Adnotacja produktu modowego w handlu detalicznym
W jaki sposób Shaip dostarczył ustrukturyzowany proces adnotacji dotyczących mody w handlu detalicznym z wieloatrybutowym tagowaniem produktów na manekinach, zdjęciach płaskich i zdjęciach modelek na żywo — zbudowany jako zbiór danych klasy produkcyjnej do wyszukiwania wizualnego, rekomendacji strojów, wirtualnego przymierzania i automatyzacji zapasów za pomocą sztucznej inteligencji.
Przegląd projektu
W miarę jak sztuczna inteligencja w handlu detalicznym ewoluuje w kierunku doświadczeń opartych na wizualizacji — wyszukiwanie wizualne, rekomendacje strojów, wirtualne przymierzanie — klient potrzebował skalowalnego systemu adnotacji, który umożliwiałby kategoryzację i oznaczanie atrybutami produktów modowych w całej taksonomii handlu detalicznego z wielowarstwową zaawansowaną funkcjonalnością.
Shaip zbudował kompleksowy system adnotacji obejmujący klasyfikację kategorii, tagowanie wieloatrybutowe, izolację wieloelementowych pól ograniczających i dwupoziomową kontrolę jakości — generując bogate zbiory danych o produktach gotowe na zastosowania sztucznej inteligencji w handlu elektronicznym i handlu detalicznym nowej generacji.
Kluczowe statystyki
Próg dokładności
99%
Poziomy zapewnienia jakości
2-Tier
Warstwy atrybutów
6+
Kategorie objęte
Pełna taksonomia
Wyzwania
- Charakterystyczny kategorie o podobnych cechach wizualnych — długa góra kontra krótka sukienka, spódnica kontra sukienka, marynarka kontra koszula wierzchnia
- Prowadzenie manekin, model płaski i żywy model fotografia z spójną adnotacją
- Stosowanie 6+ warstw atrybutów na ubranie — kolor, wzór, rękaw, dekolt, dopasowanie, okazja
- Izolacyjny pojedyncze produkty w obrazach wieloelementowych z ciasnymi polami ograniczającymi dla każdego elementu garderoby
- Utrzymywanie Dokładność 99% w zakresie dużej różnorodności kategorii i atrybutów
Rozwiązanie
Taksonomia kategorii
Adnotatorzy opracowali ustrukturyzowaną taksonomię mody obejmującą topy, koszule, spódnice, dżinsy, spodnie, sukienki, kurtki, sandały i wiele innych. Ścisłe wytyczne dotyczące kategorii uwzględniały skrajne przypadki – odróżnianie długiego topu od krótkiej sukienki, spódnicy od sukienki czy kurtki od koszuli wierzchniej – zapewniając, że modelki i modele mogli odróżniać wizualnie podobne produkty.
Tagowanie wieloatrybutowe
Poza klasyfikacją kategorii, każdy produkt został oznaczony szczegółowymi atrybutami: kolorem, wzorem, rodzajem rękawa, krojem dekoltu, rodzajem dopasowania, wyglądem materiału i rodzajem okazji. To wielowarstwowe tagowanie przekształca prosty zbiór danych klasyfikacyjnych w bogaty korpus wiedzy o produktach, który może zasilać wyszukiwarki wizualne i wyszukiwarki rekomendacji strojów.
Obsługa wielu typów obrazów
Produkty prezentowano w zróżnicowanym oświetleniu, pod różnym kątem, na różnym tle, zarówno na manekinach, jak i na modelkach. Ubrania nakładały się na siebie, były częściowo widoczne lub widoczne na fotografiach płaskich, a nie noszonych. Spójne decyzje dotyczące adnotacji zostały wdrożone we wszystkich typach zdjęć dzięki szczegółowej dokumentacji stylistycznej.
Izolacja pola ograniczającego na sztukę
Wokół każdego elementu garderoby narysowano ciasno pola ograniczające, aby wyodrębnić poszczególne produkty na obrazach wieloelementowych. W przypadku obrazów zawierających wiele widocznych produktów, każdy element otrzymał własną kategorię i tagi atrybutów, co znacznie zwiększyło bogactwo każdego obrazu w końcowym zbiorze danych.
Dwustopniowa kontrola jakości i bramka o dokładności 99%
Każdy opatrzony adnotacjami obraz przeszedł dwuetapową kontrolę jakości. Adnotatorzy poziomu 1 zajmowali się wstępną kategoryzacją i tagowaniem atrybutów; kontrolerzy poziomu 2 weryfikowali dokładność etykiet, spójność atrybutów i precyzję ramek ograniczających. Minimalny próg dokładności 99% był wymagany dla każdej partii przed dostawą.
Zakres projektu
| Typ zbioru danych | Typy obrazowania | Atrybuty | Metoda adnotacji | QA | Dokładność |
|---|---|---|---|---|---|
| Oznaczanie produktów modowych w handlu detalicznym | Manekin, model płaski, żywy | 6+ warstw na sztukę | Ścisłe pola ograniczające dla każdego elementu garderoby | 2-stopniowa kontrola jakości | 99% |
Wyniki
- Założona ustrukturyzowana taksonomia mody z różnicowaniem kategorii przypadków brzegowych
- znormalizowane 6+ warstw atrybutów na ubranie dla dogłębnej analizy produktu
- Dostarczany izolacja pola ograniczającego dla każdego elementu na obrazach wieloelementowych
- Utrzymany Bramka o dokładności 99% poprzez dwuetapowy przegląd QA
- Włączono klienta wyszukiwanie wizualne, rekomendacje strojów, wirtualne przymierzanie i inwentaryzacja AI
Ogólnie rzecz biorąc, Shaip pomógł przekształcić wieloobrazowy wymóg adnotacji modowych w ustrukturyzowany, gotowy do produkcji proces — taki, który obsługuje wyszukiwanie wizualne, silniki rekomendacji, wirtualne przymierzanie, automatyzację zapasów i analizę trendów za pomocą sztucznej inteligencji na nowoczesnych platformach handlu elektronicznego i detalicznego.
Shaip trafnie uchwycił niuanse modowe – wyróżnił kategorie, nad którymi debatował nawet nasz zespół ds. merchandisingu. Bogactwo ich atrybutów miało bezpośredni wpływ na dokładność wyszukiwania wizualnego i rekomendacji.
