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

📦 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]