介绍了一种辅助购物系统，该系统可视化识别购物者所需产品，并通过主动学习进一步提高识别准确性，为视障人士等提供更好的购物体验。

Oct, 2015

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

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

研究了自动饮食评估系统中视觉识别食物的核心功能，使用深度多标签学习方法评估了几种最先进的神经网络，以在图像中检测任意数量的成分，并针对编码使用了多个著名的神经网络模型。在使用挑战性数据集 Nutrition5K 上，取得了有希望的初步结果，并为未来的探索奠定了坚实的基础。

Oct, 2022

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

本论文通过提供离线和在线测试，证明使用深度学习方法进行三维物体识别在开放式领域中更为适用，同时混合手工制作和深度学习方法可以提高分类精度。

Jun, 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

本文综述了深度学习方法在目标检测领域的应用及其取得的进展，涵盖了检测框架、特征表示、目标提议生成、上下文建模、训练策略和评估指标等方面，并指出了未来研究的方向。

Sep, 2018

本文介绍了一种包含 5,000 张超过 25 种不同杂货类别的图像数据集，可用于机器学习和机器人研究的训练、测试和引导。研究者基于这个数据集训练了一个基线分类器，得到了 78.9％的平均准确率。

Nov, 2016

本文提出了一种统一的端到端方法，用于构建面向电子商务的大规模视觉搜索和推荐系统。我们通过统一的深度卷积神经网络结构，VisNet，来学习嵌入，以捕捉几个语义颗粒度的视觉相似性概念，从而证明了我们方法在 Exact Street2Shop 数据集上的优越性能，为 Flipkart 的 50M 产品目录提供了支持 2K 的视觉推荐查询，从而产生了显著的业务影响。

Mar, 2017