计算机视觉技术清除产品目录错误

利用计算机视觉清除产品目录错误

在某中心商城的商品页面中，通常会包含产品变体链接（如不同颜色、尺寸等）。但产品目录可能因错误包含无关产品或重复条目，影响用户体验。在冬季计算机视觉应用大会（WACV）上，我们提出了一种自动识别产品变体列表错误的新方法，该方法通过计算机视觉判断不同图像是否展示相同产品。

技术框架

该方法将问题构建为度量学习任务：机器学习模型学习在嵌入空间中测量产品向量表示间距离的函数。相同产品的嵌入应相似，不同产品则差异显著。由于学习到的特征嵌入通常具有良好泛化能力，该模型可应用于训练中未出现的新产品。

图示：左上为正常变体列表；右上为错误列表（产品图像不符）；底部为重复变体（同一产品的两个独立页面）

多模态方法

模型采用多模态输入，包括产品图像和标题。唯一的监督信号是涵盖所有变体的总体产品描述符。实验表明，与同类多模态基准模型相比，该方法使精确率-召回率曲线下面积（PR-AUC）提升5.2%。

技术实现

产品标题的作用是引导模型学习更鲁棒且相关的表示。例如：

• 标题提供的上下文帮助模型聚焦图像相关区域，增强对噪声背景的鲁棒性
• 解决因图像中出现多个物体导致的歧义问题

产品标题帮助模型识别图像中的关键区域

网络架构

模型包含全局和局部两个分支：

1. 全局网络：接收完整图像，基于产品标题确定需要关注的区域
2. 局部网络：接收裁剪后的图像区域

两个分支均以卷积神经网络（CNN）为核心，通过以下机制增强特征提取：

• 自注意力机制：捕捉空间依赖性
• 空间注意力层（"关注何处"）：利用标题聚焦图像相关区域
• 通道注意力层（"关注什么"）：强调图像表示的关键特征

空间和通道注意力均基于标题信息的自注意力嵌入（即根据其他词语权重评估每个标题词语的嵌入）。

训练策略

训练同时使用正例和负例：

• 正例：相同总体产品描述符的实例配对
• 负例：相同子类别的产品配对（提升模型区分相似产品的能力）

在三个产品类别的数据集测试中，相比纯图像模型，该方法带来最高17%的PR-AUC提升；相比多模态基准方法，提升5.2%。

模型成功预测案例：左列为正确识别相同产品，右列为正确区分不同产品

技术组件

• 卷积神经网络（CNN）：基础视觉特征提取
• 多模态注意力机制：融合视觉与文本信息
• 度量学习：构建产品相似性评估空间

该方法已证明能有效提升电商平台产品目录的准确性，为计算机视觉在商品管理领域的应用提供了新思路。