UT Zappos50K（UT-Zap50K）是一个大型鞋类数据集，由从Zappos.com收集的50025张目录图像组成。这些图像分为4大类-鞋子、凉鞋、拖鞋和靴子，然后是功能类型和单个品牌。鞋子以白色背景为中心，并以相同的方向拍摄，以便于分析。
该数据集是在在线购物任务的上下文中创建的，用户特别关注细粒度的视觉差异。例如，购物者更有可能在两双类似的男士跑鞋之间做出选择，而不是在女士高跟鞋和男士拖鞋之间做出选择。提供GIST和LAB颜色特征。此外，每个图像都有8个相关的元数据（性别、材料等）标签，用于在Zappos.com上过滤鞋子。

我们在成对比较任务的上下文中引入了这个数据集，其中的目标是预测两个图像中的哪一个更强烈地表现出视觉属性。当给定一个新的图像对时，我们想回答这样一个问题：“图像a是否比图像B包含更多或更少的属性？”训练和评估都是使用成对标签进行的。
然而，这个数据集的有用性超出了我们所演示的比较任务。元数据标签和数据集的大尺寸也使其适用于其他任务，例如：
1、类别/品牌分类
2、基于理性的细粒度属性学习
3、特定性别的风格搭配
4、零样本学习

Annotations

使用Mechanical Turk，我们收集了4个相对属性的实例级别†比较标签：开放、尖尖、运动和舒适。我们从可能的50K²对中抽取了3000对图像，对类别内和性别内图像有强烈的偏见。我们要求5名工人评估每对属性（更多细节）。在剔除置信度或一致性较低的对之后，人类注释的示例由6751个有序对和4612个“相等”对组成。这被称为UT-Zap50K-1。
虽然“equal”标签可以表示属性中没有可检测的差异，但我们也怀疑这是一种简单的回退响应，适用于需要稍微思考的情况，即显示细粒度差异的情况。因此，我们将这些“相等”的对交给了一组新的工人，但这次没有“相等”选项。我们要求工人仔细挑选，并给出一句话的理由。修剪后，有4334个细粒度对。这被称为UT-Zap50K-2。
两组样本标签如下所示。66%的Zap50K-1和63%的Zap50 K-2员工至少有四分之五的员工对同一标签有高度的信心，确保了一致性和可靠性。
†UT-Zap50K包含迄今为止最大的实例级别（单个图像）比较标签。现有数据集中包含的比较标签是在类别级别（图像组）收集的。

	Open	Pointy	Sporty	Comfort
Ordered Pairs
Fine-Grained Pairs

Benchmarks

我们提供了本文中用于基准测试的列车测试分割。我们还提供了一个演示脚本，以帮助进行相对属性预测的实验设置。UT-Zap50K-1当前基准的ROC曲线如下所示。图例中的数字表示平均排名精度。

Fine-Grained Lexicon

此外，我们还收集了另一组为细粒度比较任务定制的数据。这样的学习任务需要强调图像对之间微妙之处的训练数据。为此，我们（1）使用众包挖掘明确细粒度的属性词典，（2）为词典中的每个属性收集了更多的实例级比较标签。

给出一对图片，我们让工人用一个单词完成句子“Shoe a比Shoe B多一点他们被指示识别图像之间的细微差异，并提供简短的理由。目标是找出人们如何区分鞋子图像之间的细微差别。超过1000名工作人员参与了这项研究，在观看的4000对图片中，共产生了350+个不同的单词建议。

上面的单词cloud表示原始结果，然后我们根据基本原理和同义词的合并对其进行后期处理。最后，最常见的10个词构成了我们新的细粒度相对属性词典：舒适、休闲、简单、运动、多彩、耐用、支持、大胆、时尚和开放。我们为每个属性收集了4000个有序对的人类注释。