SIR：面向电子商务商品搜索的相似图像检索

我们提出一个相似图像检索（SIR）平台，用于在数百万量级商品目录中快速发现视觉相似商品。鉴于目录的规模、多样性与动态性，商品搜索面临诸多挑战。可通过构建监督模型为商品图像标注代表主题的标签，随后按标签检索来解决。该方法足以应对“白衬衫”或“电视生活风图像”等常见且常青的主题。它不适用于“电子烟”等新主题、“带促销徽章的图像”等难以界定的主题，或“万圣节服装”等关联周期短的主题。SIR 非常适合此类情形，因为它允许我们以示例而非预定义主题进行搜索。我们描述了支撑近似最近邻搜索后端的步骤——嵌入计算、编码与索引。我们还重点介绍了 SIR 的两个应用。第一个与检测具有各类潜在不良主题的商品有关。该应用具有紧迫性，因此不允许典型的训练与引导模型时间框架。此外，这些主题常随当前趋势短暂存在，故投入资源构建持久模型并不合理。第二个应用是变体商品检测系统，其中 SIR 有助于发现难以通过文本搜索找到的视觉变体。我们结合这些应用背景分析了 SIR 的性能。