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

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

本文介绍了在 eBay 产品视觉搜索挑战 (FGVC9) 中获得第一名的一个模型。该模型通过将视觉模型和视觉语言模型相结合，运用 20 个模型的结合方式，在对 coarse labels 进行两阶段训练的基础上，进行了精细化的自我监督训练。此外，该模型通过使用文本描述训练图像作为监督信号，对图像编码器进行了微调。最终，该模型达到了 0.7623 MAR@10 的成绩，超过了所有竞争对手。

Jul, 2022

这篇论文针对电子商务中存在的多样化需求和多模态数据问题，提出了一种基于实例级的、弱监督、跨模态的商品检索方法，在构建一个包含千万张图像 - 标题对的大型数据集 Product1M 的同时，提出了一个用于商品实例级检索的新型模型 ——CAPTURE，该模型通过多模态学习和交叉模态对比预训练来捕获多模态输入的潜在协同作用，并生成判别性特征，比多个基线模型表现更佳。

Jul, 2021

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

通过大规模的基于商品广告传单的手动注释高清产品图像数据集，该研究提出了一种名为 “视觉实体匹配” 的学习问题，需要使用新颖的方法将例子中的视觉等价类转移到新的数据上，以解决当前普通图像分类和检索算法无法解决的问题，并旨在为此类算法提供基准。

Sep, 2023

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