficace pari a 32 tramite accumulo dei gradienti. Se le prestazioni di validazione variano notevolmente tra le esecuzioni, verificare il seme casuale registrato e l'ordine del manifesto dei dati.

8. Inferenza, recupero, raggruppamento e verifica dell'output

Eseguire python infer.py --config configs/protocol.yaml --checkpoint checkpoints/selected_model.pth. Generare mappe di probabilità, priori strutturali, matrici di caratteristiche di aspetto, matrici di caratteristiche strutturali, matrici di componenti fuse e vettori finali di caratteristiche per ogni immagine di test.
Salvare tutti gli output dell'inferenza in feature_outputs/test e registrare i relativi percorsi in test_feature_manifest.csv. Calcolare la similarità coseno tra ogni caratteristica di query e tutte le caratteristiche della galleria. Ordinare gli identificatori della galleria in ordine decrescente di similarità. Salvare i cinque risultati con punteggio più alto per ogni query in evaluation_results/retrieval_results.csv.
Per ogni campione di recupero selezionato per la visualizzazione, caricare la matrice di adiacenza tipizzata, la matrice dei pesi delle relazioni, la matrice dei centri dei componenti, la maschera dei nodi inattivi, la mappatura delle etichette dei componenti e la matrice dei componenti fusi dell'immagine di query. Caricare gli stessi file per il risultato con punteggio più alto generato dal modello consapevole della struttura.
Renderizzare il grafo dei componenti della query e il grafo dei componenti dell'immagine recuperata a partire dai centri dei componenti salvati e dalle matrici di adiacenza tipizzate. Mantenere l'ordine fisso dei componenti e i tipi di relazione utilizzati durante l'inferenza del modello.
Renderizzare la matrice di adiacenza tipizzata della query come matrice categorica. Utilizzare valori distinti nella matrice per le relazioni di inattività, di confine condiviso e di ordine verticale. Etichettare gli assi orizzontale e verticale con gli identificatori dei componenti presenti nella mappatura delle etichette dei componenti.
Applicare la normalizzazione L2 alla matrice dei componenti fusi della query e alla matrice dei componenti fusi dell'immagine recuperata. Calcolare la similarità coseno tra ogni componente della query e ogni componente dell'immagine recuperata. Salvare la matrice risultante di corrispondenza tra componenti K × K in evaluation_results/structural_retrieval_evidence.
Per ogni coppia di riferimento-target selezionata per l'analisi delle differenze locali, caricare la matrice di adiacenza tipizzata, la matrice dei centri dei componenti, la matrice di dispersione spaziale, la matrice dei pesi delle relazioni e la matrice dei componenti fusi di entrambe le immagini.
Calcolare la differenza assoluta tra le due matrici di adiacenza tipizzate. Calcolare le differenze assolute negli spostamenti dei centri dei componenti, nella dispersione spaziale e nei pesi delle relazioni utilizzando l'ordine fisso dei componenti. Salvare la matrice risultante di differenza topologica e la matrice di differenza delle relazioni geometriche in evaluation_results/structural_difference_evidence.
Calcolare la distanza L2 tra le righe corrispondenti delle due matrici di componenti fusi. Normalizzare le distanze a livello di componente e assegnarle ai nodi del grafo dei componenti target. Aumentare lo spessore degli archi in base alla differenza normalizzata nei pesi delle relazioni. Salvare il grafo risultante di differenza dei componenti post-fusione.
Registrare gli identificatori delle immagini, i percorsi delle matrici, i percorsi dei grafi, l'ordine dei componenti, l'identificatore del checkpoint e i percorsi di output delle visualizzazioni in structural_visualization_manifest.csv. Generare tutte le visualizzazioni strutturali in modo automatico a partire dai file registrati; non aggiungere manualmente nodi, archi o valori nella matrice.
Applicare K-Means con cinque cluster ai vettori finali di caratteristiche e salvare le assegnazioni dei cluster in evaluation_results/cluster_assignments.csv. Eseguire python evaluate.py --config configs/protocol.yaml --feature_dir feature_outputs/test.
Calcolare SCI, SDI, Recall@5, mean Average Precision (mAP) e coefficiente di siluetta per ogni esecuzione. Utilizzare SCI per valutare la compattezza delle caratteristiche normalizzate che condividono la stessa etichetta strutturale e utilizzare SDI per valutare la separazione tra etichette strutturali diverse. Utilizzare Recall@5 per valutare se un corrispondente strutturale rilevante appare nella breve lista di recupero e utilizzare mAP per valutare la qualità del ranking nell'intera galleria. Utilizzare il coefficiente di siluetta solo per l'analisi di clustering.
Calcolare la media aritmetica e la deviazione standard campionaria su cinque esecuzioni indipendenti. Mantenere i cinque valori a livello di esecuzione per ogni metodo e metrica. Non applicare normalizzazione min-max, normalizzazione del rango o ridimensionamento basato sui metodi confrontati. Eseguire un test t appaiato utilizzando i risultati ottenuti con lo stesso seme casuale e registrare la statistica del test e il valore di significatività esatto bidirezionale.
Confrontare il numero di identificatori di test elaborati, file di caratteristiche, record di recupero e assegnazioni di cluster. Risolvere ogni discrepanza prima di riportare o interpretare i risultati di valutazione.
Output previsto: verificare che ogni immagine di test abbia un record completo di inferenza, una lista di recupero, un'assegnazione di cluster e un insieme completo di input per la valutazione. Verificare che ogni caso di recupero selezionato per la visualizzazione abbia un grafo dei componenti della query, un grafo dei componenti dell'immagine recuperata, una matrice di adiacenza tipizzata e una matrice di corrispondenza tra componenti fusi.
Verificare che ogni caso di differenza strutturale abbia una matrice di differenza topologica, una matrice di differenza delle relazioni geometriche, un grafo di differenza dei componenti post-fusione, una mappa termica delle differenze spaziali e un sovrapposizione di risposta. Verificare che tutti i file di visualizzazione siano collegati alle rispettive matrici sorgente tramite structural_visualization_manifest.csv. Salvare la mappa termica pura, il sovrapposizione sull'immagine target, la maschera del primo piano e le coordinate della regione con risposta più alta per ogni caso visualizzato.
Accettare una risposta di differenza calcolata solo quando la regione principale con risposta elevata si sovrappone al primo piano del capo d'abbigliamento ed è supportata dalle corrispondenti evidenze di cambiamento nella matrice di adiacenza tipizzata, nel cambiamento delle relazioni geometriche e nella distanza dei componenti post-fusione. Se la risposta più forte cade principalmente al di fuori del primo piano del capo d'abbigliamento, esaminare l'output di parsing, il grafo dei componenti e il record di fusione.
NOTA: Utilizzare il checkpoint selezionato dal set di validazione per l'inferenza sul set di test. Non selezionare o sostituire un checkpoint in base alle metriche del set di test. Utilizzare lo stesso ordine dei componenti, la stessa regola per i nodi inattivi, la stessa codifica dei tipi di relazione e lo stesso processo di normalizzazione durante la generazione di grafi e matrici nell'inferenza e nella visualizzazione.
GUIDA ALLA RISOLUZIONE DEI PROBLEMI: Se l'inferenza si interrompe prima di elaborare tutte le immagini di test, individuare l'ultimo identificatore nel log di inferenza e riprendere dall'identificatore successivo. Se i risultati di recupero sono dominati dalla similarità cromatica, esaminare gli output dei priori strutturali e di fusione e verificare che il caricamento del checkpoint sia avvenuto correttamente. Se la valutazione segnala identificatori duplicati, ricostruire il file test_feature_manifest.csv e rimuovere i record duplicati prima di ricalcolare. Se K-Means produce un cluster vuoto, verificare la normalizzazione delle caratteristiche e rieseguire il clustering con il seme casuale registrato.

9. Valutazione comparativa del modello

Eseguire python compare_models.py --config configs/protocol.yaml.
Addestrare e valutare ResNet-50, Part-based Convolutional Baseline (PCB), GCN, FashionGraph, Swin Transformer, CLIP, Topology Feature Histogram with Color and Texture Fusion, Attention-Guided Cascade Network, MMFL-Net, FARE-RNET e il metodo proposto utilizzando gli stessi elenchi di addestramento, convalida e test.
Utilizzare le stesse dimensioni delle immagini, operazioni di pre-elaborazione, epoche di addestramento, dimensione effettiva del batch, query di valutazione e implementazione della metrica per ogni metodo.
Mantenere il global average pooling per ResNet-50. Applicare l'allineamento a strisce orizzontali in PCB. Applicare un grafo del capo d'abbigliamento a livello di immagine fissato in GCN. Applicare un'inferenza dinamica guidata dagli attributi nel grafo in FashionGraph. Utilizzare gli encoder d'immagine standard di Swin Transformer e CLIP. Implementare Topology Feature Histogram with Color and Texture Fusion utilizzando descrittori topologici, di colore e di trama. Implementare una Attention-Guided Cascade Network utilizzando rami di caratteristiche globali e locali con parsing del capo d'abbigliamento. Implementare MMFL-Net utilizzando rami di caratteristiche multi-risoluzione e multi-granularità. Implementare FARE-RNET utilizzando attenzione residuale, selezione delle caratteristiche e codifica contestuale dilatata.
Utilizzare soltanto il ramo immagine-query di ogni metodo di confronto. Riaddestrare ogni metodo addestrabile sull'elenco comune di addestramento e selezionare il relativo checkpoint dall'elenco comune di convalida. Generare un elenco classificato della galleria per ogni query di test.
Proiettare ogni embedding appreso in 512 dimensioni attraverso un layer lineare registrato e addestrabile quando la dimensione originale è diversa. Applicare la normalizzazione L2 prima del ranking basato sulla similarità coseno. Utilizzare la stessa assegnazione query-galleria e implementazione della metrica per tutti i metodi.
Ripetere ogni metodo di confronto con gli stessi cinque semi casuali. Riportare la media e la deviazione standard campionaria di SCI, SDI, Recall@5, mAP e coefficiente di silhouette. Per ogni metrica, eseguire un test t appaiato a due code tra il metodo proposto e ogni metodo di confronto utilizzando i risultati ottenuti con lo stesso seme casuale. Registrare i cinque valori a livello di esecuzione, la statistica del test, i gradi di libertà e il valore p esatto in evaluation_results/comparison_metrics.csv.
Calcolare SCI, SDI, Recall@5, mAP e il coefficiente di silhouette per ogni metodo. Salvare tutti i valori a livello di esecuzione e aggregati in evaluation_results/comparison_metrics.csv.
Output previsto: verificare che comparison_metrics.csv contenga gli stessi campi metrici e lo stesso numero di esecuzioni indipendenti per ogni metodo di confronto.
NOTA: Non modificare le partizioni dei dati, il codice della metrica o l'assegnazione query-galleria tra i metodi di confronto.
RISOLUZIONE DEI PROBLEMI: se un modello di confronto produce una dimensione delle caratteristiche diversa da 512, aggiungere un singolo layer di proiezione lineare registrato prima del calcolo della metrica e addestrare tale layer insieme al modello corrispondente. Se un modello non converge con il tasso di apprendimento comune, utilizzare il tasso di apprendimento specificato nell'implementazione pubblicata e mantenere tutte le restanti condizioni sperimentali. Registrare ogni impostazione specifica del metodo nel registro di confronto.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Tutti gli esperimenti riportati sono stati eseguiti utilizzando l'ambiente hardware e software documentato nella Tabella 2 e nella Tabella dei Materiali. Durante il preelaborazione, l'addestramento, l'inferenza e la valutazione sono state utilizzate le stesse versioni del driver grafico, CUDA, cuDNN, Python, NumPy, PyTorch e torchvision. L'ambiente hardware e software completo è riassunto nella Tabella 2 e nella Tabella dei Materiali. La Tabella ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Le fasi più critiche del protocollo sono il preelaborazione che preserva il capo d'abbigliamento e l'analisi semantica dei componenti limitata al primo piano. I centri dei componenti, i valori di dispersione spaziale, le relazioni di confine condiviso, le relazioni d'ordine verticale, i pesi delle relazioni e le rappresentazioni fuse sono tutti derivati dall'output dell'analisi. Le fuoriuscite di confine, le regioni di componente unite, le regioni di componente mancanti e gli assegnamenti errati dei canali si propagano a...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere conflitti di interessi.

Ringraziamenti

Questo lavoro è stato sostenuto dal secondo gruppo di progetti provinciali chiave di riforma dell'insegnamento universitario durante il XIV piano quinquennale, nell'ambito del progetto intitolato Riforma ed esplorazione didattica di “Progettazione di abbigliamento e moda” basata sul modello congiunto di “Tre integrazioni, tre fusioni” (Numero del progetto: JGZD2024096).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
Nome	Azienda	Numero di catalogo
Unità Centrale di Elaborazione	Intel Corporation	Intel Core i9-13900K, 24 core, 32 thread, fino a 5,80 GHz
Conda	Anaconda, Inc., anaconda.com	Miniconda3 23.11.0
Toolkit CUDA	NVIDIA Corporation, developer.nvidia.com	CUDA 11.8
cuDNN	NVIDIA Corporation, developer.nvidia.com	cuDNN 8.9.7
Dataset DeepFashion2	The Chinese University of Hong Kong, github.com/switchablenorms/DeepFashion2	Rilascio ufficiale DeepFashion2, Versione 1.0
Unità di Elaborazione Grafica	NVIDIA Corporation	NVIDIA GeForce RTX 4090, 24 GB GDDR6X
Checkpoint HRNet-W48 per l'Analisi Semantica	Progetto HRNet, github.com/HRNet/HRNet-Semantic-Segmentation	hrnet_w48_garment_parser_7class.pth, checkpoint del progetto Versione 1.0
Pesi ResNet-50 Pre-addestrati su ImageNet	Fondazione PyTorch, pytorch.org	ResNet50_Weights.IMAGENET1K_V2
Matplotlib	Squadra di Sviluppo Matplotlib, matplotlib.org	Versione 3.8.2
NumPy	Sviluppatori NumPy, numpy.org	Versione 1.26.4
Driver Grafici NVIDIA	NVIDIA Corporation	Versione 546.33
OpenCV-Python	Squadra OpenCV, opencv.org	Versione 4.8.1.78
Sistema Operativo	Microsoft Corporation	Windows 11 Pro 23H2, 64 bit, Build del Sistema Operativo 22631.3155
Pandas	Squadra di Sviluppo Pandas, pandas.pydata.org	Versione 2.1.4
Python	Fondazione Software Python, python.org	Versione 3.10.13
PyTorch	Fondazione PyTorch, pytorch.org	Versione 2.1.2 con CUDA 11.8
PyYAML	Progetto PyYAML, pyyaml.org	Versione 6.0.1
scikit-learn	Sviluppatori scikit-learn, scikit-learn.org	Versione 1.3.2
SciPy	Sviluppatori SciPy, scipy.org	Versione 1.11.4
Archivio del Codice Sorgente	Archivio supplementare del codice sorgente inviato con il manoscritto	Protocollo di Topologia dell'Abbigliamento, Versione 1.0
Dispositivo di Archiviazione	Samsung Electronics	Samsung 990 PRO NVMe SSD, 2 TB
Memoria di Sistema	Kingston Technology	Kingston FURY Beast DDR5, 64 GB, 2 × 32 GB, 5600 MHz
torchvision	Fondazione PyTorch, pytorch.org	Versione 0.16.2 con CUDA 11.8
Workstation	Workstation personalizzata per l'apprendimento profondo	Intel Core i9-13900K, NVIDIA GeForce RTX 4090, memoria da 64 GB, SSD NVMe da 2 TB

Riferimenti

Xiang Z, Zhu C, Qian M, Shen Y, Shao Y. FashionSegNet: a model for high-precision semantic segmentation of clothing images. Vis Comput. 2024;40:1711-1727. doi:10.1007/s00371-023-02881-3.
Sun K, Zhang J, Zhang P, Yuan K, Li G. TsrNet: a two-stage unsupervised approach for clothing region-specific textures style transfer. J Vis Commun Image Represent. 2023;91:103778. doi:10.1016/j.jvcir.2023.103778.
Yang N, Ma X. Enhanced composed fashion image retrieval with a multi-hop reasoning framework. Sci Rep. 2025;15:32217. doi:10.1038/s41598-025-17402-6.
Karthika Priya D, Sathyabama B. FARE-RNET: fashion cloth retrieval via Egret Swarm Optimization-based Convolutional Attention Module integrated ResNet. Int J Comput Intell Syst. 2026;19:29. doi:10.1007/s44196-025-00979-1.
Köktürk Güzel BE. Efficient image retrieval in fashion: leveraging clustering and principal component analysis for search space reduction. Erzincan Univ J Sci Technol. 2024;17:638-649. doi:10.18185/erzifbed.1500279.
Zhang X, Sun H, Ma J. Research on clothing image retrieval combining topology features with color texture features. Mathematics. 2024;12:2363. doi:10.3390/math12152363.
Abbas W, Zhang Z, Asim M, Chen J, Ahmad S. AI-driven precision clothing classification: revolutionizing online fashion retailing with hybrid two-objective learning. Information. 2024;15:196. doi:10.3390/info15040196.
Shirkhani S, Mokayed H, Saini R, Hum YC. Study of AI-driven fashion recommender systems. SN Comput Sci. 2023;4:514. doi:10.1007/s42979-023-01932-9.
Balloni E, Pietrini R, Frontoni E, Mancini A, Paolanti M. OutfitAI: shop the outfit with a deep learning-based intelligent expert system. Multimed Tools Appl. 2025;84:40195-40214. doi:10.1007/s11042-025-20753-x.
Kachbal I, El Abdellaoui S. Computer vision for fashion: a systematic review of design generation, simulation, and personalized recommendations. Information. 2026;17:11. doi:10.3390/info17010011.
Saranya MS, Geetha P. Cross-domain fashion cloth retrieval via novel attention-guided cascade neural network and clothing parsing. Comput Vis Image Underst. 2023;235:103777. doi:10.1016/j.cviu.2023.103777.
Ning T, Gao Y, Han Y. Segmentation of ethnic clothing patterns with fusion of multiple attention mechanisms. Complex Intell Syst. 2024;10:5759-5770. doi:10.1007/s40747-024-01457-5.
Jiang A, Liu L, Fu X, Liu L, Peng W. Clothing hierarchical feature representation and association learning for cross-modal fashion retrieval. J Comput Aided Des Comput Graph. 2025;37:654-667. doi:10.3724/SP.J.1089.2023-00263.
An H, Lee KY, Choi Y, Park M. Conceptual framework of hybrid style in fashion image datasets for machine learning. Fash Text. 2023;10:18. doi:10.1186/s40691-023-00338-8.
Adel M, Mohammed AM, Elsaid AH, Abdelatey A. Deep learning for new fashion product demand prediction: integrating visual similarity and demand correction in cold-start scenarios. Int J Data Sci Anal. 2026;22:9. doi:10.1007/s41060-025-00888-8.
Tang Y, Ye D, Tao F, Du G. Enhanced group relation learning via aligned attention masking for fashion product captioning. J King Saud Univ Comput Inf Sci. 2025;37:170. doi:10.1007/s44443-025-00195-z.
Lyu X, Li X, Zhang Y, Lu W. Two-stage method for clothing feature detection. Big Data Cogn Comput. 2024;8:35. doi:10.3390/bdcc8040035.
Tang G, Yu F, Li H, Shi Y, Liu L, Peng T, et al. ClothSeg: semantic segmentation network with feature projection for clothing parsing. J Vis Commun Image Represent. 2023;97:103980. doi:10.1016/j.jvcir.2023.103980.
Cao S, Chai W, Hao S, Zhang Y, Chen H, Wang G. DiffFashion: reference-based fashion design with structure-aware transfer by diffusion models. IEEE Trans Multimedia. 2024;26:3962-3975. doi:10.1109/TMM.2023.3318297.
Hou J, Lu Y, Yang Y, Liu Z. PDN: a priori dictionary network for fashion parsing. Appl Sci. 2024;14:3509. doi:10.3390/app14083509.
Moratelli N, Barraco M, Morelli D, Cornia M, Baraldi L, Cucchiara R. Fashion-oriented image captioning with external knowledge retrieval and fully attentive gates. Sensors. 2023;23:1286. doi:10.3390/s23031286.
Islam T, Miron A, Liu X, Li Y. Deep learning in virtual try-on: a comprehensive survey. IEEE Access. 2024;12:29475-29502. doi:10.1109/ACCESS.2024.3368612.
Yan H, Zhang H, Liu L, Zhou D, Xu X, Zhang Z, et al. Toward intelligent design: an AI-based fashion designer using generative adversarial networks aided by sketch and rendering generators. IEEE Trans Multimedia. 2023;25:2323-2338. doi:10.1109/TMM.2022.3146010.
Xie Z, Zhou Z, Wang Z, Ding H, Ma L. Multi-scale spatial feature-guided cloth landmark estimation. J Comput Aided Des Comput Graph. 2022;34:1763-1771. doi:10.3724/SP.J.1089.2022.19189.
Jiang J, Wu D, Deng H, Long Y, Tang W, Li X, et al. HAIGEN: towards human-AI collaboration for facilitating creativity and style generation in fashion design. Proc ACM Interact Mob Wearable Ubiquitous Technol. 2024;8:107. doi:10.1145/3678518.
Danner M, Brake E, Kosel G, Kyosev Y, Rose K, Rätsch M, et al. AI-assisted pattern generator for garment design. Commun Dev Assem Text Prod. 2024;5:195-206. doi:10.25367/cdatp.2024.5.p195-206.
Bao C, Zhang X, Chen J, Miao Y. MMFL-net: multi-scale and multi-granularity feature learning for cross-domain fashion retrieval. Multimed Tools Appl. 2023;82:37905-37937. doi:10.1007/s11042-022-13648-8.
Yang G. Clothing design style recommendation using optimized semantic-preserved generative adversarial network. J Electr Syst. 2024;20 Suppl 3:2396-2409. doi:10.52783/jes.3064.
Wang Z, Tao X, Zeng X, Xing Y, Xu Z, Bruniaux P. Design of customized garments towards sustainable fashion using 3D digital simulation and machine learning-supported human-product interactions. Int J Comput Intell Syst. 2023;16:16. doi:10.1007/s44196-023-00189-7.
Wu J, Huang Y, Gao M, Gao Z, Zhao J, Zhang H, et al. A two-stream hybrid convolution-transformer network architecture for clothing-change person re-identification. IEEE Trans Multimedia. 2024;26:5326-5339. doi:10.1109/TMM.2023.3331569.
Khalid M, Keming M, Hussain T. Design and implementation of clothing fashion style recommendation system using deep learning. Rom J Inf Technol Autom Control. 2021;31:123-136. doi:10.33436/v31i4y202110.
Wang Y, Liu L, Fu X, Liu L. MCCP: multi-modal fashion compatibility and conditional preference model for personalized clothing recommendation. Multimed Tools Appl. 2024;83:9621-9645. doi:10.1007/s11042-023-15659-5.
Ma J, Sun H, Yang D, Zhang H. Personalized fashion recommendations for diverse body shapes and local preferences with contrastive multimodal cross-attention network. ACM Trans Intell Syst Technol. 2024;15:82. doi:10.1145/3637217.
Yu Z, Zhao Y, Hong B, Jin Z, Huang J, Cai D, et al. Apparel-invariant feature learning for person re-identification. IEEE Trans Multimedia. 2022;24:4482-4492. doi:10.1109/TMM.2021.3119133.
Peng D, Liu R, Lu J, Zhang S. Unsupervised multi-modal modeling of fashion styles with visual attributes. Appl Soft Comput. 2022;115:108214. doi:10.1016/j.asoc.2021.108214.
Mathews A, Sejal N, Venugopal KR. Analysis of content based image retrieval using deep feature extraction and similarity matching. Int J Adv Comput Sci Appl. 2022;13:646-655. doi:10.14569/IJACSA.2022.0131277.
Zhang C, Ji X, Cai L. Clothing recommendation with multimodal feature fusion: price sensitivity and personalization optimization. Appl Sci. 2025;15:4591. doi:10.3390/app15084591.
Zhao M, Gao S, Ma J, Zhang Z. Joint clothes image detection and search via anchor-free framework. Neural Netw. 2022;155:84-94. doi:10.1016/j.neunet.2022.08.011.
Fontanini T, Ferrari C. Would your clothes look good on me? Towards transferring clothing styles with adaptive instance normalization. Sensors. 2022;22:5002. doi:10.3390/s22135002.
Kim S, Moon H, Oh J, Lee Y, Kwon H, Kim S. Automatic measurements of garment sizes using computer vision deep learning models and point cloud data. Appl Sci. 2022;12:5286. doi:10.3390/app12105286.
Chang YH, Zhang YY. Deep learning for clothing style recognition using YOLOv5. Micromachines. 2022;13:1678. doi:10.3390/mi13101678.
de Medeiros Dantas IJ, Curth M, Freire AG. Exploring databases for training models in machine learning in the fashion industry. DAT J. 2024;9:157-174. doi:10.29147/datjournal.v9i2.877.
Zhu S, Zou X, Qian J, Wong WK. Learning structured relation embeddings for fine-grained fashion attribute recognition. IEEE Trans Multimedia. 2024;26:1652-1664. doi:10.1109/TMM.2023.3284593.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Esplora altri articoli

Recupero di Immagini di Capi d'Abbigliamento Consistenza Strutturale Immagini DeepFashion2 Parsing HRNet-W48 Codifica ResNet-50 Convoluzione su Grafo Confronto Strutturale Localizzazione delle Differenze