基于视觉的在线二手物品价格建议

与在实体店购物不同，人们在实体店可在购买决策前近距离检查商品（例如触摸 T 恤表面或闻香水气味），在线购物者极大依赖所上传的商品图像做出任何购买决策。在在线出售或购买二手物品时，由于估算物品价格并非易事，该决策具有挑战性。本工作中，我们提出一种用于在线二手物品购物平台的基于视觉的价格建议系统。基于视觉的价格建议的目标是借助上传至在线平台的二手物品图像，帮助卖家为其二手商品设定有效价格。首先，我们提出借助其他一些基于图像的物品信息（例如类别、品牌）更好地从图像中提取具有代表性的视觉特征。然后，我们设计了一个基于视觉的价格建议模块，其将提取的视觉特征与购物平台的一些统计物品特征作为输入，通过二分类模型判断所上传物品图像是否合格可用于价格建议，并通过回归模型为图像合格的物品提供价格建议。根据平台的两项需求，提出两种不同的目标函数以联合优化分类模型与回归模型。为更好地进行模型训练，我们还提出了一种用于联合优化的预热训练策略。在大型真实世界数据集上的大量实验证明了我们基于视觉的价格预测系统的有效性。