蘑菇街图像技术实践：构建时尚购物体验

"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。