ssh1 Nov 9 2016 at 10:01

Рекомендации на основе изображений товаров

5 min

11K

Big Data*Data Mining*Python*Algorithms*Machine learning*

Tutorial

+18

Comments 11

Ohar Nov 9 2016 at 12:14

Сиськи не подбирает

volkys Nov 9 2016 at 17:37

В дополнение к предыдущему комментатору. Заметил одну вещь. В какой-то момент времени, появляются две идентичные картинки в разных категориях, если выбрать одну из них, то идентичных становится больше. Снова дублирующуюся, появляются уже 3 идентичных. Довёл до состояния, когда варианты предлагаются одни и те же, если выбирать повторяющиеся в трех категориях. Из 5 наборов в трех категориях четыре футболки повторяются трижды, а 5-я дублируется. Но автору спасибо. Как раз работаю над ТЗ на нейросетях.

ssh1 Nov 9 2016 at 17:38

Проблема в том, что в этом датасете встречаются абсолютно похожие футболки с разными ID, видно копируют дизайн друг у друга.

eltardowut Nov 9 2016 at 22:15

Отлично придумано! Кстати, а отчего было не использовать встроенную предобученную модель vgg16? Её же можно загрузить прямо стандартными средствами и тюнить дальше, в том числе, как раз, доставать выходы отдельных слоёв.

ssh1 Nov 9 2016 at 22:17

Да, скорее всего можно и так, просто первым нагуглился другой способ.

victor1234 Nov 9 2016 at 23:41

Какая скорость работы?

ssh1 Nov 10 2016 at 14:09

~100-150мс на рекомендацию при 11000 объектах.
Извлечение фич — несколько часов на CPU.

victor1234 Nov 10 2016 at 22:02

Что за проц? Сколько потоков? И сколько в памяти вся база занимает? Хочу сравнить методы.

ssh1 Nov 10 2016 at 22:14

Intel® Core(TM) i7-4770 CPU @ 3.40GHz
Ближайшие объекты подбираются в один поток.
Сама матрица фич для 11000 объектов ест ~200 MB RAM.
А с чем сравниваем, если не секрет?

victor1234 Nov 10 2016 at 22:19

Поиск похожих изображений с помощью вейвлетов Габора.

fortunato Dec 17 2016 at 13:17

интересны результаты тестов) если можете покажите пожалуйста… тоже есть вопросы тут задал https://toster.ru/q/380058