--
04
深度学习的落地实践
1. 标签问题和解决办法
深度学习的识别和分类都是比较成熟的技术，但是如何把这些技术应用到服装行业确是一个新的问题。目前时尚图片的标注数据准确率低，因为时尚是一个专业性的东西，并不是每一个人都能理解时尚，所以很难标注，知衣科技的标注是由服装学院的设计师们帮忙标注的， 标注的准确率很高。
在服装识别中，我们把服装分为了五大类：上衣、下衣、包、鞋子、连衣裙， 再对五大类做细分，总共有150多种标签，设计师需要的是更细的划分，比如前几年流行的一字肩，这种细节需要从大量的数据中去发现。
目前标签存在的两大问题，一是标签的稀疏性，有的标签会比较少，比如双面呢大衣，二是设计细节难打标签，比如袖口的拉链，口袋的开口方向等，会有漏打漏标的情况，所以整体的标签要治理出来是非常困难的，我们开发了一套专门针对服装标签的打标系统，在部分标签体系上能实现93%到95%的识别率，设计院校的学生的识别率在85%-90%，在这个专业领域上已经比别人强了。
2.基于Faster R-CNN Model的目标检测
整体的网络构造分两层，第一层是Faster R-CNN识别服装的过程，第二层是把识别到的服装经过一些风格的过滤器， 输出到不同的FeatureMap里，有些是形态的，有些是风格的，然后根据不同的风格进行聚类，再针对这些问题去做回归。
对图片进行多个维度的识别，包括人脸识别，包括以图搜图，搜图目的不同，他们背后的算法、逻辑和训练方式也是不一样的，比如淘宝的找同款或找相似，而我们要解决的是设计师选错款的问题，理解设计师想找到什么图片，这个问题我们抽象成了两个场景，一是全图搜索，看重的是整体的搭配，二是品类相似，是找单品相似款式。
今天的分享就到这里，谢谢大家。
阅读更多技术干货文章、下载讲师PPT，请关注微信公众号“DataFunTalk”。
分享嘉宾：郑泽宇 知衣科技 联合创始人兼CEO
