商品檢索是一門(mén)綜合了物體檢測(cè)、圖像分類(lèi)以及特征學(xué)習(xí)的技術(shù)。近期，很多研究者成功地將深度學(xué)習(xí)方法應(yīng)用到這個(gè)領(lǐng)域。本文對(duì)這些方法進(jìn)行了總結(jié)，然后概括地提出了商品特征學(xué)習(xí)框架以及垂類(lèi)數(shù)據(jù)挖掘方式，最后介紹了商品檢索技術(shù)在服裝搭配中的應(yīng)用。

前言

幾年前，當(dāng)人們還在感嘆于網(wǎng)頁(yè)購(gòu)物的快速便捷時(shí)，各大電商巨頭就“悄悄地”將它們的購(gòu)物應(yīng)用推廣到了用戶的手機(jī)里。從那一刻起，用戶購(gòu)買(mǎi)的習(xí)慣也在悄悄地發(fā)生著改變：人們不再局限于時(shí)間與地點(diǎn)，只要擁有一部聯(lián)網(wǎng)的手機(jī)，就能輕松獲取想要的商品。發(fā)展至今，移動(dòng)設(shè)備的安全、高速等特點(diǎn)越來(lái)越獲得人們的認(rèn)可，也使得移動(dòng)購(gòu)物行為變得更加普遍。然而目前PC和Mobile終端中，用戶基本都是通過(guò)文本關(guān)鍵詞獲取目標(biāo)商品，這種單一的關(guān)鍵詞描述有時(shí)很難獲取用戶的真實(shí)需求。

為此，電商們也進(jìn)行了很多改進(jìn)。其中最有效的一些做法是構(gòu)建高度結(jié)構(gòu)化的后臺(tái)商品數(shù)據(jù)庫(kù)。其目的是能夠通過(guò)分析用戶的查詢來(lái)推薦一些更加精細(xì)粒度、時(shí)效性好、熱度高的商品品類(lèi)，并提供給用戶一個(gè)限定了價(jià)格、品牌、風(fēng)格等等的商品候選集合。這種基于文本的由粗到精的推薦方式，能夠很好的幫助用戶定位到具有精細(xì)且具體標(biāo)簽的商品。然而，當(dāng)用戶需求的商品的周邊信息不明確時(shí)，很難通過(guò)抽象出有限的關(guān)鍵詞來(lái)進(jìn)行檢索。這類(lèi)商品包括：未知品牌的化妝品，樣式新穎的家具或者時(shí)尚流行的服裝等（如圖1）。

圖1：一些難以用關(guān)鍵詞描述的商品

所見(jiàn)即所得

對(duì)于上述的問(wèn)題，可以用一句話歸結(jié)為：當(dāng)需求物品難以用文本量化描述時(shí)， 給定它的一張圖像，是否有可能推薦給用戶相關(guān)的商品？ 可以想象這樣的場(chǎng)景： 當(dāng)你看到一件喜歡的物品，只通過(guò)手機(jī)拍照將其圖像上傳購(gòu)物網(wǎng)站，就能獲取實(shí)物購(gòu)買(mǎi)信息。如果商品檢索能做到這樣的“所見(jiàn)即所得”， 必將會(huì)給有購(gòu)物需求的用戶帶來(lái)很大的便捷。

“所見(jiàn)”如何才能變成“所得”呢？ 在回答這個(gè)問(wèn)題之前， 首先需要了解商品檢索中的難點(diǎn)問(wèn)題：

商品品類(lèi)繁多

小到柴米油鹽，大到家具電器， 都可以稱(chēng)為商品。而且很多商品都包括多級(jí)且細(xì)致的分類(lèi)，例如，家具可分為臥室家具、客廳家具、餐廳家具、書(shū)房家具等；服裝的一級(jí)品類(lèi)包括女裝、男裝、內(nèi)衣、配飾與童裝童鞋等， 女裝又可分為連衣裙、T恤、雪紡衫等； 母嬰中的童車(chē)童床類(lèi)別可分為安全座椅、嬰兒推車(chē)、嬰兒床、嬰兒床、墊餐、椅學(xué)步車(chē)等。由此可見(jiàn)， 好的檢索技術(shù)不僅要識(shí)別這么多的商品類(lèi)別， 并且需要區(qū)分每個(gè)類(lèi)別下的不同商品實(shí)例； 同時(shí)后臺(tái)商品數(shù)據(jù)庫(kù)應(yīng)該具有很高的覆蓋面。

圖2：多種多樣的商品

同款與相似款的混淆

根據(jù)多級(jí)類(lèi)目或?qū)傩赃M(jìn)行商品劃分的方式，盡管區(qū)分了大多數(shù)具有精細(xì)語(yǔ)義的商品，但在區(qū)分同款與相似款上的作用仍然是有限的，即無(wú)法確認(rèn)兩件分為一個(gè)類(lèi)別的商品是相同款。 舉例來(lái)說(shuō)，已知兩個(gè)人都穿著白色短袖圓領(lǐng)T恤， 因?yàn)樽藨B(tài)、角度、光照等影響，有可能會(huì)使得相似款更像同款，或者同款被誤識(shí)別為相似款。這就是計(jì)算機(jī)視覺(jué)中經(jīng)常碰到的類(lèi)內(nèi)差異性與類(lèi)間相似性問(wèn)題。圖3的例子可以說(shuō)明這兩個(gè)問(wèn)題。 左側(cè)（a）中的上衣是同一款衣服，但由于人體姿態(tài)、懸掛方式、手臂遮擋、光線等問(wèn)題的存在，使得它的顏色以及長(zhǎng)度等表觀屬性具有很大的差異性；三款相似的黑色印花連衣裙如（b）所示，它們擁有相似的不規(guī)則的印花圖案，以及黑色的底色和A字裙擺；這些特點(diǎn)都讓他們很相似，但從袖型可看出它們非同款。

圖3：同款與相似款服飾圖像

其實(shí)，計(jì)算機(jī)視覺(jué)的各個(gè)領(lǐng)域都在解決這樣的“所見(jiàn)即所得”難題， 即如何讓機(jī)器能夠自動(dòng)準(zhǔn)確的理解圖像內(nèi)容。隨著深度學(xué)習(xí)的興起， 包括人臉識(shí)別、 圖像分類(lèi)與物體檢測(cè)在內(nèi)的方向都取得了很多重要的進(jìn)展， 也為深度學(xué)習(xí)在商品檢索中的應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。