Teknologi Utama Yang Terkait Dengan Pencarian Gambar Produk
Hal pertama yang harus diketahui adalah tipe umum dari sebuah gambar. Misalnya, jika itu adalah produk, Anda perlu tahu apakah itu atasan. Apakah itu atasan pria atau atasan atau sepatu wanita, dll. Dengan cara ini, hasil pencarian sama sekali tidak dapat diandalkan yang biasanya kita sebut klasifikasi atau identifikasi.
Deteksi subjek: Ada juga banyak metode cepat untuk deteksi subjek di bidang Computer Vision. Pada dasarnya, Anda perlu menemukan Jendela Proposal dan kemudian mengklasifikasikannya. Skenario ini biasanya membutuhkan kecepatan yang sangat cepat.
Semua operasi setelah permintaan pencarian masuk—termasuk klasifikasi di atas, deteksi subjek, dan beberapa langkah selanjutnya ke hasil pengembalian akhir—dikembalikan ke pengguna dalam beberapa ratus milidetik.
Fitur gambar untuk dideskripsikan: metode dasarnya adalah menggunakan alat pembelajaran mendalam, memaksa jaringan saraf untuk menyatu ke suatu tempat sehingga keluaran fitur dapat mencerminkan karakteristik produk seperti beberapa jenis, gaya, pola, warna.
Cakupan Dibagi Menjadi Tiga Perspektif
Cakupan indeks. Inilah yang kami maksud ketika kami secara umum merujuk pada cakupan. Sederhananya, lebih mudah untuk memahami berapa banyak komoditas dalam indeks.
Cakupan fitur. Tingkat cakupan fitur berarti deskripsi produk dapat mencakup berbagai jenis, tidak hanya sepatu atau pakaian tetapi tidak hal lain atau bahkan non-komoditas. Untuk akurasi deskripsi dan optimalisasi kemampuan deskripsi, pada kenyataannya, jenis yang berbeda umumnya dijelaskan oleh karakteristik yang berbeda.
Cari liputan. Tingkat cakupan ini unik untuk skenario e-niaga, karena e-niaga hanya memiliki indeks gambar produk dan tidak ada indeks lain. Apa yang harus dilakukan pengguna jika inputnya bukan gambar produk e-niaga?
Misalnya, apa yang harus dilakukan pengguna ketika mereka mencari di platform setelah melihat anjing lucu di jalan dan mengambil foto? Saat ini, kami dapat mengidentifikasi anjing dan mengembalikan beberapa produk terkait anjing kepada pengguna.
Ini adalah solusinya. Jika itu adalah pemandangan atau makanan, pemandangan juga dapat dikenali, kalori dalam makanan dapat dikenali dan informasi dapat dikembalikan kepada pengguna.
Ada Dua Cara Utama Untuk Mencapai Skalabilitas
Yang pertama adalah melalui pendekatan sistematis, yaitu melalui sejumlah besar mesin. Teknologi pengindeksan memiliki metode sistematis untuk dicapai. Sehingga persyaratan pengindeksan tidak terlalu tinggi dan ada banyak metode yang sepenuhnya dapat memenuhi persyaratan konstruksi sistem pencarian.
Seperti yang disebutkan dalam arsitektur mesin pencari, indeks akan dialokasikan ke banyak mesin, sehingga selama efisiensi pencarian data pada setiap mesin cukup tinggi, sistem dapat menyelesaikan tugas pencarian skala besar.
Yang kedua adalah melalui algoritma, untuk algoritma, bagaimana melakukannya secara efisien dengan berkonsentrasi pada satu mesin.
