基于对比自监督表示学习的时尚电商颜色变体识别
计算机视觉与模式识别
2021-07-02 v2 机器学习
摘要
本文利用深度视觉表示学习解决时尚电商中的一个重要问题:颜色变体识别,即识别在设计(或款式)上完全匹配、仅颜色不同的时尚商品。起初我们尝试通过获取人工标注(描述两个商品是否为颜色变体)并训练基于监督三元组损失的神经网络模型来学习时尚商品的表示。然而,对于本文所处理的大规模真实工业数据集,为整个数据集获取标注并覆盖所有困难边界情况是不可行的。有趣的是,我们观察到颜色变体本质上是基于颜色抖动的增强的表现形式。因此,我们转而探索自监督学习(SSL)来解决该问题。我们观察到现有最先进 SSL 方法在我们的问题上表现不佳。为此,我们提出一种新颖的基于 SSL 的颜色变体模型,其同时关注服装的不同部位。定量与定性评估表明,我们的方法优于现有 SSL 方法,且有时优于监督模型。
引用
@article{arxiv.2104.08581,
title = {Color Variants Identification in Fashion e-commerce via Contrastive Self-Supervised Representation Learning},
author = {Ujjal Kr Dutta and Sandeep Repakula and Maulik Parmar and Abhinav Ravi},
journal= {arXiv preprint arXiv:2104.08581},
year = {2021}
}
备注
Accepted In IJCAI-21 Weakly Supervised Representation Learning (WSRL) workshop