潮鞋交易平台用机器学习从七张照片中识别出一双鞋子（补充版）

潮鞋交易平台用机器学习从七张照片中识别出一双鞋子（补充版），

需要找真正的莆田本地源头货源 请加下面莆田鞋本地厂家微信咨询，他们是莆田鞋源头工厂，主营：市面上各种国际名牌莆田鞋批发|各种电商合作招代理 一件代发|以及终端零售。

下面给大家讲解“潮鞋交易平台用机器学习从七张照片中识别出一双鞋子”的知识,本站信息仅供大家参考哦！

温馨提示：只有上面二维码是本站推荐的莆田本地源头厂家，分割线以下的其他微信号请不要加，因为文章是网络整理过来的，骗子多请注意！

-------------------分割线以下-----商家微信号请不要联系----------------

由大数据文摘制作

合辑：爱丽丝、小七、睡不着的云舟

潮流鞋交易正在成为一门极具潜力的生意，而这门生意的关键就是辨别真假。

一家名为 GOAT 的时尚鞋子交易平台正在尝试利用机器学习从七张照片中识别一双靴子是否是真的。

每双鞋的店主都会向平台发送七张标准照片：从衣服的不同角度，即鞋底、鞋面和侧面拍摄标准化照片，然后进行处理。

基于这些图像，GOAT 将使用机器学习来测试它们是否真实，并将其与真假图像数据库进行比较。

一旦上市，卖家就会对衣服进行竞价，类似于 eBay。

这个专注于冷门市场的交易平台希望“为卖家和买家提供最大、最安全的时尚鞋交易市场”，完善和完善验证流程，打击网络运动鞋市场的欺诈行为。

上线3年来，该应用已拥有700万用户，覆盖超过40万个潮流鞋履品牌，包括Yeezy、’s、X等。

“这是图像识别和机器学习的结合，因为我们每天工作时都会穿很多相同类型的衣服，”GOAT 创始人说。

大量用户的积累，也让GOAT建立了真实潮流鞋款的数据库。 这个高质量的“时尚鞋履图像”数据库已成为GOAT的巨大财富。

这不是一件容易的事。 GOAT 的产品目录由 30,000 多双时尚鞋（并且还在增加）组成，所有这些鞋都有独特的款式、轮廓、材料、颜色等。自动对整个产品目录进行分类是一个棘手的问题。

此外，每一款新鞋都可能改变人们谈论潮流鞋的方式，这意味着GOAT需要不时更新这种分类方法。

解决这个问题的一种方法是应用机器学习。 为了跟上不断变化的鞋子市场，GOAT 使用的模型可以找到对象之间的关系，而无需明确强调我们正在寻找哪些对象。 在实践中，该模型像人类一样学习特征。

在这篇文章中，GOAT 的机器学习工程师

详细介绍 GOAT 如何利用机器学习建立视觉属性，作为通用时尚鞋款语言的基础。

潜变量模型

我们在 GOAT 中使用人工神经网络来近似产品目录中最显着的视觉特征，即变化的潜在因素。 在机器学习中，这属于流形学习的范畴（）。

流形学习基于这样的假设：数据分布（例如流行鞋的图像）通常可以在局部欧几里德空间中表示为低纬度特征，同时保留大部分有用信息。 结果是将数千个图像像素转换为可解释的细微差别特征，并压缩为数字列表。

什么是流形？

想象一下你会如何告诉你的同学去你家的方向。 你永远不会用一系列本地 GPS 坐标来描述如何从他们的房子到你的房子。 在这个比喻中，GPS代表一个高经度、广域的随机变量。 相反，您可以指示他们使用一系列街道名称和转弯作为坐标近似值来驾驶，这就是我们的流形 ( )。

造型

由于没有昂贵的真实标签，我们使用无监督学习模型来学习流形，例如变分自动编码器（VAE）、生成对抗网络（GAN）和各种混合模型。 该模型将初级时尚鞋照片转换为审美潜在因素，也称为 ()。

在许多情况下，此类模型借助某种类型或形状的手工编码框架来推断潜在空间。 模型的编码器将图像分解为隐藏向量，然后解码器重建光图像。 在这一步之后，我们判断模型构造输入和估计正确性的能力，称为损失。 该模型使用损失作为改进标准，迭代地压缩和解压缩越来越多的图像。 构建一个任务推进的“领结式”模型，以学习对任务最有用的嵌入。 与主成分分析 (PCA) 等其他聚类技术类似，该技术用于对数据集的可变性进行编码。

原型手编码器

注意事项和设计选项

仅仅能够重新照亮图像通常是不够的。 传统的手动编码器可以将数据集转换为常规查找表，但泛化能力较差。 这会导致流形学得不好，样本之间会出现“裂缝”或“悬崖”。 现代模型以各种形式解决这个问题。

有些，例如众所周知的变分自动编码器（VAE），减少了损失函数的散度归一化项，将潜在空间限制在某些理论支持上。 更详细地说，这些模型中的大多数都会惩罚与某种高斯或均匀先验不匹配的潜在空间，并通过选择散度度量来计算偏差。

在许多情况下，选择合适的模型取决于分歧检测、偏差函数重建和先验施加的设计选择。 例如，β-VAE 和手工编码模型分别依赖于 KL 散度（又名相对熵，-）和对抗性损失。 通常在输出质量和多样性之间需要权衡，并且根据您学习的嵌入用例，您会更喜欢某种设计选择。

β-VAE损失函数、重建和权重散度项

当潮鞋的美学被编码成我们视觉的潮鞋语言时，我们希望得到一个强大而多样的潜在因素空间，这足以覆盖我们大部分的产品目录。 换句话说，我们希望型号能最大程度地代表潮流鞋款，而不是牺牲价格来代表特有的风格。

“看起来像”的案例

我们训练 VAE 来学习主要产品照片的潜在空间。 保持隐藏向量固定，我们可以直观地看到模型是如何一步步训练来构建复杂而具体的层的。

隐藏因子探索，每行使用相同的潮流鞋，每列是构造的隐藏向量的修正值，先验是标准正态分布

据悉，我们可以通过将蕴涵向量压缩成2D或3D图来查看整个产品目录的总体趋势。 我们使用 t-SNE 等工具来映射潜在空间、可视化点采样和大规模标记。

流行鞋图像的隐藏空间算法

尖端

嵌入是创建可重用值的绝佳工具，其固有属性类似于人类理解对象的方式。 它们可以省去不断维护目录和根据变化改变分类的工作，并且嵌入的隐藏因素可以广泛使用。 通过嵌入，您可以找到集群来执行批量标记、计算最近邻居以进行推荐和搜索、插入缺失数据以及重用网络来热启动其他机器学习问题。

相关报道：

//如何山羊--a--去爱--

温馨提醒：网上随机发现的福州鞋业微商很可能是骗局，并非一手厂家货源。 比如Momo Pay不发货、版本错误不支持退货等。 经常会发生这样的情况，现在可靠的福州鞋厂家货源是一件非常困难的事情，为了解决这个问题，我们搭建了一个叫做“华源通”的平台，专门收集了一些可靠、正宗的厂家联系方式和厂家公众号免费分享给大家参考。 那些厂家通过了我们网站的初审，并收取了一定的费用。 广告费用，只有在卖家下单后我们才会推荐和分享，并且我们每周都会对每个商店进行评估。 如果我们发现不诚信行为，我们会第一时间向您公布，并立即删除店铺信息。 经营多年，从未发生过店铺诈骗事件。 大多数商店都与合作多年，因此推荐的商店是可靠的。