基于引导学习与含噪监督的商品图像识别

本文研究从日常照片中识别商品的问题,这是现实应用中的一个重要问题,但由于背景杂乱、类别多样、标签含噪等原因也极具挑战性。我们通过两点贡献来解决该问题。首先,我们引入了一个新颖的大规模商品图像数据集,称为Product-90。我们没有通过耗费人力和时间的图像采集来收集商品图像,而是利用网络从若干电子商务网站的商品评价中下载由消费者随意拍摄的图像。标签由电子商务网站的类别自动分配。Product-90总共包含超过14万张图像,涵盖90个类别。由于消费者可能上传不相关图像,我们的Product-90不可避免地引入了含噪标签。作为第二点贡献,我们提出了一种简单而高效的引导学习(guidance learning, GL)方法,用于在有噪声监督下训练卷积神经网络(CNN)。该GL方法首先用完整的含噪数据集训练一个初始教师网络,然后以多任务方式用大规模含噪集合和小型人工核验的干净集合训练目标/学生网络。具体而言,在学生网络训练阶段,大规模含噪数据由其引导知识监督,该引导知识是其给定含噪标签与来自教师网络的软化标签的组合。我们在我们的Product-90以及公开数据集Food101、Food-101N和Clothing1M上进行了大量实验。我们的引导学习方法在这些数据集上取得了优于最先进(state-of-the-art)方法的性能。