图像分类器用于在线鞋类市场,以区分假冒和真实的运动鞋再销售

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 电子商务 技术 技术 电子商务

背景情况:

• 全球运动鞋市场正在迅速扩张,预计将超过1200亿美元.
• 由社交媒体和合作推动的限量版运动鞋发布,推动了高价值的转售市场.
• 假冒运动鞋的扩散对在线再销售平台构成重大挑战,需要手动认证.

研究的目的:

• 评估机器学习模型在认证运动鞋的有效性.
• 为了比较支持矢量机 (SVM) 和卷积神经网络 (CNN) 的性能,用于运动鞋图像分类.
• 为了确定一个可扩展的解决方案,以加快运动鞋认证过程.

主要方法:

• 利用支持矢量机器 (SVM) 和卷积神经网络 (CNN) 来基于图像进行运动鞋分类.
• 训练有素的模特区分真假的运动鞋图像.
• 对 SVM 和 CNN 模型的分类准确性进行了比较.

主要成果:

• 与支持矢量机器 (SVM) 相比,卷积神经网络 (CNN) 显示出更高的性能.
• 在识别假冒和真实的运动鞋方面,CNN模型的分类准确度超过95%.
• 这些发现表明,CNN对于自动化运动鞋认证非常有效.

结论:

• 卷积神经网络 (CNN) 非常适合用于自动化运动鞋认证.
• 实施CNN可以显著提高运动鞋再销售市场的效率和可靠性.
• 使用CNN的自动认证为制造鞋业中打击假冒商品提供了有价值的解决方案.