metadata

title: Garment Attribute Predictor
emoji: 👕
colorFrom: indigo
colorTo: blue
sdk: gradio
sdk_version: 5.25.2
app_file: app.py
pinned: true

👕 Fashion Attribute Predictor

Ein Gradio-basierter Hugging Face Space zur Vorhersage von Attributen aus Modebildern (z. B. T-Shirts, Pullover, etc.)
Das Modell sagt für jede Attributgruppe (z. B. Farbe, Material, Schnitt) das wahrscheinlichste Merkmal vorher – inklusive Confidence-Score.

🔍 Funktionen

📸 Unterstützung für Bild-Upload
🧠 Vorhersage von Attributen aus 228 Kategorien
📊 Strukturierte JSON-Ausgabe mit label, score und confidence
✅ Einfache Integration in Datenbanken, APIs oder Forschungsprojekte

🧩 Unterstützte Attributgruppen

Das Modell liefert jeweils das wahrscheinlichste Attribut aus jeder dieser Gruppen:

Attributgruppe	Beschreibung (Beispiele)
`category`	Kleidungstyp (z. B. T-Shirts, Jeans, Blazer)
`color`	Farbton (z. B. Red, Black, Blue)
`material`	Materialtyp (z. B. Cotton, Leather, Lace)
`style`	Stil (z. B. Vintage, Bandage, Peplum)
`pattern`	Muster (z. B. Striped, Polka Dot, Floral)
`sleeve`	Ärmeltyp (z. B. Sleeveless, Long Sleeves)
`neckline`	Ausschnittform (z. B. V-Neck, Round Neck)
`gender`	Gender-Zielgruppe (Male, Female, Neutral)

📦 Ausgabeformat (Beispiel)

{
  "category": {
    "label": "T-Shirts",
    "score": 0.9123,
    "confidence": "high"
  },
  "color": {
    "label": "Red",
    "score": 0.4871,
    "confidence": "low"
  }
}

score: Modellwahrscheinlichkeit (0.0–1.0)
confidence: "high" wenn Score ≥ 0.5, sonst "low"

📁 Dateien

Datei	Beschreibung
`app.py`	Haupt-Interface mit JSON-Ausgabe
`model_loader.py`	Lädt das trainierte ResNet50-Modell
`index_to_attr.py`	Mapping von Indizes zu Attributnamen
`model/AttrPredModel_StateDict.pth`	Vorgefertigte Modellgewichte

⚙️ Modell-Details

Backbone: ResNet50
Trainingsdaten: iMaterialist (Fashion) Challenge 2018
Vorhersageformat: Multi-Label (228 binäre Attribute)
Eingabegröße: 512×512 RGB
Normalisierung: mean=[0.6765, 0.6347, 0.6207], std=[0.3284, 0.3371, 0.3379]

📚 Lizenz & Nutzung

Nur für nicht-kommerzielle Forschungszwecke.
Modelldaten basieren auf öffentlich verfügbaren Wettbewerbsdaten von FGVC5/Kaggle.

🧑‍💻 Erstellt von

Andreas Jewtschuk
Masterarbeit – E-Commerce, Ernst-Abbe-Hochschule Jena
[2025]

📥 Modellquelle

Dieses Projekt basiert auf dem vortrainierten Modell aus:

VisualFashionAttributePrediction
by Malte Prinzler
🔗 https://github.com/malteprinzler/VisualFashionAttributePrediction

Das Modell wurde ursprünglich im Rahmen der iMaterialist Challenge (Fashion) 2018 trainiert und basiert auf einem ResNet50-Backbone.

🔧 Modifikationen durch den Autor

Im Rahmen dieser Anwendung wurde ausschließlich die Ausgabe der Attributvorhersagen verändert:

Ursprünglich wurden nur Attribute mit einem Score über 0.5 angezeigt.
In dieser Version wird für jede Attributgruppe (z. B. Farbe, Material, Ärmel) das wahrscheinlichste Attribut angezeigt – unabhängig vom Score.
Zusätzlich wird eine Einschätzung über die Modellzuversicht (confidence: "high" / "low") auf Basis eines Schwellenwerts von 0.5 ausgegeben.

Das Modell selbst wurde nicht verändert.