क्या स्टोर को स्टाइलिश क्रॉसलेस की आवश्यकता है: सिफारिशों का निर्माण करने के लिए छवि विश्लेषण में रिटेल रॉकेट का अनुभव

सिफारिशों को बनाने के लिए छवि विश्लेषण में रुचि हर दिन बढ़ रही है। हमने यह पता लगाने का फैसला किया कि यह ट्रेंड थीम कितनी वास्तविक है। हम संबंधित उत्पादों की सिफारिशों को बेहतर बनाने के लिए गहन शिक्षण (डीप लर्निंग) के उपयोग के परीक्षण के बारे में बात करते हैं।



इस लेख में, हम संबंधित उत्पादों के एल्गोरिथ्म को बेहतर बनाने के लिए छवि विश्लेषण तकनीक को लागू करने के अनुभव का वर्णन करते हैं। आप इसे दो तरीकों से पढ़ सकते हैं: जो लोग तंत्रिका नेटवर्क का उपयोग करने के तकनीकी विवरण में रुचि नहीं रखते हैं, वे एक डेटासेट बनाने और समाधान को लागू करने के बारे में अध्यायों को छोड़ सकते हैं और सीधे एबी परीक्षणों और उनके परिणामों पर जा सकते हैं। और जिन लोगों को एम्बेडिंग, तंत्रिका नेटवर्क की एक परत, आदि जैसी अवधारणाओं की बुनियादी समझ है, उन्हें पूरी सामग्री में दिलचस्पी होगी।

छवि विश्लेषण के संदर्भ में गहन सीखना

हमारी प्रौद्योगिकी स्टैक में, डीप लर्निंग का उपयोग कुछ समस्याओं को हल करने के लिए काफी सफलतापूर्वक किया जाता है। कुछ समय के लिए हमने इसे छवि विश्लेषण के संदर्भ में लागू करने का साहस नहीं किया, लेकिन हाल ही में कई परिसर सामने आए हैं, जिन्होंने हमारे जीवन को बदल दिया है:

• गहरी शिक्षण विधियों का उपयोग करके छवि विश्लेषण में समुदाय की रुचि में वृद्धि;
• "परिपक्व" ढांचे और पूर्व-प्रशिक्षित तंत्रिका नेटवर्क के एक चक्र को परिभाषित किया गया था, जिसमें से एक बहुत जल्दी और बस शुरू हो सकता है;
• सिफारिशकर्ता प्रणालियों में छवि विश्लेषण का उपयोग अक्सर एक विपणन सुविधा के रूप में किया गया है जो "अभूतपूर्व" सुधार की गारंटी देता है;
• इस तरह के शोध में भोजन की जरूरतें सामने आने लगीं।

अनुशंसाकर्ता प्रणालियों और छवि विश्लेषण के प्रतिच्छेदन के संदर्भ में, गहन सीखने के कई अनुप्रयोग हो सकते हैं, हालांकि, पहले चरण में, हमने खुद को इस क्षेत्र को विकसित करने के तीन मुख्य तरीकों की पहचान की:

1. सिफारिशों की गुणवत्ता में एक सामान्य सुधार, उदाहरण के लिए, एक पोशाक के लिए संबंधित उत्पाद, रंग और शैली में अधिक गुणात्मक रूप से उपयुक्त हैं।
2. एक तस्वीर (इन शॉप रिट्रीवल) का उपयोग करके किसी स्टोर के उत्पाद के आधार पर सामान खोजना एक ऐसा तंत्र है जो आपको लोड किए गए फोटो का उपयोग करके स्टोर के डेटाबेस में उत्पादों को खोजने की अनुमति देता है।
3. फोटो से उत्पाद के गुणों / गुणों का निर्धारण (विशेषता टैगिंग), जब फोटो से महत्वपूर्ण विशेषताएं निर्धारित की जाती हैं, उदाहरण के लिए, उत्पाद का प्रकार - एक टी-शर्ट, जैकेट, पैंट, आदि।

हमारे लिए सबसे प्राथमिकता और आशाजनक दिशा पहला विकल्प है, और हमने इसे तलाशने का फैसला किया।

आपने संबंधित उत्पादों के लिए एक एल्गोरिदम क्यों चुना

किसी भी सिफारिश प्रणाली में दो बुनियादी स्थिर कमोडिटी एल्गोरिदम हैं: विकल्प और संबंधित उत्पाद। और अगर विकल्प के साथ सब कुछ स्पष्ट है - ये मूल मॉडल (उदाहरण के लिए, विभिन्न प्रकार के शर्ट) के समान उत्पाद हैं, तो संबंधित उत्पादों के साथ सब कुछ बहुत अधिक जटिल है। यह महत्वपूर्ण है कि बुनियादी और अनुशंसित सामानों के बीच पत्राचार के साथ गलती न करें, उदाहरण के लिए, चार्जर को फोन, कपड़े का रंग से लेकर जूते आदि तक फिट होना चाहिए; आपको प्रतिक्रिया पर विचार करने की आवश्यकता है, उदाहरण के लिए, चार्जर को फोन की सिफारिश न करें, इस तथ्य के बावजूद कि वे एक साथ खरीदे जाते हैं; और व्यवहार में उत्पन्न होने वाली अन्य बारीकियों के एक समूह पर विचार करें। विभिन्न बारीकियों की उपस्थिति के कारण, हमारी पसंद संबंधित उत्पादों पर गिर गई। इसके अलावा, केवल संबंधित उत्पादों में एक पूर्ण रूप बनाना संभव है, अगर हम फैशन सेगमेंट के बारे में बात करते हैं।

हमने अपने मुख्य शोध लक्ष्य को "समझ में आया है कि अगर संबंधित उत्पादों के लिए वर्तमान एल्गोरिदम को छवि विश्लेषण के लिए गहन शिक्षण विधियों का उपयोग करके काफी सुधार किया जा सकता है"

मैं ध्यान देता हूं कि इससे पहले हम उत्पाद की सिफारिशों की गणना करते समय छवि जानकारी का उपयोग नहीं करते थे, और यहाँ क्यों है:

• रिटेल रॉकेट प्लेटफॉर्म के अस्तित्व के दौरान, हमने उत्पाद सिफारिशों के क्षेत्र में महान विशेषज्ञता प्राप्त की है। और इस दौरान हमें जो मुख्य निष्कर्ष प्राप्त हुआ वह यह है कि उपयोगकर्ता के व्यवहार का सही उपयोग लगभग 90% परिणाम प्रदान करता है। हां, एक ठंडी शुरुआत की समस्या है, जब यह सामग्री की चीजें हैं, जैसे कि छवि के बारे में जानकारी, जो सिफारिशों को स्पष्ट या सुधार कर सकती है, लेकिन व्यवहार में यह प्रभाव सिद्धांत रूप में उनके द्वारा कहे जाने की तुलना में बहुत कम है। इसलिए, हम जानकारी के सामग्री स्रोतों पर अधिक जोर नहीं देते हैं।
• सामग्री की जानकारी के रूप में उत्पाद की सिफारिशों का निर्माण करने के लिए, हम मूल्य, श्रेणी, विवरण और अन्य गुणों जैसे तत्वों का उपयोग करते हैं जो दुकान हमारे पास जाती है। ये गुण क्षेत्र से स्वतंत्र हैं और हमारी सेवा को एकीकृत करते समय गुणात्मक रूप से मान्य हैं। छवि का मूल्य, इसके विपरीत, वास्तव में केवल फैशन के सामानों के क्षेत्र में उत्पन्न होता है।
• चित्रों के साथ काम करने की सेवा को बनाए रखना, उनकी गुणवत्ता और सामानों के अनुरूपता को मान्य करना एक जटिल प्रक्रिया है और एक गंभीर तकनीकी कर्तव्य है जिसे मैं आवश्यकता की पुष्टि किए बिना नहीं लेना चाहता।

फिर भी, हमने चित्रों को एक मौका देने का फैसला किया और देखा कि वे बिल्डिंग सिफारिशों की प्रभावशीलता को कैसे प्रभावित करेंगे। हमारा दृष्टिकोण आदर्श नहीं है, यह सुनिश्चित करने के लिए कि कोई व्यक्ति समस्या को अलग तरीके से हल करेगा। इस लेख का उद्देश्य प्रत्येक चरण पर तर्कों के विवरण के साथ हमारे दृष्टिकोण को प्रस्तुत करना है और पाठक को परिणाम प्रस्तुत करना है।

अवधारणा का गठन

हमने किसी भी उत्पाद के तीन घटकों को पार करके शुरू किया: सस्ती तकनीक, उपलब्ध संसाधन और ग्राहक की आवश्यकताएं। "संबंधित उत्पादों की छवि के बारे में जानकारी के माध्यम से सिफारिशों में सुधार" की अवधारणा अपने आप विकसित हुई है। इस उत्पाद का "आदर्श" कार्यान्वयन एक चयनित लुक की छवि में संकलित मुद्दे के रूप में बनाया गया था। इसके अलावा, इस तरह की सिफारिशें न केवल बहुत अच्छी लगनी चाहिए, बल्कि बुनियादी ई-कॉमर्स मेट्रिक्स (रूपांतरण, आरपीवी, एओवी) के दृष्टिकोण से भी काम करती हैं, जो हमारे बुनियादी एल्गोरिदम से भी बदतर नहीं हैं।

लुक स्टाइलिस्टों द्वारा चुनी गई एक छवि है, जिसमें आपस में संयोजन करने वाली विभिन्न चीजों का एक सेट शामिल है, उदाहरण के लिए, एक ड्रेस, जैकेट, बैग, बेल्ट, आदि। हमारे ग्राहकों के पक्ष में, इस तरह के काम आमतौर पर विशेष रूप से नामित लोगों द्वारा किए जाते हैं जिनके काम खराब रूप से स्वचालित हैं। आखिरकार, प्रत्येक तंत्रिका नेटवर्क में स्वाद की भावना नहीं हो सकती है।


एक उदाहरण छवि (देखो)।

तुरंत छवि जानकारी के उपयोग पर प्रतिबंध थे - वास्तव में, आवेदन केवल फैशन सेगमेंट में पाया गया था।

इन्फ्रास्ट्रक्चर और डाटासेट

सबसे पहले, हमने प्रयोगों और प्रोटोटाइप के लिए एक परीक्षण पीठ खड़ी की। सब कुछ सुंदर मानक जीपीयू + पायथन + केरस यहां है, इसलिए हम विवरण में नहीं जाएंगे। हमें एक उच्च गुणवत्ता वाला डेटासेट मिला, जिसे एक साथ कई समस्याओं को हल करने के लिए डिज़ाइन किया गया था, जिसमें छवि से लेकर नए कपड़ों की बनावट की विशेषताओं का अनुमान लगाया गया था। हमारे लिए विशेष रूप से महत्वपूर्ण था, इसमें ऐसी तस्वीरें शामिल थीं जो लगभग एक ही नज़र आती थीं। इसके अलावा, डेटासेट में विभिन्न कोणों से कपड़ों के मॉडल की तस्वीरें शामिल थीं, जिन्हें हमने पहले चरण में उपयोग करने की कोशिश की थी।


उदाहरण एक डाटासेट से देखो।


विभिन्न कोणों से एक ही कपड़े के मॉडल के चित्र।

पहला कदम

डेटासेट का उपयोग करके अंतिम उत्पाद को लागू करने का पहला विचार काफी सरल था: “चलो छवि द्वारा कपड़े पहचानने के कार्य के लिए समस्या को कम करते हैं। इस प्रकार, अनुशंसाएँ बनाते समय, हम उन सिफारिशों को "उठाएँगे" जो मूल उत्पाद के समान हैं। " तदनुसार, यह माल की "निकटता" के कार्य को खोजने के लिए माना जाता था और, साथ ही, मुद्दे में विकल्पों को हटाने की समस्या को हल करता था।

मुझे तुरंत कहना होगा कि इस तरह की समस्या का समाधान पारंपरिक प्री-प्रशिक्षित न्यूरल नेटवर्क जैसे कि रेसनेट -50 का उपयोग करके किया जा सकता है। वास्तव में: हम अंतिम परत को हटा देते हैं, हम "निकटता" के एक उपाय के रूप में एम्बेडिंग, अच्छी तरह से, और फिर कोसाइन करते हैं। हालांकि, इस दृष्टिकोण के साथ थोड़ा प्रयोग करने के बाद, हमने इसे मुख्य रूप से तीन कारणों से छोड़ने का फैसला किया।

1. यह बहुत स्पष्ट नहीं है कि परिणामी निकटता की सही व्याख्या कैसे करें। टी-शर्ट के डोमेन में कोसाइन = 0.7 क्या कहा जाता है, जहां एक नियम के रूप में सब कुछ एक-दूसरे के समान है और जैकेट के डोमेन में कोसाइन = 0.5 क्या है, जहां अंतर अधिक महत्वपूर्ण हैं। एक साथ बहुत करीबी उत्पादों - विकल्पों को हटाने के लिए हमें इस तरह की व्याख्या की आवश्यकता थी।
2. इस दृष्टिकोण ने हमें अपने विशिष्ट कार्यों के लिए आगे की शिक्षा के दृष्टिकोण से थोड़ा सीमित कर दिया। उदाहरण के लिए, एक समग्र छवि बनाने वाली महत्वपूर्ण विशेषताएं हमेशा डोमेन से डोमेन के लिए समान नहीं होती हैं। कहीं, रंग और आकार अधिक महत्वपूर्ण हैं, लेकिन कहीं न कहीं सामग्री और इसकी बनावट। इसके अलावा, हम महिलाओं को पुरुषों के कपड़ों के लिए सिफारिश किए जाने पर कम लिंग की गलतियां करने के लिए नेटवर्क को प्रशिक्षित करना चाहते थे। इस तरह की गलती तुरंत स्पष्ट है और इसका सामना शायद ही कभी किया जाना चाहिए। पूर्व-प्रशिक्षित तंत्रिका नेटवर्क के सरल उपयोग के साथ, ऐसा लगता था कि हम उदाहरण के रूप में छवि के संदर्भ में "समान" होने के लिए असमर्थता से थोड़ा सीमित थे।
3. सियामी नेटवर्क का उपयोग, जो इन कार्यों के लिए अधिक उपयुक्त हैं, एक अधिक प्राकृतिक और अच्छी तरह से अध्ययन किया गया विकल्प प्रतीत होता है।

सियामी तंत्रिका नेटवर्क के बारे में थोड़ा सा

चेहरा पहचान से संबंधित कार्यों को हल करने में व्यापक रूप से सियामी तंत्रिका नेटवर्क का उपयोग किया जाता है। इनपुट पर, आउटपुट पर व्यक्ति की एक छवि प्रदान की जाती है, डेटाबेस से उस व्यक्ति का नाम जिसके पास वह है। इस तरह की समस्या को सीधे हल किया जा सकता है, यदि आप न्यूरल नेटवर्क की अंतिम परत पर पहचानने योग्य लोगों की संख्या के बराबर सॉफ्टमैक्स और वर्गों की संख्या का उपयोग करते हैं। हालाँकि, इस दृष्टिकोण की कई सीमाएँ हैं:

• आपको प्रत्येक वर्ग के लिए पर्याप्त संख्या में छवियां रखने की आवश्यकता है, जो व्यावहारिक रूप से असंभव है।
• इस तरह के एक तंत्रिका नेटवर्क को हर बार एक नए व्यक्ति को डेटाबेस में जोड़ा जाता है, जो बहुत असुविधाजनक है।

ऐसी स्थिति में एक तार्किक समाधान दो तस्वीरों के "समानता" फ़ंक्शन को प्राप्त करने के लिए होगा ताकि किसी भी समय जवाब दिया जा सके कि क्या दो तस्वीरें - तंत्रिका नेटवर्क के इनपुट और डेटाबेस से संदर्भ के लिए आपूर्ति की हैं - एक ही व्यक्ति के हैं और तदनुसार, चेहरे की पहचान की समस्या का समाधान करें। यह अधिक संगत है कि कोई व्यक्ति कैसे व्यवहार करता है। उदाहरण के लिए, एक गार्ड किसी व्यक्ति के चेहरे और एक बैज पर एक तस्वीर देखता है और इस सवाल का जवाब देता है कि वह व्यक्ति एक है या नहीं। सियामी तंत्रिका नेटवर्क एक समान अवधारणा को लागू करता है।

सियामी तंत्रिका नेटवर्क का मुख्य घटक रीढ़ की हड्डी का तंत्रिका नेटवर्क है, जो एक छवि एम्बेडिंग को आउटपुट करता है। इस एम्बेडिंग का उपयोग दो चित्रों के बीच समानता की डिग्री निर्धारित करने के लिए किया जा सकता है। सियामी तंत्रिका नेटवर्क की वास्तुकला में, बैकबोन घटक का उपयोग दो बार किया जाता है, प्रत्येक बार छवि का एम्बेडिंग प्राप्त करने के लिए। शोधकर्ता को आउटपुट मान 0 या 1 दिखाने की आवश्यकता है, जो इस बात पर निर्भर करता है कि एक या अलग-अलग लोग फ़ोटो के मालिक हैं, और रीढ़ की हड्डी के तंत्रिका नेटवर्क को समायोजित करते हैं।


एक सियामी तंत्रिका नेटवर्क का एक उदाहरण। ऊपरी और निचले चित्रों के एम्बेडिंग तंत्रिका नेटवर्क की रीढ़ से प्राप्त होते हैं। छवि एंड्री एनजी के "कन्वर्सेशनल न्यूरल नेटवर्क्स" पाठ्यक्रम से ली गई है।

मूल समाधान

इस प्रकार, कुछ प्रयोग के बाद, एल्गोरिथ्म का पहला संस्करण निम्नानुसार था:

1. हम किसी भी पूर्व प्रशिक्षित तंत्रिका नेटवर्क को रीढ़ की हड्डी के रूप में लेते हैं। हमने ResNet-50 और InceptionV3 के साथ प्रयोग किया। नेटवर्क आकार और भविष्यवाणियों की सटीकता के संतुलन के आधार पर चुना जाता है। हमने केरस अनुभाग के लिए आधिकारिक दस्तावेज में प्रस्तुत आंकड़ों पर ध्यान केंद्रित किया "व्यक्तिगत मॉडल के लिए प्रलेखन"।
2. हम इसके आधार पर एक स्याम देश का नेटवर्क बनाते हैं और प्रशिक्षण के लिए ट्रिपल लॉस का उपयोग करते हैं।
3. सकारात्मक उदाहरण के रूप में, हम एक ही छवि की सेवा करते हैं, लेकिन एक अलग कोण से। एक नकारात्मक उदाहरण के रूप में, हम एक अन्य उत्पाद परोस रहे हैं।
4. एक प्रशिक्षित मॉडल होने से, हमें किसी भी जोड़ी के उत्पादों के लिए निकटता मीट्रिक उसी तरह से मिलती है जैसे कि ट्रिपल लॉस माना जाता है।

ट्रिपल लॉस कैलकुलेशन कोड।

एक वास्तविक परियोजना पर ट्रिपल लॉस के साथ सौदा पहली बार हुआ, जिसने कई कठिनाइयों का निर्माण किया। सबसे पहले, वे इस तथ्य के साथ लंबे समय तक संघर्ष करते रहे कि प्राप्त एम्बेडिंग सभी एक बिंदु पर आ गए। कई कारण थे: हमने नुकसान की गणना करने से पहले एम्बेडिंग को सामान्य नहीं किया; अल्फ़ा पैरामीटर मार्जिन बहुत छोटा था और उदाहरण बहुत मुश्किल। जोड़ा गया सामान्यीकरण और एम्बेडिंग अलग-अलग होने लगे। दूसरी समस्या अप्रत्याशित रूप से ग्रेडिएंट एक्सप्लोडिंग बन गई। सौभाग्य से, केरस ने इस समस्या को काफी सरल रूप से हल करना संभव बना दिया - हमने अनुकूलक में 1.0 = क्लिपनॉर्म जोड़ा, जिसने प्रशिक्षण के दौरान ग्रेडिएंट्स को बढ़ने नहीं दिया।

कार्य पुनरावृत्त था: हमने मॉडल को प्रशिक्षित किया, नुकसान को कम किया, अंतिम परिणाम को देखा और विशेषज्ञ ने तय किया कि हम किस दिशा में जा रहे हैं। कुछ बिंदु पर, यह स्पष्ट हो गया कि हमने तुरंत काफी जटिल उदाहरण स्थापित किए हैं और सीखने की प्रक्रिया में जटिलता नहीं बदलती है, जो अंतिम परिणाम को नकारात्मक रूप से प्रभावित करती है। सौभाग्य से, जिस डाटासेट के साथ हमने काम किया था, उसके पास एक अच्छी पेड़ संरचना थी, जो स्वयं उत्पाद को प्रतिबिंबित करती थी, उदाहरण के लिए मेन -> पैंट, पुरुष -> स्वेटर, आदि। इसने हमें जनरेटर का रीमेक बनाने की अनुमति दी और हमने पहले कुछ युगों के लिए "आसान" उदाहरण देना शुरू किया, फिर अधिक जटिल और इतने पर। सबसे कठिन उदाहरण एक ही उत्पाद श्रेणी के उत्पाद हैं, उदाहरण के लिए पैंट, नकारात्मक के रूप में।

नतीजतन, हमें एक मॉडल मिला जो ResNet-50 का उपयोग करने के लिए "भोले" कार्यप्रणाली से इसके आउटपुट में भिन्न था। हालांकि, अंतिम सिफारिशों की गुणवत्ता पूरी तरह से हमारे अनुरूप नहीं थी। सबसे पहले, लिंग त्रुटियों के साथ एक समस्या थी, लेकिन एक समझ थी कि इसे कैसे हल किया जा सकता है। चूंकि डाटासेट में कपड़ों को पुरुष और महिला में विभाजित किया गया था, इसलिए प्रशिक्षण के लिए नकारात्मक उदाहरण एकत्र करना आसान था। दूसरे, अंतिम परिणाम के दौरान डेटासेट पर प्रशिक्षण करते समय, हमने अपने ग्राहकों पर नेत्रहीन जाँच की - यह तुरंत स्पष्ट हो गया कि उनके उदाहरणों पर पीछे हटना आवश्यक है, क्योंकि कुछ एल्गोरिथ्म ने बहुत खराब तरीके से काम किया था यदि प्रशिक्षण के साथ माल अच्छी तरह से ओवरलैप नहीं हुआ था। । अंत में, गुणवत्ता अक्सर खराब थी, क्योंकि प्रशिक्षण छवि अक्सर शोर और निहित थी, उदाहरण के लिए, न केवल जीन्स, बल्कि एक टी-शर्ट भी।


जींस की छवि जिस पर वास्तव में एक टी-शर्ट और जूते भी दिखाई देते हैं।

पहला अनुभव बाद के समाधान के लिए आधार के रूप में कार्य किया, हालांकि हमने तुरंत एक बेहतर मॉडल को लागू करना शुरू नहीं किया।


मूल समाधान के आधार पर सिफारिशों का एक उदाहरण। लिंग की त्रुटियां हैं, विकल्प भी सामने आते हैं।

बेहतर मॉडल

हमने अपने डेटासेट से ResNet-50 का प्रशिक्षण शुरू किया। डेटा में जो दिखाया गया है, उसके बारे में डेटासेट में जानकारी होती है। यह डेटासेट मेन -> पैंट, महिला -> कार्डिगन और बहुत कुछ की संरचना से निकाला जाता है। यह प्रक्रिया दो कारणों से की गई थी: सबसे पहले, वे रीढ़ को "प्रत्यक्ष" करना चाहते थे - कपड़े डोमेन के लिए एक तंत्रिका नेटवर्क; दूसरे, चूंकि कपड़े भी लिंग से विभाजित होते हैं, इसलिए उन्हें पहले संस्करण में सामने आई लिंग त्रुटियों की समस्या से छुटकारा मिलने की उम्मीद थी।

दूसरे चरण में, हमने एक साथ इनपुट छवियों से शोर को हटाने और आगे के प्रशिक्षण के लिए संबंधित उत्पादों के सकारात्मक जोड़े प्राप्त करने का प्रयास किया। हमारे द्वारा उपयोग किए गए डेटासेट को चित्र में वस्तुओं का पता लगाने की समस्या को हल करने के लिए भी डिज़ाइन किया गया है। दूसरे शब्दों में, प्रत्येक छवि के लिए हैं: आयत के निर्देशांक जो वस्तु और उसके वर्ग का वर्णन करते हैं। इस तरह की समस्या को हल करने के लिए, हमने तैयार प्रोजेक्ट का इस्तेमाल किया। यह प्रोजेक्ट रेटिनानेट न्यूरल नेटवर्क आर्किटेक्चर का उपयोग एक विशेष फोकल लॉस का उपयोग करता है। इस नुकसान का सार छवि की पृष्ठभूमि पर अधिक ध्यान केंद्रित नहीं करना है, जो लगभग हर तस्वीर में है, लेकिन उस वस्तु पर जिसका पता लगाने की आवश्यकता है। प्रशिक्षण के लिए तंत्रिका नेटवर्क की रीढ़ के रूप में, हमने अपने पूर्व प्रशिक्षित नेटवर्क ResNet-50 का उपयोग किया।
नतीजतन, डेटासेट से प्रत्येक छवि पर तीन वर्गों की वस्तुओं का पता लगाया जाता है: "शीर्ष", "नीचे" और "सामान्य दृश्य"। "शीर्ष" और "नीचे" वर्गों को परिभाषित करने के बाद, हम बस तस्वीर को दो अलग-अलग चित्रों में काटते हैं, जो बाद में ट्रिपल लॉस की गणना के लिए सकारात्मक उदाहरणों की एक जोड़ी के रूप में उपयोग किया जाएगा। वस्तुओं का पता लगाने की गुणवत्ता काफी अधिक हो गई, एकमात्र शिकायत यह थी कि छवि में एक वर्ग ढूंढना हमेशा संभव नहीं था। यह हमारे लिए कोई समस्या नहीं थी, क्योंकि हम आसानी से पूर्वानुमानों की संख्या बढ़ा सकते हैं।


कक्षाएं "शीर्ष" और "नीचे" का पता लगाने और छवि को काटने का एक उदाहरण।

इस तरह की तस्वीर अलग होने के बाद, हमें इंटरनेट से किसी भी रूप को देखने और प्रशिक्षण में उपयोग के लिए घटकों में विभाजित करने का अवसर मिला। प्रशिक्षण के नमूने को बढ़ाने और मूलभूत समाधान के विकास के दौरान उत्पन्न होने वाले उदाहरणों की अपर्याप्त कवरेज के साथ समस्या को हराने के लिए, हमने अपने ग्राहकों में से एक की "कट" छवियों के कारण डेटासेट का विस्तार किया। एकमात्र समस्या यह थी कि हमने ऐसी वस्तुओं को "सहायक", "हेडड्रेस", "जूते" और इतने पर नहीं पहचाना। इसने कुछ सीमाएँ बनाईं, लेकिन यह अवधारणा के परीक्षण के लिए काफी उपयुक्त था। सकारात्मक परिणाम प्राप्त करने के बाद, हमने मॉडल को ऊपर वर्णित कक्षाओं में विस्तारित करने की योजना बनाई।

एक विस्तारित डेटासेट प्राप्त करने के बाद, हमने एक बुनियादी समाधान से सियामी नेटवर्क के निर्माण के लिए पहले से ही सिद्ध पद्धति का उपयोग किया, हालांकि कई अंतर थे। सबसे पहले, तंत्रिका नेटवर्क की रीढ़ के रूप में, हमने ऊपर वर्णित अब प्रशिक्षित ResNet-50 नेटवर्क का उपयोग किया। दूसरे, अब, सकारात्मक उदाहरणों के रूप में, हमने शीर्ष-से-नीचे जोड़े और इसके विपरीत प्रस्तुत किए हैं, जिससे हमें तंत्रिका नेटवर्क से छवि के "पत्राचार" के बारे में जानने की सुविधा मिलती है। खैर, वास्तव में एक दर्जन युगों के बाद, एक तंत्र दिखाई दिया जिसने हमें एक एकल छवि के लिए माल की "अनुरूपता" का मूल्यांकन करने का अवसर दिया।


एक तंत्रिका नेटवर्क के उपयोग के आधार पर सिफारिशों का एक उदाहरण। बुनियादी उत्पाद के लिए शॉर्ट्स की सिफारिश की जाती है; टी-शर्ट की सिफारिश की जाती है।

अंतिम परिणाम ने हमें प्रसन्न किया: सिफारिशें अच्छी गुणवत्ता की दृष्टि से बदल गईं और, विशेष रूप से क्या अच्छा है, उनके निर्माण को उपयोगकर्ता के इंटरैक्शन के किसी भी इतिहास की आवश्यकता नहीं थी। हालांकि, समस्याएं बनी रहीं, मुख्य एक था प्रत्यर्पण में विकल्प की उपलब्धता। तो प्रत्यर्पणों में आया था जिसमें "नीचे" करने की सिफारिश की गई थी "नीचे", वही बात "शीर्ष" श्रेणी के साथ हुई। इसने हमें विकल्पों को हटाने के उपाय को सोचने और परिष्कृत किया।

विकल्प निकालें

विकल्प की उपलब्धता की समस्या को हल करने के लिए, जारी करने की प्रक्रिया काफी तेज थी। "वेनिला" ResNet-50 के साथ प्रारंभिक प्रयोगों ने मदद की। इस तरह के एक तंत्रिका नेटवर्क ने "समान" सामानों के रूप में बाहर दिया, जो कि छवि में सबसे अधिक मेल खाते थे - वास्तव में, विकल्प। यही है, इसका उपयोग विकल्पों की पहचान करने के लिए किया जा सकता है।


सिफारिशों का एक उदाहरण "वेनिला" ResNet-50 पर आधारित है। माल विकल्प हैं।

ResNet-50 की इस उपयोगी संपत्ति का उपयोग करते हुए, हमने जारी करने से संभव उत्पादों के करीब फ़िल्टर करना शुरू कर दिया, जिससे विकल्पों को हटा दिया गया। इस दृष्टिकोण के नुकसान भी थे - वही असंगत स्थिति जिसके साथ छानने के लिए चयन करने के लिए दहलीज। कभी-कभी काफी उत्पादों को फ़िल्टर किया जाता था, इस तथ्य के बावजूद कि बाहरी रूप से वे विकल्प नहीं थे। हालाँकि, हमने इस समस्या पर ध्यान नहीं दिया और आगे भी काम करना जारी रखा।

एबी टेस्ट की तैयारी

एल्गोरिदम में लगभग किसी भी बदलाव की अंतिम जांच के लिए, हम एबी परीक्षण उपकरण का व्यापक रूप से उपयोग करते हैं। इसके अलावा, हमारे पास केवल एक नियम है: "कोई भी नुकसान कितना छोटा है, कोई फर्क नहीं पड़ता कि तंत्रिका नेटवर्क कितना जटिल और बहुस्तरीय है, सिफारिशें कितनी सुंदर हो सकती हैं - यह सब नहीं माना जाता है यदि एबी परीक्षण पर कोई परिणाम नहीं है"। तर्क काफी सरल है: एक एबी परीक्षा सभी दलों (विशेष रूप से ग्राहकों और व्यापार) के लिए सबसे ईमानदार, समझने योग्य है और परिणाम को मापने के लिए एक सटीक तरीका है। Retail Rocket - ( « A/- 99% - ? »). - .

-. , RecSys 2016 . . , , , , . , - , .

, . , . , . - . , , , , - . : .

- , . -, , , , . -, — , , , , . , . , , , “», .

:

• “” “”, , , , . , , , .
• , . proof-of-concept , .

, , . , , .

AB-

, , - . — fashion. . , , . , , .

. 3 . , 95%.


. Related-9 — “” , Related — .


. Related-9 “” . : Mann-Whitney Test Bootstrap. 97%.

: . , , , “” CTR. , , CTR , . - , - - , -. , .


CTR. . CTR Related-9, “” , () Related — (). CTR ( ) — 95%.

, , , , . , , . , , . .

निष्कर्ष

, , . , , . - . , — — , . , . , , , Retail Rocket.

, , , , « ». , . , .

, Retail Rocket