蘑菇街图像技术实践:构建时尚购物体验
需积分: 9 96 浏览量
更新于2024-07-17
收藏 25.84MB PDF 举报
"这篇文档是蘑菇街高级算法工程师邵鑫辉在2019年WOT技术峰会上的演讲,主题是‘基于图像技术,构建蘑菇街时尚目的地’,主要探讨了如何运用图像技术在蘑菇街的buythelook和搭配购业务中提供更好的用户体验和商业价值。"
在此次演讲中,邵鑫辉首先介绍了蘑菇街的愿景,即打造一个集“好看”、“时髦”和“能买到”于一体的时尚购物平台。为了实现这一目标,图像技术在其中扮演了关键角色。具体来说,蘑菇街利用图像搜索、目标检测分割、时尚属性识别和图像分类等技术,增强了其图像处理能力。
在buythelook业务场景中,用户可以查看并购买整体搭配。最初,这些搭配的购买链接由人工添加,但随着业务发展,蘑菇街开始采用算法自动提供相似商品链接。这一过程主要依赖于图像搜索技术,通过目标检测从Look图像中定位服饰区域,然后提取CNN特征,在商品图像库中找到相似商品。为了提高搜索精度和效率,模型从最初的5个类目扩展到多个子类目,例如细化的上衣、裤子、连衣裙等,同时使用ResNet模型,取得了Top1的准确率为92%的优秀成绩。针对ResNet模型运行耗时的问题,采用了模型压缩技术,如修剪(pruning),成功减少了模型大小并提升了运行速度。
在搭配购业务中,蘑菇街不仅展示达人和主播的穿搭,还希望通过算法挖掘商城中隐藏的服饰搭配。这里的技术挑战在于如何从海量的商品图像中挑选出符合标准(站立模特、时尚感、可购买)的搭配图。为此,蘑菇街使用行人检测和搭配模型进行筛选,结合图像搜索技术推荐更多相似商品,从而丰富用户的购物体验。
蘑菇街通过深度学习和计算机视觉技术,构建了一个智能的图像处理系统,不仅提高了商品匹配的准确性,也提升了用户的购物体验,实现了“智能企业赋能”。这一案例展示了图像技术在电商领域的广泛应用和巨大潜力,对于其他寻求通过技术创新提升服务的企业来说,具有重要的参考价值。
2019-09-06 上传
2019-09-06 上传
2023-10-01 上传
2023-07-27 上传
2023-05-14 上传
2023-07-15 上传
2023-06-11 上传
2023-05-25 上传
2023-04-22 上传
nelson1003
- 粉丝: 2
- 资源: 35
最新资源
- 计算机人脸表情动画技术发展综述
- 关系数据库的关键字搜索技术综述:模型、架构与未来趋势
- 迭代自适应逆滤波在语音情感识别中的应用
- 概念知识树在旅游领域智能分析中的应用
- 构建is-a层次与OWL本体集成:理论与算法
- 基于语义元的相似度计算方法研究:改进与有效性验证
- 网格梯度多密度聚类算法:去噪与高效聚类
- 网格服务工作流动态调度算法PGSWA研究
- 突发事件连锁反应网络模型与应急预警分析
- BA网络上的病毒营销与网站推广仿真研究
- 离散HSMM故障预测模型:有效提升系统状态预测
- 煤矿安全评价:信息融合与可拓理论的应用
- 多维度Petri网工作流模型MD_WFN:统一建模与应用研究
- 面向过程追踪的知识安全描述方法
- 基于收益的软件过程资源调度优化策略
- 多核环境下基于数据流Java的Web服务器优化实现提升性能