使用基于深度学习的对象检测和图像检索技术，通过全局描述符之间的相似度搜索，在快速高效的识别超市商品的同时能够满足不断变化的商品和包装需求。
Oct, 2018
本文介绍了一种用于 eBay 可视搜索挑战的弱监督商品检索的新型解决方案，该方案通过使用来自商品标题的伪属性作为多标签分类的真实值，采用多个强大的 backbones，包括白化，重排序和模型集成等后处理技术，实现了 71.53% 的 MAR，为 “Involution King” 在排行榜上获得第二名。
Aug, 2022
电子商务日益发展，零售 AI 系统需要自动识别高准确度的 SKU 级别的产品，本研究构建了一个包含 10,000 个人工标注细粒度 SKU 级别产品的图像数据集，并针对细粒度产品识别提出了多种有用的技巧。
Aug, 2020
本文介绍了 eProduct 数据集的创建，该数据集包含 250 万个产品图片。eProduct 可作为一个训练集和评估集来加速自监督学习、弱监督学习和多模态学习等领域的发展，特别是针对细粒度识别问题，如视觉搜索。通过基于此数据集训练的基线模型的性能，分析了 eProduct 数据集的多样性和使用结果。
Jul, 2021
本文研究使用不同欧洲零售商家广告宣传中收集的宣传单图像，构建了一个由 41.6k 手动注释的 832 种产品类别的细粒度产品识别数据集，最终展示了在图像分类任务中使用图像和文本作为输入具有提高识别性能的效果。
May, 2023
数字市场的食品零售正在快速渗透，而关键是提供高质量数据以满足数字转型中的需求。该研究介绍了一种自动对不断变化的产品目录进行分类的解决方案，对比了不同方法，最终得出传统机器学习算法表现更好，但受评分排名方法紧随其后的结论。
Dec, 2023
该论文展示了最近机器学习的进展，结合已发表的标准化细粒度产品类别信息的多语言数据集，使得在具有挑战性的迁移学习设置中实现了可靠的产品属性提取，可以跨在线商店、语言或两者可靠地预测产品属性，并且可用于匹配在线零售商之间的产品分类法。
Feb, 2023
提出了一种混合多模态视觉转换器和卷积神经网络方法以改善精细分类识别，通过生成两个合成数据集来解决 FGVC 3D 数据集不足的问题，并成功将其与机器人框架集成，展示其在模拟和实际机器人场景中作为细粒度感知工具的潜力。
Oct, 2022
通过本研究，我们提出了一个社交型辅助机器人系统 ShelfHelp，并将我们新颖的技术解决方案应用于在导航任务中增强仪器化拐杖的功能，以提升具有视觉障碍的人在超市独立购物的能力。通过人体试验，我们展示了 ShelfHelp 在定位和提供有效操作指导方面的成功，并通过诸如能力、智能程度和易用性等积极主观指标验证了系统的高效性和有效性。
May, 2024
介绍了一种名为 3DGrocery100 的大规模食品数据集，用于细粒度的食品目标识别，包括 100 个类别，由 87,898 个 3D 点云和 10,755 个 RGB-D 单视图图像创建而成，并在 6 个最新的 3D 点云分类模型以及少样本学习和持续学习的分类任务中进行了测试。
Feb, 2024