深度學習應用於以影像辨識為基礎的個人化推薦系統-以服飾樣式為例

Translated title of the thesis: Individual Recommender System based on Image Recognition using Deep Learning- A case study on Clothing Style
  • 洪 文麟

Student thesis: Master's Thesis

Abstract

由於近年來網際網路科技的迅速發展,行動網路和智慧型手機的普及化,人們日常生活中所接收的資訊量與日俱增。在資訊種類繁多與資訊量爆增的情況下,能幫助使用者過濾有效資訊、進行決策的推薦系統日益受到重視,基於內容的推薦系統會找出使用者經常瀏覽或購買過的商品,以個人化的方式推薦出類似的商品提供給使用者做參考。 在物品內容方面,目前基於內容的推薦系統多以新聞、書本等文字類型資訊推薦為主,主要內容為圖像所組成的商品無法透過文字探勘或自然語言處理技術自動提取或學習商品的屬性;在使用者偏好方面,須克服自動獲取使用者偏好紀錄之問題,並且必須有適合的方式來決定使用者偏好與商品之間的關係,以確定推薦物品是否符合使用者的興趣。 緣此,本研究設計主要以內容為圖像所組成的服飾推薦為例,使用深度學習技術與框架,實作一套以影像辨識為基礎的個人化推薦系統。本系統使用公開的八萬張服飾圖片資料集及15種服飾分類樣式訓練深度學習網路,將訓練後的模型用在基於內容的推薦系統中的內容分析器、訊息學習器之實作,並使用餘弦相似度演算法完成基於內容的推薦系統中的過濾元件。本研究實作後樣式分類結果準確率為54 6%,相較於過去使用相同訓練資料進行15種服飾分類的Transfer Forest的準確度為41 36%,本研究方法在準確率方面提升約13 33%。在推薦系統實作上,使用服飾品牌Lativ與Uniqlo的商品資料庫,拍攝受測者身上的服飾圖片,共26張照片作為輸入資料,計算商品資料庫中前5名與受測者身穿服飾最相似之商品進行推薦。將推薦出的前5名結果請受測者確認後,多數受測者在前3名的推薦結果中已有滿意之服飾,茲證明本推薦系統的推薦結果應能做為大部份消費者選購服飾時的參考,期未來能為實體店面帶來銷售量增長。
Date of Award2016 Aug 15
Original languageChinese
SupervisorYueh-Min Huang (Supervisor)

Cite this

'