日前，第七届视觉与学习青年学者研讨会(Vision And Learning SEminar, VALSE)在厦门大学圆满落幕。VALSE发起于2011年，是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的科学家们搭建一个高水平、强互动的学术交流舞台。
除了来自全球的数十位视觉与机器学习领域的知名学者展开前沿***的学术交流，本次大会还分享了来自工业界视角的宝贵经验。美丽联合集团受邀以工业界技术进展为主旨，展开了主题为《美丽联合电商中的图像算法实践》的技术报告，同时基于人脸和美妆技术等为代表的APP应用进行了系统演示，分享了基于工业界视角的实践经验，与大家交流了电商企业的需求和未来发展的展望。
美丽联合技术专家现场分享图像算法技术进展
电商平台对图片的依赖性非常高，作为新型的时尚消费平台，美丽联合集团旗下的各个服务、平台上，存在着海量的图像数据，包括商品图像数据、店铺红人图像数据，以及用户上传的社交图像数据、视频图像数据等。同时这些图像数据具有结构化的商品信息，比如类目、属性、点击、购买等文本信息。
基于业务需要，美丽联合集团在图像算法方面颇有积累。图像算法在美丽联合集团的实践当中，可分为图像标签、人脸识别、文字识别技术、相似图像搜索和时尚推荐搭配五大类。
借助于CNN的目标检测和图像识别技术，美丽联合集团在实践中开展了图像标签化的算法研发，支持了包括类目、颜色和元素等基类的百余种细粒度标签识别技术，并应用到电商选品和时尚信息统计中。
同时积累了人脸相关技术，包括人脸检测、特征点定位、美妆美化等，为了满足移动端的业务应用，进行了代码优化和移动端模型训练，生成满足实时性要求的移动端SDK，目前应用在蘑菇街直播业务中，提供实时的人脸美妆和特效，提升了直播的用户交互和趣味性。
针对电商图像中的文字信息，研发了通用的文字识别引擎，实现了对违规图片过滤，同时结合支付金融业务，定制开发了银行卡号识别算法，便利用户的银行卡注册流程。结合平台的海量商品图像数据，搭建了基于深度学习技术的大规模图像搜索引擎，提供给用户准确而快速的商品搜索功能。
此外，如何让计算机智能地给出服装搭配一直是一大难点，美丽联合在实践中结合***的正负样本和DNN网络训练，实现了自动的时尚穿搭推荐。
美丽联合集团图像算法现场DEMO展台吸引与会青年学者
美丽联合集团与会技术专家介绍，图像算法的演进会由业务应用驱动，根据场景中的数据，进行算法和模型的迭代，同时，深度学习方法会占据优势地位。图像算法在未来会通过AR、VR应用于商品展示、用户体验，并且会衍生出更多基于业务数据的分析与应用方式。
