(原标题:衣+:人工智能视觉搜索的未来)
近几年深度学习在计算机视觉领域取得了突破性的进展,多伦多大学的研究小组采用深度学习技术在ImageNet图像分类比赛中以绝对优势取得第一名,准确率超出第二名10%,自此之后计算机视觉领域掀起了深度学习的热潮。
衣+经过多年的技术积累,2015年发布了第一款基于深度学习技术的边看边买引擎。得益于基于海量数据训练的深度学习模型和上亿的商品SKU 库,用户可以通过上传照片或者拍照迅速完成同款商品的搜索购买。如今,每个月有上亿次的商品推荐用过衣+边看边买引擎完成,帮助用户查找他们所看到的物品及其风格、颜色,而且还能获得相关建议。这是一种全新的搜索方式,也是技术上的挑战。
衣+团队获得多项世界第一
在2015年ImangeNet比赛中,衣+团队荣获多项第一,基于多项世界领先的计算机视觉技术,衣+推出新版边看边买引擎实现一键购物。如下图所示的衣+App中,用户只需发起拍照或上传图片,智能引擎自动检测分析图片中所有的商品,并将同款商品推荐给用户。一键购的背后是衣+领先的深度学习技术深度融入到现实产品中,为用户带来更好的购物体验。
衣+边看边买引擎采用了目前业界主流的深度卷积神经网络技术(Convolutional Neural Networks, CNN),使用100多层的深度残差网络(Residual Networks)对上千万的商品图像进行监督建模,将图像表征成一组紧致的特征向量。相较于传统的图像建模技术,深度学习表征的特征同时保存了多层次语义概念和细节的信息,后续通过高效的特征压缩算法可以将每张图片的特征控制在1KB以内。自产品发布以来,衣+已经处理了将近亿商品图片,通过设计分布式的搜索引擎系统,及减少模型所需GPU内存,可以在百毫秒以内完成一次搜索请求。一张图片可能包含几件商品,针对这种情形衣+智能商品检测提供了一种更加完美提供流畅的体验,用户可以轻松地从中搜索到他们想要的那一件。一直以来复杂环境下的多类目商品检测在业内还是一个亟待突破的方向,衣+工程师针对 ImageNet2015获得冠军的通用物体检测技术进行工程优化使其能在50毫秒内完成一次检测,对用户请求做到了实时的响应,该自动化检测技术目前已经支持超过300类物体的检测识别。
视觉搜索的未来
衣+智能视觉引擎能通过云API的形式接入第三方平台,用于检测识别分析来自任何地方的视觉内容, 衣+的智能视觉引擎通过海量用户数据的正向反馈还会变得越来越精准,为用户带来更好的视觉搜索体验。
(原标题:衣+:人工智能视觉搜索的未来)