当前位置:   article > 正文

【数据产品案例】图像算法在电商大促中的应用浅析_图像识别技术在电商平台中的应用

图像识别技术在电商平台中的应用

案例来源:@AI前线

案例地址:https://weibo.com/ttarticle/p/show?id=2309404174114356093942

 

1. 背景:蘑菇街的图像来源于商家、用户,图像算法应用于电商场景中,可以服务于用户、商家和蘑菇街运营人员

 

2. 图像搜索技术

    1)技术原理:

        a. 标签来源:商品类目 & 商家标引的商品描述

        b. 特征提取:采用CNN提取特征,以ResNet为基础,

        c. 模型压缩:采用(ICLR 2017: Pruning Filters for Efficient ConvNets)所提到的剪枝策略。具体的做法是:针对每个卷积核计算其绝对值和,然后排序,针对绝对值小的权值和通道进行剪枝

        d. 查找:采用近似最近邻算法中的局部优化的乘积量化算法(Product Quantization,PQ),训练得到粗量化质心和细量化质心,粗量化的结果用来建立倒排索引,细量化的结果用来计算近似距离。通过这种方法,既能保证图像索引结果的存储需求合理,也能使检索质量和速度达到更好的水平

    2)应用1:

        a. 同款商品识别:面向商家,审核商家上传的图片是否已有同款商品

        b. 相似商品识别:面向用户,可以查看与当前商品相似的其它商品

 

3. 图片标签技术:

    1)技术原理

        a. 区域提取:针对服装模特图片,我们通过 Human Parsing 算法,把主要区域提取出来,例如:头肩、上衣、裤子、鞋、包包等。服装语义分割中,基于FCN建立模型,由于人体结构和服装位置之间的相对关系,对提高分割效果来说至关重要。我们在实际工作中,借鉴了 DeepLab 论文(DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs. arXiv:1606.00915, 2016) 的空洞卷积(Atrous Convolution)思想,保留了池化层中所舍弃的位置结构信息

        b. 属性分类:聚焦于两个方面的属性分类建模,包括“标签的层级关系建模”和“标签的多维度特性”

        c. 颜色量化分析:对单品图像采用改进的 Mean-Shift 算法进行颜色聚类,得到服装单品的主要颜色占比

    2)应用:

        a. 商品属性的自动填写

 

 

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/神奇cpp/article/detail/877932
推荐阅读
相关标签
  

闽ICP备14008679号