Bilderkennung im Online-Retail.

Der Online-Retail Markt für Bekleidung ist gekennzeichnet durch eine hohe Konkurrenz. Durch innovative, datenbasierte Shop-Funktionen und Services können Kunden langfristig gebunden und Interessenten schneller konvertiert werden. Ein wichtiger Faktor für die Conversion des Kunden ist die ansprechende Darstellung von Produktfotos. Unser Kunde stand vor der Herausforderung, neue Tags für Produktfotos auf die gesamte Bildkollektion im Bereich Oberbekleidung (1.000.000+ Bilder) anwenden zu müssen, um Kunden im Shop neue Sortier- und Filtermöglichkeiten zu bieten (z.B. Foto mit/ohne Model).

Auf Basis einer kleinen, zuvor manuell klassifizierten Bildmenge wurde ein Deep Learning Modell zur Klassifikation der Bilder in unterschiedlichen Gruppen entwickelt. Hierbei kam ein sog. Transfer-Learning Ansatz zur Anwendung, bei dem bereits auf anderen Bildkollektionen vortrainierte Modelle auf die zu klassifizierenden Bilddaten angelernt bzw. fine-getuned werden. Transfer Learning ermöglicht es, mit vergleichsweise geringem Aufwand hochperformante Deep Learning Klassifikatoren zu erstellen, die unter normalen Umständen mit extrem großem Aufwand entwickelt werden müssen. Nach der Erstellung des Modells kann der gesamte Bildbestand mit den erlernten Tags versehen werden. Hierbei kann das Modell zwischen 300 und 600 Bilder pro Sekunde taggen.