使用深度学习检索相似的电子商务图像

在本文中，我们提出一种深度卷积神经网络，用于学习图像的嵌入以捕捉视觉相似性的概念。我们提出了一种深度孪生架构，当在正负图像对上训练时，学习一种准确近似按视觉相似性概念排序的图像的嵌入。我们还基于问题需求使用角度损失度量实现了一种新颖的损失计算方法。图像的最终嵌入是低层与顶层嵌入的组合表示。我们使用分数距离矩阵来计算 n 维空间中学习到的嵌入之间的距离。最后，我们将我们的架构与其他现有深度架构进行比较，并通过在四个数据集上测试该架构来证明我们的解决方案在图像检索方面的优越性。我们还展示了我们提出的网络如何通过学习最优嵌入，优于其他用于捕捉细粒度图像相似性的传统深度 CNN。