Shopping Portal: Automatische Verschlagwortung von Produktbildern

Durch eine spezielle Bilderkennung kann ein großer Web-Shop eintreffende Waren allein auf Basis der Produktfotos automatisch verschlagworten. Bei der Entwicklung des entsprechenden Modells wurde eine Vorgehensweise gewählt, die Aufwand einspart und zugleich ausgezeichnete Ergebnisse liefert.

Bilderkennung für Kleidung
(Bild: Fotolia, Stanisic Vladimir)

Ausgangssituation

Eine anwenderfreundliche Produktsuche zählt zu den wichtigsten Erfolgsfaktoren von Shopping-Portalen für Bekleidung. Kunden wollen nicht nur nach Marken filtern, sondern nach ganz spezifischen Merkmalen, wie Farbe, Schnittform oder die Höhe eines Schuhabsatzes. Infolgedessen sind die Händler gefordert, Ihr vollständiges Angebot mit entsprechenden Metadaten zu versehen. Im Regelfall müssen die erforderlichen Angaben unter großem Aufwand manuell erfasst werden. Diese Vorgehensweise ist nicht nur zeitintensiv, sondern auch fehleranfällig – insbesondere, wenn zum Saisonwechsel eine Vielzahl neuer Produkte erscheinen.

In diesem Kontext haben wir für einen bekannten Web-Shop eine vielversprechende Lösung entwickelt: eine Bilderkennung für Schuhe, die eintreffende Ware allein auf Basis der Produktfotos automatisch verschlagwortet. Hierbei wurde eine Vorgehensweise gewählt, die einerseits Aufwand einspart und andererseits zu ausgezeichneten Analyseergebnissen führt.

Lösung

Die Entwicklung eines entsprechenden Modells nimmt im Regelfall viel Zeit in Anspruch. In der Trainingsphase muss das neuronale Netzwerk eine große Anzahl unterschiedlicher Produkteigenschaften von bereits bestehenden Mustern bzw. Zuordnungen erlernen, was selbst auf spezialisierter Hardware mehrere Wochen oder gar Monate dauern kann. Eine Alternative bilden vortrainierte Modelle, die allerdings eher generalistisch ausgelegt sind. Beispielsweise können diese Modelle Schuhe, Hosen oder Jacken voneinander unterscheiden. Um welche Marke es sich handelt, lässt sich indes nicht bestimmen.

Bei dem betreffenden Projekt wurde eine Mischform dieser unterschiedlichen Ansätze angewendet: Ausgangspunkt bildete ein bereits vorhandenes Modell zur Bilderkennung auf Basis des Tensorflow-Frameworks. Bei dem Modell wurden zunächst die vorhandenen Schlagworte auf die Kategorien, Farben und weiteren Eigenschaften des Shopping-Portals angepasst. Es folgten mehrere Phasen, in denen die Analysten das Modell feinjustierten.

Kundennutzen

Das Resultat beeindruckt: Inzwischen ermittelt das Modell die Eigenschaften einzelner Produkte mit erstaunlicher Präzision. Und: Die Bilderkennung ist nicht auf professionelle Produktfotos beschränkt. Sie funktioniert ebenso bei selbstgeschossenen Smartphone-Fotos. Somit wurde ein Großteil des Trainingsaufwands eingespart und gleichzeitig ein sehr spezialisiertes Modell für Bekleidung erzeugt. Ganz allgemein zeigt das Projekt, dass die Entwicklung einer Bilderkennung heutzutage nicht zwingend hohe Aufwände erfordert. Auch mit einem schlankeren Vorgehen kann ein umfangreicher Nutzen erzielt werden.

Produkte

  • R
  • Tensorflow
  • Keras

 

Teilen auf

We turn data into value! Kontaktieren Sie uns.

Gerne beraten wir Sie persönlich!
Rufen Sie uns an oder schreiben Sie eine E-Mail.

Jetzt kontaktieren