Chú thích sản phẩm thời trang bán lẻ
Cách Shaip xây dựng một quy trình chú thích thời trang bán lẻ có cấu trúc với việc gắn thẻ sản phẩm đa thuộc tính trên hình ảnh ma-nơ-canh, ảnh chụp từ trên cao và ảnh người mẫu thật — được xây dựng như một bộ dữ liệu cấp độ sản xuất để tìm kiếm trực quan, đề xuất trang phục, thử đồ ảo và tự động hóa quản lý hàng tồn kho bằng AI.
Tổng Quan Dự Án
Khi trí tuệ nhân tạo trong lĩnh vực bán lẻ hướng tới trải nghiệm trực quan – tìm kiếm bằng hình ảnh, gợi ý trang phục, thử đồ ảo – khách hàng cần một hệ thống chú thích dữ liệu có khả năng mở rộng, phân loại và gắn thẻ thuộc tính cho các sản phẩm thời trang trên toàn bộ hệ thống phân loại bán lẻ với độ chi tiết đa tầng.
Shaip đã xây dựng quy trình chú thích hoàn chỉnh bao gồm phân loại danh mục, gắn thẻ đa thuộc tính, phân lập hộp giới hạn đa mục và kiểm tra chất lượng hai cấp — tạo ra các bộ dữ liệu thông tin sản phẩm phong phú sẵn sàng cho các ứng dụng trí tuệ nhân tạo (AI) thương mại điện tử và bán lẻ thế hệ tiếp theo.
Số liệu thống kê chính
Ngưỡng chính xác
99%
Mức độ QA
2-Cấp
Lớp thuộc tính
6+
Các danh mục được bảo hiểm
Phân loại đầy đủ
Những thách thức
- Phân biệt các danh mục tương tự về mặt hình ảnh — Áo dài so với váy ngắn, chân váy so với đầm, áo khoác so với áo sơ mi khoác ngoài
- Xử lý ma-nơ-canh, bố cục phẳng và người mẫu thật chụp ảnh với chú thích nhất quán
- Nộp đơn Hơn 6 lớp thuộc tính Theo từng loại trang phục — màu sắc, họa tiết, tay áo, cổ áo, kiểu dáng, dịp sử dụng.
- Cô lập sản phẩm riêng lẻ trong hình ảnh nhiều mục với khung bao quanh chặt chẽ cho từng món đồ.
- Duy trì % Độ chính xác 99 trên phạm vi đa dạng về danh mục và thuộc tính cao
Dung dịch
Phân loại theo danh mục
Các chuyên gia chú thích đã làm việc dựa trên một hệ thống phân loại thời trang có cấu trúc bao gồm áo, áo sơ mi, chân váy, quần jean, quần tây, đầm, áo khoác, dép xăng đan, và nhiều hơn nữa. Các hướng dẫn phân loại nghiêm ngặt đã xử lý các trường hợp ngoại lệ — phân biệt áo dài với đầm ngắn, chân váy với đầm, hoặc áo khoác với áo sơ mi khoác ngoài — đảm bảo các mô hình tiếp theo có thể phân biệt các mặt hàng trông tương tự nhau.
Gắn thẻ đa thuộc tính
Ngoài việc phân loại theo danh mục, mỗi sản phẩm đều được gắn thẻ với các thuộc tính chi tiết: màu sắc, họa tiết, kiểu tay áo, kiểu cổ áo, kiểu dáng, chất liệu và loại dịp sử dụng. Việc gắn thẻ nhiều lớp này biến một tập dữ liệu phân loại đơn giản thành một kho dữ liệu thông tin sản phẩm phong phú, có khả năng hỗ trợ các công cụ tìm kiếm hình ảnh và đề xuất trang phục.
Xử lý nhiều loại hình ảnh
Sản phẩm xuất hiện trong nhiều điều kiện ánh sáng, góc độ, phông nền khác nhau, và trên cả ma-nơ-canh lẫn người mẫu thật. Trang phục chồng lên nhau, xuất hiện một phần hoặc được chụp theo kiểu đặt phẳng so với ảnh mặc trên người. Các quyết định chú thích nhất quán được thực thi trên tất cả các loại hình ảnh thông qua tài liệu hướng dẫn phong cách chi tiết.
Phân lập hộp giới hạn cho từng loại quần áo
Các khung bao quanh được vẽ sát mép từng sản phẩm may mặc để tách riêng từng sản phẩm trong các hình ảnh có nhiều mặt hàng. Đối với các hình ảnh chứa nhiều sản phẩm hiển thị, mỗi mặt hàng đều được gắn thẻ danh mục và thuộc tính riêng, làm tăng đáng kể độ phong phú của mỗi hình ảnh trong tập dữ liệu cuối cùng.
Kiểm soát chất lượng hai cấp và cổng độ chính xác 99%
Mỗi hình ảnh được chú thích đều trải qua quy trình kiểm duyệt chất lượng hai cấp. Người chú thích cấp 1 thực hiện phân loại ban đầu và gắn thẻ thuộc tính; người kiểm duyệt chất lượng cấp 2 xác minh độ chính xác của nhãn, tính nhất quán của thuộc tính và độ chính xác của khung giới hạn. Ngưỡng độ chính xác tối thiểu 99% được áp dụng cho mỗi lô trước khi được giao.
Phạm vi dự án
| Loại tập dữ liệu | Các loại hình ảnh | Thuộc tính | Phương pháp chú thích | QA | tính chính xác |
|---|---|---|---|---|---|
| Gắn nhãn sản phẩm thời trang bán lẻ | Ma-nơ-canh, bố cục phẳng, người mẫu thật | 6+ lớp mỗi sản phẩm | Hộp giới hạn chặt chẽ cho mỗi sản phẩm may mặc | Kiểm soát chất lượng 2 cấp | 99% |
Kết quả
- Đã thành lập một phân loại thời trang có cấu trúc với sự phân biệt danh mục trường hợp ngoại lệ
- Tiêu chuẩn hóa 6+ lớp thuộc tính cho mỗi sản phẩm may mặc để có chiều sâu hiểu biết về sản phẩm
- Giao cách ly hộp giới hạn từng mục trên nhiều hình ảnh
- Duy trì Cổng có độ chính xác 99% thông qua quy trình kiểm duyệt QA hai cấp
- Đã kích hoạt cho khách hàng Tìm kiếm trực quan, gợi ý trang phục, thử đồ ảo và kiểm kê kho hàng. AI
Nhìn chung, Shaip đã giúp chuyển đổi yêu cầu chú thích thời trang đa dạng hình ảnh thành một quy trình có cấu trúc, sẵn sàng cho sản xuất — một quy trình có khả năng hỗ trợ tìm kiếm hình ảnh, công cụ đề xuất, thử đồ ảo, tự động hóa quản lý kho và trí tuệ nhân tạo phân tích xu hướng trên các nền tảng thương mại điện tử và bán lẻ hiện đại.
Shaip đã nắm bắt đúng những sắc thái tinh tế trong thời trang — họ đã phân biệt rõ ràng các danh mục mà ngay cả đội ngũ bán hàng của chúng tôi cũng tranh luận. Sự phong phú về thuộc tính của họ đã trực tiếp góp phần vào độ chính xác của tìm kiếm hình ảnh và đề xuất sản phẩm của chúng tôi.
