CN107861970A - 一种商品图片搜索方法和装置 - Google Patents
一种商品图片搜索方法和装置 Download PDFInfo
- Publication number
- CN107861970A CN107861970A CN201710832620.5A CN201710832620A CN107861970A CN 107861970 A CN107861970 A CN 107861970A CN 201710832620 A CN201710832620 A CN 201710832620A CN 107861970 A CN107861970 A CN 107861970A
- Authority
- CN
- China
- Prior art keywords
- label
- commodity
- picture
- identification model
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种商品图片搜索方法和装置,属于搜索技术领域。方法包括:从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签;以及从用户输入的商品描述信息中提取第二标签;根据选取的第一标签和第二标签进行商品图片搜索,并输出商品图片搜索结果。本发明实施例通过结合第一标签和第二标签进行商品图片搜索,从而使搜索结果更符合用户意图,由此提高了图片搜索结果精度,使用户能够快速精准地搜索到对应商品,提高了用户体验。
Description
技术领域
本发明涉及搜索技术领域,特别涉及一种商品图片搜索方法和装置。
背景技术
在互联网上搜索图片或根据图片搜索相关信息的需要已经越来越多。
目前,基于图片的搜索方式主要是通过图片搜索图片、通过图片结合用户选择品类搜索图片的方式,其中,通过图片搜索图片的过程是:用户上传一张图片,***根据图片信息与图片库中包括的各个图片进行比对,向用户显示最相似的多张图片;通过图片结合手动选择品类搜索图片的过程是:用户上传一张图片,同时选择图片分类,***结合分类和图片信息,向用户显示该分类中最相似的多张图片。
由于通过图片搜索图片所返回的搜索结果中包含了大量并非用户试图搜索的图片,搜索结果非常不准确,造成用户体验不佳;而通过图片结合手动选择品类搜索图片虽然能够得到有效的搜索结果,但无法使用户快速精准地找到某个商品,如指定品牌的待搜索商品、指定花纹特征的待搜索商品或指定颜色的待搜索商品等。
因此,现有技术的图片搜索结果精度不高,无法使用户快速精准地搜索到对应商品,导致用户体验不佳。
发明内容
有鉴于此,本发明实施例提供了一种商品图片搜索方法和装置,以提高图片搜索结果的精度,使用户能够快速精准地搜索到对应商品,提高用户体验。所述技术方案如下:
第一方面,提供了一种商品图片搜索方法,所述方法包括:
从用户输入的图片中提取多个第一标签,并获取所述用户在所述多个第一标签中所选取的第一标签;以及
从所述用户输入的商品描述信息中提取第二标签;
根据所述选取的第一标签和所述第二标签进行商品图片搜索,并输出商品图片搜索结果。
结合第一方面,在第一种可能的实现方式中,所述从用户输入的图片中提取多个第一标签包括:
识别所述图片中的待搜索商品;
提取所述待搜索商品的多个特征,所述特征用于表征所述待搜索商品;
获取训练好的识别模型,并在所述待搜索商品的多个特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述待搜索商品的第一标签。
结合第一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述获取训练好的识别模型包括:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
结合第一方面,在第三种可能的实现方式中,所述根据所述选取的第一标签和所述第二标签进行商品图片搜索包括:
确定所述选取的第一标签和所述第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述第二标签相匹配的商品图片。
第二方面,提供了一种商品图片搜索装置,所述装置包括:
第一提取模块,用于从用户输入的图片中提取多个第一标签;
获取模块,用于获取所述用户在所述多个第一标签中所选取的第一标签;
第二提取模块,用于从所述用户输入的商品描述信息中提取第二标签;
搜索模块,用于根据所述选取的第一标签和所述第二标签进行商品图片搜索;
输出模块,用于输出商品图片搜索结果。
结合第二方面,在第一种可能的实现方式中,所述第一提取模块包括:
识别子模块,用于识别所述图片中的待搜索商品;
提取子模块,用于提取所述待搜索商品的多个特征,所述特征用于表征所述待搜索商品;
获取子模块,用于获取训练好的识别模型;
确定子模块,用于在所述待搜索商品的多个特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述待搜索商品的第一标签。
结合第二方面的第一种可能的实现方式,在第二种可能的实现方式中,所述获取子模块具体用于:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
结合第二方面,在第三种可能的实现方式中,所述搜索模块具体用于:
确定所述选取的第一标签和所述第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述第二标签相匹配的商品图片。
第三方面,提供了一种商品图片搜索方法,所述方法包括:
从用户输入的第一图片中提取多个第一标签,以及从所述用户输入的第二图片中提取多个第二标签;
获取所述用户在所述多个第一标签中所选取的第一标签和在所述多个第二标签中所选取的第二标签;
根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索,并输出商品图片搜索结果。
结合第三方面,在第一种可能的实现方式中,
所述从用户输入的第一图片中提取多个第一标签包括:
识别所述第一图片中的第一商品;
提取所述第一商品的多个第一特征,所述第一特征用于表征所述第一商品;
获取训练好的识别模型,并在所述多个第一特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第一商品的第一标签;
所述从用户输入的第二图片中提取多个第二标签包括:
识别所述第二图片中的第二商品;
提取所述第二商品的多个第二特征,所述第二特征用于表征所述第二商品;
获取所述训练好的识别模型,并在所述多个第二特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第二商品的第二标签。
结合第三方面的第一种可能的实现方式,在第二种可能的实现方式中,所述获取训练好的识别模型包括:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
结合第三方面,在第三种可能的实现方式中,所述根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索包括:
确定所述选取的第一标签和所述选取的第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述选取的第二标签相匹配的商品图片。
第四方面,提供了一种商品图片搜索装置,所述装置包括:
提取模块,用于从用户输入的第一图片中提取多个第一标签,以及从所述用户输入的第二图片中提取多个第二标签;
获取模块,用于获取所述用户在所述多个第一标签中所选取的第一标签和在所述多个第二标签中所选取的第二标签;
搜索模块,用于根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索;
输出模块,用于输出商品图片搜索结果。
结合第四方面,在第一种可能的实现方式中,
所述提取模块包括:
识别子模块,用于识别所述第一图片中的第一商品;
提取子模块,用于提取所述第一商品的多个第一特征,所述第一特征用于表征所述第一商品;
获取子模块,用于获取训练好的识别模型;
确定子模块,用于在所述多个第一特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第一商品的第一标签;
所述识别子模块,还用于识别所述第二图片中的第二商品;
所述提取子模块,还用于提取所述第二商品的多个第二特征,所述第二特征用于表征所述第二商品;
所述确定子模块,还用于在所述多个第二特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第二商品的第二标签。
结合第四方面的第一种可能的实现方式,在第二种可能的实现方式中,所述获取子模块具体用于:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出,对所述识别模型进行训练,得到所述训练好的识别模型。
结合第四方面,在第三种可能的实现方式中,所述搜索模块具体用于:
确定所述选取的第一标签和所述选取的第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述选取的第二标签相匹配的商品图片。
本发明实施例提供的技术方案带来的有益效果是:
通过从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签,由此获取到用户对图片所感兴趣的第一标签,从而确保了用户精准地找到所感兴趣的商品;另外,从用户输入的待搜索商品描述信息中提取第二标签,获取到用户自定义的第二标签,由此通过根据所述选取的第一标签和所述第二标签进行商品图片搜索,从而进一步使搜索结果更符合用户意图,由此提高了图片搜索结果精度,进一步使用户能够快速精准地搜索到对应商品,因此提高了用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种商品图片搜索方法流程图;
图2是本发明实施例提供的一种商品图片搜索方法流程图;
图3是本发明实施例提供的一种商品图片搜索方法流程图;
图4a是本发明实施例提供的一种商品图片搜索方法中用户输入图片示意图;
图4b是本发明实施例提供的一种商品图片搜索方法中供用户选择第一标签以及用户输入商品描述信息示意图;
图4c是本发明实施例提供的一种商品图片搜索方法中商品图片搜索结果页示意图;
图5是本发明实施例提供的一种商品图片搜索方法流程图;
图6是本发明实施例提供的一种商品图片搜索装置结构示意图;
图7是本发明实施例提供的一种商品图片搜索装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明实施例提供了一种商品图片搜索方法,参照图1所示,该方法包括:
101、从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签。
具体的,从用户输入的图片中提取多个第一标签,该过程可以包括:
识别图片中的待搜索商品;
提取待搜索商品的多个特征,特征用于表征待搜索商品;
获取训练好的识别模型,并在待搜索商品的多个特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为待搜索商品的第一标签;
其中,获取训练好的识别模型,该过程可以包括:
构建训练样本图片集,并对训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将每个训练样本图片的特征作为识别模型的输入,与每个训练样本图片的特征相对应的标签作为识别模型的输出;
对识别模型进行训练,得到训练好的识别模型。
102、从用户输入的商品描述信息中提取第二标签。
103、根据选取的第一标签和第二标签进行商品图片搜索,并输出商品图片搜索结果。
具体的,根据选取的第一标签和第二标签进行商品图片搜索,该过程可以包括:
确定选取的第一标签和第二标签对应的商品类别;
从商品类别对应的商品图片库中搜索出与选取的第一标签和第二标签相匹配的商品图片。
需要说明的是,步骤101与步骤102的执行顺序可以是先执行步骤101,再执行步骤102,也可以是先执行步骤102,再执行步骤101,本发明实施例对步骤101与步骤102的执行先后顺序不作具体限定。
本发明实施例提供了一种商品图片搜索方法,通过从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签,由此获取到用户对图片所感兴趣的第一标签,从而确保了用户精准地找到所感兴趣的商品;另外,从用户输入的待搜索商品描述信息中提取第二标签,获取到用户自定义的第二标签,由此通过根据所述选取的第一标签和所述第二标签进行商品图片搜索,从而进一步使搜索结果更符合用户意图,由此提高了图片搜索结果精度,进一步使用户能够快速精准地搜索到对应商品,因此提高了用户体验。
实施例二
本发明实施例提供了一种商品图片搜索方法,参照图2所示,该方法包括:
201、从用户输入的第一图片中提取多个第一标签,以及从用户输入的第二图片中提取多个第二标签。
具体的,从用户输入的第一图片中提取多个第一标签,该过程可以包括:
从用户输入的第一图片中提取多个第一标签包括:
识别第一图片中的第一商品;
提取第一商品的多个第一特征,第一特征用于表征第一商品;
获取训练好的识别模型,并在多个第一特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第一商品的第一标签;
从用户输入的第二图片中提取多个第二标签包括:
识别第二图片中的第二商品;
提取第二商品的多个第二特征,第二特征用于表征第二商品;
获取训练好的识别模型,并在多个第二特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第二商品的第二标签。
其中,获取训练好的识别模型,该过程可以包括:
构建训练样本图片集,并对训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将每个训练样本图片的特征作为识别模型的输入,与每个训练样本图片的特征相对应的标签作为识别模型的输出;
对识别模型进行训练,得到训练好的识别模型。
202、获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签。
203、根据选取的第一标签和选取的第二标签进行商品图片搜索,并输出商品图片搜索结果。
具体的,根据选取的第一标签和选取的第二标签进行商品图片搜索,该过程可以包括:
确定选取的第一标签和选取的第二标签对应的商品类别;
从商品类别对应的商品图片库中搜索出与选取的第一标签和选取的第二标签相匹配的商品图片。
本发明实施例提供了一种商品图片搜索方法,通过从用户输入的第一图片中提取多个第一标签,以及从用户输入的第二图片中提取多个第二标签,获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签,并根据选取的第一标签和选取的第二标签进行商品图片搜索,输出商品图片搜索结果,由此通过结合用户感兴趣的第一标签和第二标签,使得商品图片搜索能够根据用户的兴趣进行搜索,由此提高了图片搜索结果精度,使用户能够快速精准地搜索到对应商品,提高了用户体验。
实施例三
本发明实施例提供了一种商品图片搜索方法,参照图3所示,该方法包括:
301、识别用户输入的图片中的待搜索商品。
其中,从图片中识别出的待搜索商品为一个或多个。
待搜索商品可以是服装、食品、化妆品、家具、生活用品或其他商品。
具体的,该过程可以包括:
a、获取用户输入的图片。
其中,用户输入的图片至少为一个。
具体的,获取用户对客户端上的输入图片功能图标的触发操作;
在触发操作的触发下,弹出图片输入界面;
获取用户通过上传图片方式或者拍照方式输入的图片。
其中,客户端可以是带有摄像头的终端,如智能手机、平板计算机等;输入图片功能图标可以是照相机图标。
b、从用户输入的图片中提取图片的特征信息。
具体的,对图片进行预处理,并提取图片所包括的实体的轮廓和线条等特征信息。
c、根据预设的商品模型及图片的特征信息对输入的图片进行识别,识别出图片中的待搜索商品。
其中,商品模型为预先通过对商品样本图片的特征信息及商品样本图片对应的商品进行训练获得的模型。
需要说明的是,若获取的用户输入的图片为多个时,则从多个图片中分别识别出待搜索商品,其中,从多个图片中分别识别的待搜索商品可以是同一商品类别下的商品,也可以是不同商品类别下的商品。
302、提取待搜索商品的多个特征,特征用于表征待搜索商品。
其中,待搜索商品的特征可以是待搜索商品的形状、颜色、纹理或其结合。
除此以外,待搜索商品的特征还可以是其他能够用于标识待搜索商品的信息,本发明实施例对具体的特征不加以限定。
本发明实施例对具体的提取过程不加以限定。
需要说明的是,若待搜索商品为多个,则分别提取每个待搜索商品的多个特征。
303、获取训练好的识别模型,并在待搜索商品的多个特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为待搜索商品的第一标签。
其中,第一标签与待搜索商品的特征对应,第一标签用于对待搜索商品的特征进行语义信息的描述,第一标签可以是一个或多个。第一标签可以是待搜索商品的名称、类别、品牌、风格、尺码、颜色、版型等,其中,类别可以包括女装、男装、鞋靴、箱包等,风格可以包括原创风、军旅风、复古风等。
示例性的,识别出的待搜索商品为上衣时,与提取到的上衣的多个特征相对应的多个第一标签分别为黄色、长款、宽松版,又如识别出的待搜索商品为鞋子时,与提取到的鞋子的多个特征相对应的多个第一标签为板鞋、低帮、厚底、黑色。
具体的,获取训练好的识别模型,该过程可以包括:
构建训练样本图片集,并对训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将每个训练样本图片的特征作为识别模型的输入,与每个训练样本图片的特征相对应的标签作为识别模型的输出;
对识别模型进行训练,得到训练好的识别模型。
其中,识别模型可以是深度卷积神经网络。
值得注意的是,步骤301至步骤303是实现从用户输入的图片中提取多个第一标签的过程,除了步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
本发明实施例中,由于待搜索商品的多个第一标签是根据待搜索商品的多个特征来确定的,因此在通过多个第一标签对待搜索商品进行标注,能够提高了商品识别的精确性;另外,由于第一标签是通过训练好的识别模型确定的,因此使得确定出的待搜索商品的多个第一标签更加准确、可靠。
304、获取用户在多个第一标签中所选取的第一标签。
具体的,该过程可以包括:
显示多个第一标签,并接收用户针对多个第一标签的选择指令;
将与选择指令对应的第一标签确定为用户所选取的第一标签。
其中,所选取的第一标签的数量至少为一个。
示例的,多个第一标签包括“板鞋”、“黑色”、“厚底”、“低帮”、“鸿星尔克”,若用户点选掉“鸿星尔克”,则用户所选取的第一标签为“板鞋”、“黑色”、“厚底”、“低帮”。
本发明实施例中,通过获取用户在多个第一标签中所选取的第一标签,能够获取到用户针对输入的图片所感兴趣的第一标签,在基于感兴趣的第一标签进行图片搜索时,能够提高搜索结果精度,使用户能够快速精准地搜索到对应商品。
305、从用户输入的商品描述信息中提取第二标签。
其中,商品描述信息用于描述待搜索商品信息,比如商品名称、商品颜色、商品品牌等;第二标签包括用于指示对商品图片进行搜索的搜索关键词。
具体的,该过程可以包括:
a、获取用户输入的商品描述信息。
具体的,通过以下方式实现获取用户输入的商品描述信息的过程:
获取用户在文字输入框内输入的用于描述商品的文本信息,并从文本信息中提取第二标签;或者
获取用户通过录音输入的用于描述商品的语音信息,并从语音信息中提取第二标签。
b、从商品描述信息中提取第二标签。
其中,第二标签的数量至少为一个。
具体的,本发明实施例对具体的提取过程不加以限定。
示例性的,从用户输入的商品描述信息中提取的第二标签为“耐克”、“黑色”。
需要说明的是,本发明实施例对步骤304与步骤305的执行顺序不作具体限定,在实际应用中,同时执行步骤304与步骤305,为优选方案,以提高对商品图片的搜索效率。
本发明实施例中,通过从用户输入的商品描述信息中提取第二标签,由此能够从用户对要搜索商品图片进行补充的商品描述信息中获取到用户所感兴趣的第二标签,因此对于上传的同一张图片,基于用户所关注的“相同花色”、“相同款式”,或“相同花色+相似品牌”等进行商品搜索时,能够搜索到用户所感兴趣的商品,从而提高了搜索结果精度;另外,通过从用户输入的商品描述信息中提取第二标签,实现了搜集用户手动输入的标签,进一步完善商品信息。
306、确定选取的第一标签和第二标签对应的商品类别。
具体的,根据选取的第一标签和第二标签,确定待搜索商品的商品名称;
确定商品名称对应的商品类别。
本发明对具体的确定过程不加以限定。
本发明实施例中,通过确定选取的第一标签和第二标签对应的商品类别,以便通过待搜索商品所在的商品类别进行商品图片搜索,相比遍历所有商品类别进行搜索而言,能够提高商品图片的搜索效率。
307、从商品类别对应的商品图片库中搜索出与选取的第一标签和第二标签相匹配的商品图片。
具体的,该过程可以包括:
从商品类别对应的商品图片库中搜索出与选取的第一标签和第二标签相匹配的目标商品图片集;
从目标商品图片集获取与选取的第一标签相匹配的第一目标商品图片子集以及获取与第二标签相匹配的第二目标商品图片子集。
其中,通过以下方式的任意一个来实现从商品类别对应的商品图片库中搜索出与选取的第一标签和第二标签相匹配的目标商品图片集的过程:
a、对选取的第一标签与第二标签进行去重处理;
根据去重后的第一标签和第二标签,在商品类别所对应的商品图片库中进行匹配商品图片,得到与选取的第一标签和第二标签相匹配的目标商品图片集。
b、根据所选取的第一标签,在商品类别所对应的商品图片库中进行匹配商品图片,得到第一搜索结果;
根据第二标签,在商品类别所对应的商品图片库中进行匹配商品图片,得到第二搜索结果;
对第一搜索结果与第二搜索结果进行交集运算,得到与选取的第一标签和第二标签相匹配的目标商品图片集。
c、根据所选取的第一标签,在商品类别所对应的待搜索商品图片库中进行匹配商品图片,得到第一搜索结果;
根据第二标签,在第一搜索结果集合中进行匹配商品图片,得到与选取的第一标签和第二标签相匹配的目标商品图片集。
d、根据第二标签,在商品类别所对应的待搜索商品图片库中进行匹配商品图片,得到第一搜索结果;
根据选取的第一标签,在第一搜索结果集合中进行匹配商品图片,得到与选取的第一标签和第二标签相匹配的目标商品图片集。
本发明实施例中,通过根据用户选取的第一标签和第二标签从商品类别对应的商品图片库中进行商品图片搜索,能够缩小图片搜索范围,因此更容易获得更加准确的图片搜索结果。
值得注意的是,步骤306至步骤307是实现根据选取的第一标签和第二标签进行商品图片搜索的过程,除了步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
本发明实施例中,通过根据用户所选取的第一标签与从用户输入的待搜索商品描述信息中提取的第二标签进行商品图片搜索,与仅根据第一标签或者仅根据第二标签对商品图片进行搜索的方法相比,由于第一标签和第二标签所包含的待搜索商品图片的信息较多,且都是用户所感兴趣的,因此通过根据第一标签和第二标签进行商品图片搜索,能够提高图片搜索结果精度,使用户能够快速精准地搜索到对应商品,从而提高了用户体验;同时也学习到用户搜索行为,为优化商品模型以及商品推荐提供数据基础。
308、输出商品图片搜索结果。
具体的,输出与选取的第一标签相匹配的第一目标商品图片子集、以及与第二标签相匹配的第二目标商品图片子集,其中,第一目标商品图片子集包括多个第一目标商品图片,第二目标商品图片子集包括多个第二目标商品图片。
本发明实施例,通过输出商品图片搜索结果,以便用户根据商品图片搜索结果进行查看商品图片,因此能够使用户查看到更符合用户意图的商品图片,由此提高了用户体验。
为了进一步说明本发明实施例提供的方法所达到的效果,下面将结合图4a~4c对本发明实施例所提供的方法作出进一步的说明,假设用户输入的图片为图4a所示,对图4a执行本发明实施例的方法后,得到的界面可以参照图4b所示,图4b显示出从多个用户输入的图片所提取的多个第一标签,以供用户进行选择,同时,用户可以在文字输入框内输入商品描述信息,以对商品搜索进行补充,在用户点击搜索后,向用户显示商品图片搜索结果,参照图4c所示。
本发明实施例提供了一种商品图片搜索方法,通过从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签,由此获取到用户对图片所感兴趣的第一标签,从而确保了用户精准地找到所感兴趣的商品;另外,从用户输入的待搜索商品描述信息中提取第二标签,获取到用户自定义的第二标签,由此通过根据所述选取的第一标签和所述第二标签进行商品图片搜索,从而进一步使搜索结果更符合用户意图,由此提高了图片搜索结果精度,进一步使用户能够快速精准地搜索到对应商品,因此提高了用户体验。
实施例四
本发明实施例提供了一种商品图片搜索方法,参照图5所示,该方法包括:
501、识别用户输入的第一图片中的第一商品。
具体的,该步骤与步骤301相同,此处不再加以赘述。
502、提取第一商品的多个第一特征,第一特征用于表征第一商品。
具体的,该步骤与步骤302相同,此处不再加以赘述。
503、获取训练好的识别模型,并在多个第一特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第一商品的第一标签。
其中,第一标签与第一商品的特征对应,第一标签用于对第一商品的特征进行语义信息的描述,第一标签可以是一个或多个。第一标签可以用于表示待搜索商品的类别、品牌、风格、尺码、颜色、版型等,其中,类别可以包括女装、男装、鞋靴、箱包等,风格可以包括原创风、军旅风、复古风等。
示例性的,识别出的第一商品为上衣时,与提取到的上衣的多个特征相对应的多个第一标签分别为黄色、长款、宽松版,又如识别出的第一商品为鞋子时,与提取到的鞋子的多个特征相对应的多个第一标签为板鞋、低帮、厚底、黑色。
其中,获取训练好的识别模型的过程与步骤303中获取训练好的识别模型的过程相同,此处不再加以赘述。
本发明实施例中,根据第一商品的多个第一特征,确定出第一商品的多个第一标签时,由于是通过训练好的识别模型确定的,因此使得确定出的第一商品的多个第一标签更加准确、可靠。
值得注意的是,步骤501至步骤503是实现从用户输入的第一图片中提取多个第一标签的过程,除了步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
504、识别用户输入的第二图片中的第二商品。
具体的,该步骤与步骤301相同,此处不再加以赘述。
505、提取第二商品的多个第二特征,第二特征用于表征第二商品。
具体的,该步骤与步骤302相同,此处不再加以赘述。
506、获取训练好的识别模型,并在多个第二特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第二商品的第二标签。
其中,第二标签与第二商品的特征对应,第二标签用于对第二商品的特征进行语义信息的描述,第二标签可以是一个或多个。第二标签可以用于表示待搜索商品的名称、类别、品牌、风格、尺码、颜色、版型等,其中,类别可以包括女装、男装、鞋靴、箱包等,风格可以包括原创风、军旅风、复古风等。
示例性的,识别出的第二商品为上衣时,与提取到的上衣的多个特征相对应的多个第二标签分别为耐克、棉质面料、圆领,又如识别出的第二商品为鞋子时,与提取到的鞋子的多个特征相对应的多个第二标签为软面皮、圆头。
其中,获取训练好的识别模型的过程与步骤303中获取训练好的识别模型的过程相同,此处不再加以赘述。
本发明实施例中,根据第二商品的多个第二特征,确定出第二商品的多个第二标签时,由于是通过训练好的识别模型确定的,因此使得确定出的第二商品的多个第二标签更加准确、可靠。
值得注意的是,步骤504至步骤506是实现从用户输入的第二图片中提取多个第二标签的过程,除了步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
同时,需要说明的是,本发明实施例对实现从用户输入的第一图片中提取多个第一标签的过程与实现从用户输入的第二图片中提取多个第二标签的过程的执行顺序不作具体限定,在实际应用中,同时执行从用户输入的第一图片中提取多个第一标签的过程与从用户输入的第二图片中提取多个第二标签的过程,为优选方案,以提高商品图片的搜索效率。
507、获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签。
具体的,该步骤与步骤304相同,此处不再加以赘述。
508、确定选取的第一标签和选取的第二标签对应的商品类别。
具体的,该步骤与步骤306相同,此处不再加以赘述。
本发明实施例中,通过确定选取的第一标签和选取的第二标签对应的商品类别,以便通过待搜索商品所在的商品类别进行商品图片搜索,相比遍历所有商品类别进行搜索而言,能够提高商品图片的搜索效率。
509、从商品类别对应的商品图片库中搜索出与选取的第一标签和选取的第二标签相匹配的商品图片。
具体的,该步骤与步骤307相同,此处不再加以赘述。
值得注意的是,步骤508至步骤509是实现根据选取的第一标签和选取的第二标签进行商品图片搜索的过程,除了步骤的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
本发明实施例中,通过根据用户选取的第一标签和选取的第二标签从商品类别对应的商品图片库中进行商品图片搜索,能够缩小图片搜索范围,因此更容易获得更加准确的图片搜索结果。
510、输出商品图片搜索结果。
具体的,该步骤与步骤308相同,此处不再加以赘述。
本发明实施例提供了一种商品图片搜索方法,通过从用户输入的第一图片中提取多个第一标签,以及从用户输入的第二图片中提取多个第二标签,获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签,并根据选取的第一标签和选取的第二标签进行商品图片搜索,输出商品图片搜索结果,由此通过结合用户感兴趣的第一标签和第二标签,使得商品图片搜索能够根据用户的兴趣进行搜索,由此提高了图片搜索结果精度,使用户能够快速精准地搜索到对应商品,提高了用户体验。
实施例五
本发明实施例提供了一种商品图片搜索装置,参照图6所示,该商品图片搜索装置6包括:
第一提取模块61,用于从用户输入的图片中提取多个第一标签;
获取模块62,用于获取用户在多个第一标签中所选取的第一标签;
第二提取模块63,用于从用户输入的商品描述信息中提取第二标签;
搜索模块64,用于根据选取的第一标签和第二标签进行商品图片搜索;
输出模块65,用于输出商品图片搜索结果。
可选的,第一提取模块61包括:
识别子模块611,用于识别图片中的待搜索商品;
提取子模块612,用于提取待搜索商品的多个特征,特征用于表征待搜索商品;
获取子模块613,用于获取训练好的识别模型;
确定子模块614,用于在待搜索商品的多个特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为待搜索商品的第一标签。
可选的,获取子模块613具体用于:
构建训练样本图片集,并对训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将每个训练样本图片的特征作为识别模型的输入,与每个训练样本图片的特征相对应的标签作为识别模型的输出;
对识别模型进行训练,得到训练好的识别模型。
可选的,搜索模块64具体用于:
确定选取的第一标签和第二标签对应的商品类别;
从商品类别对应的商品图片库中搜索出与选取的第一标签和第二标签相匹配的商品图片。
本发明实施例提供了一种商品图片搜索装置,该装置通过从用户输入的图片中提取多个第一标签,并获取用户在多个第一标签中所选取的第一标签,由此获取到用户对图片所感兴趣的第一标签,从而确保了用户精准地找到所感兴趣的商品;另外,从用户输入的待搜索商品描述信息中提取第二标签,获取到用户自定义的第二标签,由此通过根据所述选取的第一标签和所述第二标签进行商品图片搜索,从而进一步使搜索结果更符合用户意图,由此提高了图片搜索结果精度,进一步使用户能够快速精准地搜索到对应商品,因此提高了用户体验。
实施例六
本发明实施例提供了一种商品图片搜索装置,参照图7所示,该商品图片搜索装置7包括:
提取模块71,用于从用户输入的第一图片中提取多个第一标签,以及从用户输入的第二图片中提取多个第二标签;
获取模块72,用于获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签;
搜索模块73,用于根据选取的第一标签和选取的第二标签进行商品图片搜索;
输出模块74,用于输出商品图片搜索结果。
可选的,提取模块71包括:
识别子模块711,用于识别第一图片中的第一商品;
提取子模块712,用于提取第一商品的多个第一特征,第一特征用于表征第一商品;
获取子模块713,用于获取训练好的识别模型;
确定子模块714,用于在多个第一特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第一商品的第一标签;
识别子模块711,还用于识别第二图片中的第二商品;
提取子模块712,还用于提取第二商品的多个第二特征,第二特征用于表征第二商品;
确定子模块714,还用于在多个第二特征分别输入到训练好的识别模型时,确定训练好的识别模型所输出的标签为第二商品的第二标签。
可选的,获取子模块713具体用于:
构建训练样本图片集,并对训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将每个训练样本图片的特征作为识别模型的输入,与每个训练样本图片的特征相对应的标签作为识别模型的输出,对识别模型进行训练,得到训练好的识别模型。
可选的,搜索模块73具体用于:
确定选取的第一标签和选取的第二标签对应的商品类别;
从商品类别对应的商品图片库中搜索出与选取的第一标签和选取的第二标签相匹配的商品图片。
本发明实施例提供了一种商品图片搜索装置,该装置通过从用户输入的第一图片中提取多个第一标签,以及从用户输入的第二图片中提取多个第二标签,获取用户在多个第一标签中所选取的第一标签和在多个第二标签中所选取的第二标签,并根据选取的第一标签和选取的第二标签进行商品图片搜索,输出商品图片搜索结果,由此通过结合用户感兴趣的第一标签和第二标签,使得商品图片搜索能够根据用户的兴趣进行搜索,由此提高了图片搜索结果精度,使用户能够快速精准地搜索到对应商品,提高了用户体验。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要说明的是:上述实施例提供的待搜索商品图片搜索装置在执行商品图片搜索方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将商品图片搜索装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的待搜索商品图片搜索装置与商品图片搜索方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种商品图片搜索方法,其特征在于,所述方法包括:
从用户输入的图片中提取多个第一标签,并获取所述用户在所述多个第一标签中所选取的第一标签;以及
从所述用户输入的商品描述信息中提取第二标签;
根据所述选取的第一标签和所述第二标签进行商品图片搜索,并输出商品图片搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述从用户输入的图片中提取多个第一标签包括:
识别所述图片中的待搜索商品;
提取所述待搜索商品的多个特征,所述特征用于表征所述待搜索商品;
获取训练好的识别模型,并在所述待搜索商品的多个特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述待搜索商品的第一标签。
3.根据权利要求2所述的方法,其特征在于,所述获取训练好的识别模型包括:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述选取的第一标签和所述第二标签进行商品图片搜索包括:
确定所述选取的第一标签和所述第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述第二标签相匹配的商品图片。
5.一种商品图片搜索装置,其特征在于,所述装置包括:
第一提取模块,用于从用户输入的图片中提取多个第一标签;
获取模块,用于获取所述用户在所述多个第一标签中所选取的第一标签;
第二提取模块,用于从所述用户输入的商品描述信息中提取第二标签;
搜索模块,用于根据所述选取的第一标签和所述第二标签进行商品图片搜索;
输出模块,用于输出商品图片搜索结果。
6.根据权利要求5所述的装置,其特征在于,所述第一提取模块包括:
识别子模块,用于识别所述图片中的待搜索商品;
提取子模块,用于提取所述待搜索商品的多个特征,所述特征用于表征所述待搜索商品;
获取子模块,用于获取训练好的识别模型;
确定子模块,用于在所述待搜索商品的多个特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述待搜索商品的第一标签。
7.根据权利要求6所述的装置,其特征在于,所述获取子模块具体用于:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
8.根据权利要求5所述的装置,其特征在于,所述搜索模块具体用于:
确定所述选取的第一标签和所述第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述第二标签相匹配的商品图片。
9.一种商品图片搜索方法,其特征在于,所述方法包括:
从用户输入的第一图片中提取多个第一标签,以及从所述用户输入的第二图片中提取多个第二标签;
获取所述用户在所述多个第一标签中所选取的第一标签和在所述多个第二标签中所选取的第二标签;
根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索,并输出商品图片搜索结果。
10.根据权利要求9所述的方法,其特征在于,
所述从用户输入的第一图片中提取多个第一标签包括:
识别所述第一图片中的第一商品;
提取所述第一商品的多个第一特征,所述第一特征用于表征所述第一商品;
获取训练好的识别模型,并在所述多个第一特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第一商品的第一标签;
所述从用户输入的第二图片中提取多个第二标签包括:
识别所述第二图片中的第二商品;
提取所述第二商品的多个第二特征,所述第二特征用于表征所述第二商品;
获取所述训练好的识别模型,并在所述多个第二特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第二商品的第二标签。
11.根据权利要求10所述的方法,其特征在于,所述获取训练好的识别模型包括:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出;
对所述识别模型进行训练,得到所述训练好的识别模型。
12.根据权利要求9所述的方法,其特征在于,所述根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索包括:
确定所述选取的第一标签和所述选取的第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述选取的第二标签相匹配的商品图片。
13.一种商品图片搜索装置,其特征在于,所述装置包括:
提取模块,用于从用户输入的第一图片中提取多个第一标签,以及从所述用户输入的第二图片中提取多个第二标签;
获取模块,用于获取所述用户在所述多个第一标签中所选取的第一标签和在所述多个第二标签中所选取的第二标签;
搜索模块,用于根据所述选取的第一标签和所述选取的第二标签进行商品图片搜索;
输出模块,用于输出商品图片搜索结果。
14.根据权利要求13所述的装置,其特征在于,所述提取模块包括:
识别子模块,用于识别所述第一图片中的第一商品;
提取子模块,用于提取所述第一商品的多个第一特征,所述第一特征用于表征所述第一商品;
获取子模块,用于获取训练好的识别模型;
确定子模块,用于在所述多个第一特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第一商品的第一标签;
所述识别子模块,还用于识别所述第二图片中的第二商品;
所述提取子模块,还用于提取所述第二商品的多个第二特征,所述第二特征用于表征所述第二商品;
所述确定子模块,还用于在所述多个第二特征分别输入到所述训练好的识别模型时,确定所述训练好的识别模型所输出的标签为所述第二商品的第二标签。
15.根据权利要求14所述的装置,其特征在于,所述获取子模块具体用于:
构建训练样本图片集,并对所述训练样本图片集中的每个训练样本图片标记多个标签;
构建识别模型,并将所述每个训练样本图片的特征作为所述识别模型的输入,与所述每个训练样本图片的特征相对应的标签作为所述识别模型的输出,对所述识别模型进行训练,得到所述训练好的识别模型。
16.根据权利要求13所述的装置,其特征在于,所述搜索模块具体用于:
确定所述选取的第一标签和所述选取的第二标签对应的商品类别;
从所述商品类别对应的商品图片库中搜索出与所述选取的第一标签和所述选取的第二标签相匹配的商品图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710832620.5A CN107861970A (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片搜索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710832620.5A CN107861970A (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片搜索方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107861970A true CN107861970A (zh) | 2018-03-30 |
Family
ID=61699551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710832620.5A Pending CN107861970A (zh) | 2017-09-15 | 2017-09-15 | 一种商品图片搜索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107861970A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040461A (zh) * | 2018-08-29 | 2018-12-18 | 优视科技新加坡有限公司 | 一种基于对象识别的业务处理方法和装置 |
CN109522482A (zh) * | 2018-11-13 | 2019-03-26 | Oppo广东移动通信有限公司 | 游戏应用分类页面显示方法、装置、存储介质及终端 |
CN109636453A (zh) * | 2018-12-05 | 2019-04-16 | 安徽师范大学 | 一种改进CNNs的机场个性化服务方法 |
CN109710790A (zh) * | 2018-11-19 | 2019-05-03 | 北京达佳互联信息技术有限公司 | 表情搜索方法和装置、终端设备及存储介质 |
CN110909190A (zh) * | 2019-11-18 | 2020-03-24 | 惠州Tcl移动通信有限公司 | 数据搜索方法、装置、电子设备及存储介质 |
CN110968786A (zh) * | 2019-11-29 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 一种视觉信息推荐方法、装置、设备及存储介质 |
TWI728787B (zh) * | 2020-04-22 | 2021-05-21 | 國立勤益科技大學 | 商品樣式辨識與推薦系統 |
CN115168637A (zh) * | 2022-06-17 | 2022-10-11 | 杭州晶彩数字科技有限公司 | 一种图片添加标签方法、***及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2260416A2 (en) * | 2008-04-03 | 2010-12-15 | Microsoft Corp. | User intention modeling for interactive image retrieval |
CN102147815A (zh) * | 2011-04-21 | 2011-08-10 | 北京大学 | 图片搜索方法和图片搜索*** |
CN103136228A (zh) * | 2011-11-25 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 一种图片搜索方法以及图片搜索装置 |
CN105069063A (zh) * | 2015-07-29 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 图片搜索方法及装置 |
CN106202316A (zh) * | 2016-07-01 | 2016-12-07 | 传线网络科技(上海)有限公司 | 基于视频的商品信息获取方法及装置 |
-
2017
- 2017-09-15 CN CN201710832620.5A patent/CN107861970A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2260416A2 (en) * | 2008-04-03 | 2010-12-15 | Microsoft Corp. | User intention modeling for interactive image retrieval |
CN102147815A (zh) * | 2011-04-21 | 2011-08-10 | 北京大学 | 图片搜索方法和图片搜索*** |
CN103136228A (zh) * | 2011-11-25 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 一种图片搜索方法以及图片搜索装置 |
CN105069063A (zh) * | 2015-07-29 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 图片搜索方法及装置 |
CN106202316A (zh) * | 2016-07-01 | 2016-12-07 | 传线网络科技(上海)有限公司 | 基于视频的商品信息获取方法及装置 |
Non-Patent Citations (1)
Title |
---|
B. FERNANDO等: "Mining Multiple Queries for Image Retrieval: On-the-Fly Learning of an Object-Specific Mid-level Representation", 《2013 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040461A (zh) * | 2018-08-29 | 2018-12-18 | 优视科技新加坡有限公司 | 一种基于对象识别的业务处理方法和装置 |
CN109522482A (zh) * | 2018-11-13 | 2019-03-26 | Oppo广东移动通信有限公司 | 游戏应用分类页面显示方法、装置、存储介质及终端 |
CN109710790A (zh) * | 2018-11-19 | 2019-05-03 | 北京达佳互联信息技术有限公司 | 表情搜索方法和装置、终端设备及存储介质 |
CN109636453A (zh) * | 2018-12-05 | 2019-04-16 | 安徽师范大学 | 一种改进CNNs的机场个性化服务方法 |
CN110909190A (zh) * | 2019-11-18 | 2020-03-24 | 惠州Tcl移动通信有限公司 | 数据搜索方法、装置、电子设备及存储介质 |
CN110968786A (zh) * | 2019-11-29 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 一种视觉信息推荐方法、装置、设备及存储介质 |
CN110968786B (zh) * | 2019-11-29 | 2023-10-17 | 百度在线网络技术(北京)有限公司 | 一种视觉信息推荐方法、装置、设备及存储介质 |
TWI728787B (zh) * | 2020-04-22 | 2021-05-21 | 國立勤益科技大學 | 商品樣式辨識與推薦系統 |
CN115168637A (zh) * | 2022-06-17 | 2022-10-11 | 杭州晶彩数字科技有限公司 | 一种图片添加标签方法、***及存储介质 |
CN115168637B (zh) * | 2022-06-17 | 2023-03-17 | 杭州晶彩数字科技有限公司 | 一种图片添加标签方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861970A (zh) | 一种商品图片搜索方法和装置 | |
CN109614508B (zh) | 一种基于深度学习的服装图像搜索方法 | |
Huang et al. | Cross-domain image retrieval with a dual attribute-aware ranking network | |
TWI631474B (zh) | Method and device for product identification label and method for product navigation | |
CN105740402B (zh) | 数字图像的语义标签的获取方法及装置 | |
CN107833082B (zh) | 一种商品图片的推荐方法和装置 | |
CN109104639A (zh) | 直播***、确定直播视频主题的方法、装置以及电子设备 | |
CN107861972A (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
US20230214895A1 (en) | Methods and systems for product discovery in user generated content | |
CN109815952A (zh) | 品牌名称识别方法、计算机装置及计算机可读存储介质 | |
CN106055710A (zh) | 基于视频的商品推荐方法及装置 | |
US20200226168A1 (en) | Methods and systems for optimizing display of user content | |
KR102517961B1 (ko) | 사용자 선택 의류를 기반으로 의류 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 프로그램 | |
CN107679217A (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
CN107861971A (zh) | 一种商品搜索方法和装置 | |
CN107193987A (zh) | 获取与页面相关的搜索词的方法、装置和*** | |
Belhi et al. | Towards a hierarchical multitask classification framework for cultural heritage | |
CN110297933A (zh) | 一种基于深度学习的主题标签推荐方法及工具 | |
Shi et al. | The exploration of artificial intelligence application in fashion trend forecasting | |
Li et al. | Attribute-aware explainable complementary clothing recommendation | |
Oramas et al. | Modeling visual compatibility through hierarchical mid-level elements | |
Yousaf et al. | Patch-CNN: deep learning for logo detection and brand recognition | |
CN109146606A (zh) | 一种品牌推荐方法、电子设备、存储介质及*** | |
Papadopoulos et al. | Attentive hierarchical label sharing for enhanced garment and attribute classification of fashion imagery | |
US11410418B2 (en) | Methods and systems for tagged image generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180330 |