姓名：毕晓鹏
学号：19021210824
【嵌牛导读】这是一篇关于电商检索的论文，讲了如何淘宝如何通过用户上传的图片，返回相关商品
【嵌牛鼻子】商品检索
【嵌牛提问】你知道更多的电商检索方法吗？
【嵌牛正文】
难点
用户上传的数据带有复杂的背景，图像质量不一样。
商品数量大，类别之间差异小。
标注训练，清洗数据成本高。
不仅要使用视觉搜索技术返回商品，还要考虑商品的质量，用户的购买意愿。
基于分类模型和图像搜索融合的类目预测
类目预测是为了进一步减小搜索空间
基于分类模型的商品类别预测，训练googlenetV1 预测查询图像的类别（14个大类），使用softmax分类函数，每一个类别都对应着一个概率。
基于图像搜索技术的商品类目预测，使用googlenetv1输出的特征，在整个图像库里面检索最相似的top30图像，对这30幅图像类别加权排序，同样每个类别对应一个相应的概率。
将上述两种方法进行融合，加权平均，得到最终的可能商品类别，上述融合方法取得了2%top1的精度提升。
构建难样本
使用triplet loss作为损失函数，负样本的选择，直接用其他类目的图像，并不是最优选择，通过挖掘用户的点击行为，使用用户点击图像和非点击图像作为正负样本。
联合目标检测
对目标进行裁剪，会去掉很多背景信息，来优化检索性能。如果使用目标检测算法，会造成时间开销增大，阿里提出了一种联合学习的方法。这里的目标检测分支并没有标注目标框的监督信息，这里具体网络怎么找到的目标信息，还需要再看一下。
重排序
对于视觉搜索返回的商品列表结果，精确的结果并不能很好的激发用户点击商品，所以会根据每个商品的价格、好评等其他信息排序。
图像索引和检索
为了提高检索速度，先使用二值进行查询，这里为了过滤大部分未匹配的数据，然后在进行细排序，最后根据重排序来最终确定返回的商品。
