阿里巴巴的视觉搜索
本文提出一种新颖的端到端方法，用于可扩展的视觉搜索基础设施，通过深度学习技术实现对 eBay 大型图像库的视觉搜索，使用监督式方法优化搜索结果，并采用紧凑二进制签名技术，同时保证了满足搜索准确度与精确度的可扩展性。
Jun, 2017
本文介绍了部署在微软必应中的 Web 规模通用视觉搜索系统，使用分级学习排序框架，基于各种最新深度学习视觉特征，并在分布式异构计算平台上实现，定量和定性实验表明，我们的系统能够支持 Bing 网站和应用程序上的各种应用。
Feb, 2018
我们设计和实现了一个视觉搜索系统，用于 JD.com 实时图像检索，在分布式分层架构和高效索引方法的支持下，能够支持数百亿个产品图像的实时视觉搜索，并处理频繁的图像更新。该系统可应用于电商等新兴应用领域，并希望分享我们的实践经验，激发中间件社区对于构建实用大规模系统的兴趣和欣赏。
Aug, 2019
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
本文提出了一种基于机器学习的视觉内容管理系统，用于极大型电子商务产品目录。该系统基于图像分类技术，从多个供应商聚合产品图像，并根据顾客需求进行优化，通过不同阶段的分析实现计算机视觉和深度学习技术，解决实际业务问题。
Nov, 2018
本文介绍了如何利用分布式计算平台如 Amazon Web Services 和开源工具，以及一小团队的努力，构建、发布和维护一个成本效益高、大规模的视觉搜索系统，并通过 Pinterest 平台进行了一系列实验，证明了基于视觉搜索的内容推荐可以提高用户参与度，分享构建商用视觉搜索引擎的实现细节和经验，以期更广泛地将视觉搜索引入商业应用。
May, 2015
本文介绍了我们基于 Elasticsearch 构建的端到端内容基于图像检索系统。我们提出了一种将图像特征向量编码为字符串令牌的新方法，并使用 Elasticsearch 来检索相似图像，性能表现优异。此系统易于部署、分布、扩展和监控，支持视觉和文本信息联合检索。本文对实现 Elasticsearch 平台的一手经验进行了广泛的讨论，对于有兴趣在 Elasticsearch 上构建视觉搜索引擎的从业者应该具有价值。
Jun, 2018
本文提出了一种单模态视觉表征学习的方法，主要用于电子商务中的产品推荐、搜索和广告应用，包括预训练骨干架构、卷积神经网络和视觉变换器家族等。通过离线和在线的方式，我们对实验方法进行了评估和分析，并提出了新的文本到图像生成离线评估方法来评估视觉相似度的推荐系统，在 Etsy 的生产环境中进行了机器学习系统的应用。
May, 2023
本研究提出了一种名为二进制分布式图形算法的方法，该方法使用二进制编码与图形结构相结合以加速在线和离线程序，并通过回忆更多二进制候选项来实现与实值场景中的性能相当，废除了单个机器内存和磁盘存储的限制，对超过 30 亿张图像的阿里巴巴商品数据集进行的实验比较表明，该方法优于现有技术的在线 / 离线平衡。
Feb, 2021
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