[논문 리뷰] Products-10K: A Large-scale Product Recognition Dataset

Yalong Bai, Yuxiang Chen외 3명|arXiv (Cornell University)|2020. 08. 24.

Advanced Image and Video Retrieval Techniques참고 문헌 10인용 수 32

한 줄 요약

Products-10K를 소개합니다. 이는 ~150k장의 이미지가 10k SKU에 걸쳐 있는 대규모의 사람 라벨링된 SKU-레벨 상품 데이터셋과 실용적인 미세-세분화 인식 기술을 제공합니다. 실험으로 고해상도 학습과 지표에 맞춘 손실이 정확도를 향상시킨다는 것을 보여줍니다.

ABSTRACT

With the rapid development of electronic commerce, the way of shopping has experienced a revolutionary evolution. To fully meet customers' massive and diverse online shopping needs with quick response, the retailing AI system needs to automatically recognize products from images and videos at the stock-keeping unit (SKU) level with high accuracy. However, product recognition is still a challenging task, since many of SKU-level products are fine-grained and visually similar by a rough glimpse. Although there are already some products benchmarks available, these datasets are either too small (limited number of products) or noisy-labeled (lack of human labeling). In this paper, we construct a human-labeled product image dataset named "Products-10K", which contains 10,000 fine-grained SKU-level products frequently bought by online customers in JD.com. Based on our new database, we also introduced several useful tips and tricks for fine-grained product recognition. The products-10K dataset is available via https://products-10k.github.io/.

연구 동기 및 목표

• 전자상거래 인식을 위한 대규모의 미세한 SKU-레벨 상품 데이터셋의 필요성을 제시한다.
• 낮은 라벨 노이즈를 가진 다양한 상품 카테고리를 포괄하는 사람 라벨링 데이터셋을 생성한다.
• 추가 추론 비용 없이 미세한 상품 인식을 향상시키는 실용적인 팁과 트릭을 제공한다.

제안 방법

• 매장 내 이미지와 고객 이미지를 포함한 대규모의 사람 라벨링 SKU-레벨 상품 데이터셋(Products-10K)을 구축한다.
• 다중 전문가 검증을 통해 라벨 노이즈를 낮춘다(각 이미지가 최소 세 명의 전문가에 의해 확인됨).
• 학습 트릭 제안: 고해상도 입력, 균형 서브셋 파인튜닝, 정확도와의 정합을 위한 지표 기반 손실 설계.
• 추론 비용을 변경하지 않고도 고해상도 학습이 상당한 정확도 향상을 가져옴을 보여준다.
• 파인튜닝 중 상위-1 정확도를 더 잘 최적화하기 위한 정확도 중심 손실(L_acc)을 도입한다.

실험 결과

연구 질문

• RQ1 대 규모의 완전한 사람 라벨링 SKU-레벨 데이터셋이 미세한 상품 인식을 향상시킬 수 있는가?
• RQ2 고해상도 입력, 균형 잡힌 파인튜닝, 지표 정합 손실이 복잡한 상품 데이터셋에서 상위-1 정확도를 향상시키는가?
• RQ3 매장 내 이미지와 고객 이미지가 SKU 인식의 일반화 및 노이즈 강건성에 어떤 영향을 미치는가?

주요 결과

• Products-10K는 거의 10k SKU와 약 150k 이미지로 구성되었으며 노이즈 비율은 0.5% 미만이다.
• 고해상도 학습(512→448 크롭)이 224×224 기준선에 비해 top-1 정확도에서 4.9 퍼센트 포인트를 얻는다.
• 균형 서브셋 파인튜닝은 추가 이득을 제공한다(다른 트릭과 결합 시 약 1.8%).
• 지표 가이드 손실은 추론 비용 증가 없이 정확도 최적화를 개선하여 검증 세트에서 보고된 최고 top-1을 달성한다.
• 단일 EfficientNet-B3 모델이 448×448 입력과 지표 손실 파인튜닝으로 64.12% top-1 정확도를 달성한다.