本文提出了一种利用图像和文本信息识别电子传单内的促销品，对其进行分类以及多标签文本分类的方法，通过对 Nielsen 电子传单获取的图像进行训练和评估，不断优化后我们的模型在所有实验中均明显优于基准模型。

Oct, 2020

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

本文介绍了一种利用 Wikipedia 分类图解决大规模细粒度文本分类的方法 ——wiki2cat，它可以在无需人工标注的情况下学习和归类广告内容，相对于已有的基于学习和基于关键词的基线模型，该方法具有竞争性的表现。

Feb, 2021

通过交叉模态蒸馏策略，从俯瞰图像中学习预测细粒度地物属性的分布，以实现精细化的土地覆盖估计，结果可应用于地图绘制和图像定位。

Sep, 2019

利用地面图像进行城市尺度上的精细土地利用分类，使用地理引用的 Flickr 图像创建框架并使用卷积神经网络进行分类。

Feb, 2018

提出一个并不仅使用视觉特征，还使用从内嵌文本中提取的文本线索实现广告图像自动分类的框架，利用广告图像所含的有意义的文本内容，在分类任务中提供有益的语义解释，并使用现成组件开发框架来展示文本线索在语义分类任务中的有效性。

Jun, 2018

该研究提出了 FoodX-251 数据集，包含 251 个细分食品类别和 158,000 张图片，可用于评估计算机视觉模型以识别不同食品之间的视觉相似性。我们为 40,000 张图像提供了经过人工验证的标签，用作验证和测试。这个数据集已经被用于组织 Fine-Grained Visual Categorization 工作坊中的 iFood-2019 挑战，并可供下载。

Jul, 2019

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

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

本文旨在探讨如何使用深度学习与概率方法，基于卫星图像上的较粗标签信息，提高对细粒度标注的预测精度，并提供一套用于基准测试的数据集，以促进基于标签比例学习在地球观测领域的应用发展。

Jun, 2023