【数据产品案例】图像算法在电商大促中的应用浅析

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