A Deep Convolutional Neural Network-Based Approach for Visual Search & Recommendation of Grocery Products

Die Verbreitung von E-Commerce-Webseiten hat zu einer steigenden Nachfrage nach effizienten Suchmaschinen geführt. Obwohl textbasierte Suchmethoden häufig sind, erfüllen sie häufig nicht die Bedürfnisse der Benutzer, insbesondere wenn es um Synonyme oder verschiedene Sprachen geht. Dieser Artikel stellt einen tiefgründigen lernbasierten Ansatz für die visuelle Suche und Empfehlung von Lebensmittelprodukten vor, der die Nutzung konvolutionaler neuronaler Netzwerke (CNNs) und das Ensemblelernen nutzt, um die Beschränkungen textbasierter Suche zu überwinden. Die vorgeschlagene Methode beinhaltet die Featureextraktion mit vortrainierten Modellen und Stapelgruppenmodellen zur Produktklassifizierung und -empfehlung. Die Autoren bewerten die Leistung ihres Ansatzes anhand verschiedener Datensätze und Messgrößen und zeigen vielversprechende Ergebnisse in Bezug auf Genauigkeit, Präzision, Recall und F1-Score. Die Studie hebt auch das Potenzial visueller Such- und Empfehlungssysteme zur Verbesserung der Nutzererfahrung auf E-Commerce-Plattformen hervor. Durch die Kombination traditioneller maschineller Lerntechniken mit fortgeschrittenen Deep-Learning-Modellen bietet diese Forschung eine umfassende Lösung, um die Effizienz und den Komfort des Online-Einkaufs von Lebensmitteln zu verbessern.