推出面向企业的ProductAI 商品识别领域的AI赋能者

凯文·凯利曾说，未来20年最伟大的事情可能还没有出现，但可以预测的是，人工智能将是未来20年内最重要的技术趋势，创业企业的方向应该很明确，就是将人工智能应用于某个领域。

近两年，人工智能创业公司如雨后春笋一般不断涌现，但是大部分的企业是关注于如何让自家的产品更加智能，但有这么一家公司却立下 flag，要做商品识别领域的人工智能赋能者，让别人的产品更加智能。

Matt Scott

在2017年北京GMIC大会期间，码隆科技联合创始人兼 CTO 码特（Matt Scott）告诉雷锋网，和其他人工智能公司不同，码隆科技是将商品识别方面的技术开放给其他企业，使得他们能够运用这些技术去搭建属于自己的商品识别引擎。

而码特提及的人工智能技术，码隆科技已将其搭建成一个人工智能平台—ProductAI。

什么是ProductAI 平台？

商品识别

在弄清楚 ProductAI 平台之前，需要先介绍一下商品识别的概念。码特告诉雷锋网，大家都熟悉人脸识别，通过人工智能分类技术可以提取出如性别、年龄、种族等信息，那么商品识别也类似，拿时尚领域来说，通过人工智能技术可以提取出服饰的材质、色彩、风格等特征。

但是区别之处在于，商品里既包含酒瓶、车辆、家具这样的刚性物体，也包含服饰面料等易折叠的柔性物体。除了易褶皱这样的属性，柔性物体上的面料纹路和图案也不尽相同，所以相对介于刚性和柔性之间的人脸，柔性物体的识别难度更大，而这个也正是码隆科技投入大量精力去钻研并且擅长的领域，码特说。

ProductAI 的登录界面

ProductAI

码特告诉雷锋网，商品识别技术的背后需要有海量商品数据的支持，通过收集针对某些垂直行业的商品图像数据，运用适用于这个行业的算法去搭建这些垂直领域的模型，由此产生针对垂直领域的商品识别结果，如：分类（Classification）、检测（Detection)、分割（Segmentation)、检索（Retrieval)等等。

企业能够运用这些功能去搭建他们自己的商品识别服务，而码隆则将上述提供的服务进行整合，搭建成一个人工智能平台—ProductAI。也就是说，ProductAI是企业运用人工智能商品识别服务的入口。

ProductAI的核心技术服务

据码特介绍，针对垂直领域，ProductAI有两大核心技术服务：

垂直领域图像检索（Vertical AI Image Retrieval）

垂直领域自动标注（Vertical Auto-Tagging）

垂直领域商品检索服务

在图像检索方面，除了上文中提到的码隆擅长的时尚、纺织面料等领域，码特告诉雷锋网，现在又新增了在车辆、酒类、家具等垂直领域的模型，未来还将持续扩充人工智能在商品识别的垂直场景。

在扩充了使用场景后，问题也随之而来：这个横跨多领域的智能识别系统，如何能保证其既能实时处理上亿数据， 又能处理不同类别的调用请求？ 还能保证高性价比？对此，码特分享了码隆的做法：

第一点：我们首次提出“场景选择” （Scenario Selection)的概念，用户可在图像检索服务中，选择所属行业的场景服务，然后运用到自己的产品中，以获得最好的性能。提到图像检索服务，人们会想到谷歌和百度的以图搜图功能，但是他们大多使用的是通用模型，相较于我们使用垂直领域专用语言（Domain Specific Language）进行搜索引擎搭建，通用模型的商品检索精确度往往差强人意。

第二点：算法。除了拥有亿级以上的垂直行业图像数据以外，在每个垂直行业的基础上，我们使用了多任务的深度度量学习（Deep Metric Learning）来训练端到端的图像检索模型，这使得我们相较于其他人工智能公司，在商品识别方面，特别是难度最大的柔性商品识别领域，能够获得更加精确的检索结果。

关于精确度的考量，可以说码隆现已在业内遥遥领先，而且我们有信心与 CVPR, ICCV, ECCV 等国际顶尖论文的公开基准点（Public Benchmarks）进行比较。

第三点：速度。我们花费了非常多的精力将二值神经网络和分布计算的技术运用在深度学习网络当中，以实现大规模且高效率的查询检索。

第四点：费用。我们一直在努力降低服务成本，以便让更多企业能够受益于这项服务。

垂直领域的商品图像自动标注服务

如上图所示，除了商品检索之外，ProductAI 的图像识别技术还能对图片进行实体检测，定位图中实体，同时提供可定制的标注信息，码特告诉雷锋网。

说起图像标注，码特说，让我们来聊一个当下比较热的话题：如何提升训练数据的效率？