http://mp.weixin.qq.com/s/eNiD18IPbhdmrL\_nuMjqCQ
拍立淘目前业务状况
拍立淘从2014年上线以来，从最初的每天几百UV到如今的每天超过千万UV。拍立淘的稳定增长标志着消费者对以图搜图电商搜索的认可。与传统的基于文字搜索的电商搜索相比，拍立淘只需要用户随手拍一张照片，省去了繁琐的文字描述，简化了用户的购物流程，大大提高了电商购物的体验。
拍立淘的入口和体验如下：
拍立淘目前覆盖几乎淘宝所有的实体类目：比如衣服，鞋，箱包，瓶饮，配饰，家具，电子，零食，美妆，水果等。
拍立淘的图像搜索和识别技术已经走出阿里集团，向集团外的公司输出，比如三星旗舰手机S8在系统层面集成了拍立淘，用于相机和相册。
位于海外的客户，也可以通过AliExpress中集成的拍照购物功能，来享受拍照购物的便捷。
拍立淘的技术框架
拍立淘存在典型的技术驱动，在过去的三年多时间，我们不断得通过技术的突破，来实验了业务的增长。
拍立淘流程主要分为离线流程和在线流程，主要步骤如下：
离线流程：主要是指拍立淘每天离线构建索引库的整个流程，涉及选品、离线抠图、离线抽取特征、构建索引等环节。执行完毕之后，每天会在规定时间完成线上图库的更新。
在线流程：主要是指用户一张query图上传之后，到最后返回结果的整个中间过程，包含在线类目识别，在线抠图，在线特征提取和在线索引查询等关键步骤。
宝贝选品
阿里集团内有海量的商品类目和图片，包含宝贝的主图、SKU、副图、晒单图和详情图等，涵盖电商领域的各个方面。如何从这些海量图片中选出用户最喜欢，最想买的宝贝是一件很有意思的工作。
我们首先会根据购物偏好和品质进行全淘图片库的过滤；由于淘宝上相同或者高度相似的宝贝太多，如果不处理的话，最后的搜索结果中就会出现大量一模一样的宝贝，用户体验很差。因此在做完过滤之后，我们增加了图片去重模块，目的是把一模一样或者高度相似的宝贝去重，优化最后的展示；最后，我们会结合运营需求，给最近一段时间做活动的宝贝打上运营标记。
类目预测
拍立淘类目是对淘宝叶子类目的一种划分，既需考虑一定的视觉相似性，又需考虑一定的语义相似性。类目体系不仅仅是个技术问题，也是个业务问题（有利于消费者认知）。目前拍立淘有14个大类，涵盖全淘所有叶子类目
抠图
因为商品的背景复杂，主体常常较小，所以为了减少大量背景干扰和多主体的影响，因此需要将搜索目标从图像中提取出来。下面两幅图反应了对于用户的query，进行主体检测和不进行主体检测的搜索结果差异。
第一幅图没有由于进行抠图，搜索结果中背景干扰比较明显，都出现了绿色的背景，而用户真正关心的主体衣服的搜索质量则很差。第二幅图进行抠图之后，搜索结果有了非常显著的提高，主体衣服的匹配程度非常高。
图像特征
拍立淘的图像特征包括深度特征和局部特征。
深度特征：基于深度学习框架学习出来的图像表示。目前深度学习在图像、语音等领域取得了重大突破，基于深度学习的图像表示在很多任务上已经完胜传统图像特征。拍立淘从立项之初就开始研究深度特征，在这方面积累了大量的经验，这也使得特征成为拍立淘核心竞争力之一，具体细节详见后续章节。
局部特征：局部特征是图像特征的局部表达，它反应的是图像具有的局部特殊性。拍立淘在常见的局部特征基础上进行改进，不仅进行维度压缩，还优化提取速度，同时保证匹配精度不下降。
检索索引
索引的流程可以分成离线和在线两部分。离线过程对商品图像特征构建索引，在线过程对用户query进行分布式的快速查询。
在线查询流程主要分为：粗召回 ->积召回->欧式排序 ->精排。
拍立淘目前的索引数据量有几十亿，如何高效的构建索引，同时保证在线查询的精度是一个非常具有挑战性的任务，拍立淘在这方面做了很多工作，详见后续章节。
排序
深度特征从高层提取信息，关注语义鸿沟；局部特征关注图像的局部信息。如果将两者有效的结合起来，相辅相成，既能保证语义上的相似性，又能保证局部细节的匹配，因此我们在索引召回之后，会再进行一次排序，将深度特征和局部特征结合在一起。我们会学习一个ranking function，给深度特征和局部特征分配不同的比重，基于最后的score对索引返回结果做二次排序。
上述是拍立淘的各个模块的介绍，下面我们会就拍立淘的三个核心技术：实拍图精度提升；超大规模的向量检索索引；移动端DL进行进一步的描述。
拍立淘核心技术
实拍图的突破
非实拍图主要是指拍摄清晰，背景简单的图片，其中大部分来自淘宝宝贝的原图。对于这种图片，拍立淘的精度已经做的很高。但是对于一个以图搜图商业应用，真正的挑战来自占比用户query大量的实拍图，这类图和非实拍图差距很大，具有光照，角度，多主体等各种问题。
为了把实拍图做好，拍立淘不断突破，在各个类目上都有非常显著的提升。
1.数据“掘地三尺”
数据方面，我们利用了拍立淘log数据，晒单数据和主搜i2i数据。并构建相应的深度学习模型进行特征训练。
在拍立淘的场景，我们发现用户的点击等有效行为大多是针对于同款，因此我们对PVLOG进行挖掘，噪声过滤，形成triplet来进行特征的训练。拍立淘每天产生海量的图像数据，通过构建基于实拍图的deep pairwise ranking特征学习框架，大幅度提高了实拍图的搜索效果。
晒单图可以作为一个用户真实实拍图的近似。目前淘宝上有大量用户上传的晒单图，但晒单图中含有大量的噪声数据。我们先会通过相似度矩阵滤除那些相似度较低的噪声数据。接着我们训练一个同款分类的分类器，由此得到的特征能提高实拍图的精度。
由于同一用户在同一时间段内点击的宝贝具有一定的相似度。通过挖掘主搜的i2i点击数据，形成虚拟label进行深度学习得到的中间层表达也可以作为一种特征表示，用于相似度排序。
除了通过提高特征本身的效果来提高实拍图的精度外，提高实拍图效果的另外一个途径是利用实拍图片来扩充我们的data space，使得整个图搜系统越来越智能。通过下图所示，通过主图+晒单图+LOG图扩充data space，加以distance度量，可以使得同款率提升。
2.升级深度学习
深度学习方面，我们通过Loss函数，网络结构和特征排序框架继续进行创新和突破。
- 首先我们采用了deeppairwise ranking特征学习框架来学习我们的深度特征：
最大化正/负样本与query之间的距离差来保证特征的效果。
- 其次我们采用了属性label和虚拟label训练框架来训练精排的深度特征：
- 另外，在类目识别方面，为了进一步提高分类精度，我们采用层次化的类目识别：
除了拍立淘的大类目之外，还多任务训练一级类目和叶子类目。这种多任务层次化的结构可以进一步提高拍立淘类目预测的精度。
超大规模的向量检索索引
为了涵盖更多更广的数据源，我们要打造一个容纳百亿级别数据量的拍立淘，面临的挑战包括：特征抽取的提速和特征降维；和离线构建索引的提速与查询召回的保证。
- 特征抽取的提速和特征降维
当数据量达到百亿级别时，如果特征抽取效率不高的话，离线抽取特征的时间就会变成非常长；其次，在线引擎中硬盘和内存的存储也是一个问题。
为了解决这一问题，在保证特征精度的情况下，通过对深度学习网络框架的调整，我们将拍立淘的特征的维度，压缩到了原来的1/4，并通过卷积加速、并行计算等策略实现了一倍的提速。
- 离线构建索引的提速与查询召回的保证
数据量爆炸式的增长，对离线构建索引也是一个挑战。拍立淘最初对6KW数据的处理，光聚类就要超过10h以上，而且失败率很高。另外，数据量的增长，会导致引擎召回的不断下降。
在离线构建索引效率方面，我们首先采用图计算框架提速积量化和粗量化，将资源消耗降为原来的1/3；同时用Onepass K-means优化原始的K-means，在保证效果的前提下，大大压缩了聚类的时间。离线构建索引效率整体提速超过10+倍。
对于引擎召回，我们首先将“近似粗量化”优化成真正的粗量化，同时用积中心近似表达粗中心，从而达到增加中心点而不增加召回时间的效果。在拍立淘的大部分类目中，我们的索引召回和线性召回已经基本一致。
除此以外，工程架构的优化也是非常重要的。离线系统的优化对整个拍立淘流程非常重要，包括对各个算法模块调度机制的优化和性能的提升。最新的离线系统已经支持混布集群，最大化资源的利用。
移动端的DL
随着高端手机的日益普及，越来越多的任务可以直接放到移动端执行，这样不仅可以减少图片上传带来的时间延迟，同时还可以降低server端的计算成本。
目前拍立淘已经上线移动端的类目预测和物体检测，后续会有更多的任务放到移动端。采用的核心技术包括卷积的提速，DL网络的裁剪和模型压缩等等。
写在最后的话
拍立淘-以图搜图一路走来，得益于算法/工程/产品的充分配合，得益于算法，数据，计算三位一体和大量的用户使用。目前部分解决了用户的拍照搜索需求，但是距离充分满足用户的需求还有一定的距离。项目组正在不断优化，从各个角度去提高。
核心作者简介
启磐，现任阿里巴巴资深算法专家/技术总监。他是拍立淘以图搜图的算法leader和初创核心之一。他的研究领域包括：深度学习和计算机视觉等。他博士毕业于美国伊利诺伊大学芝加哥分校，加入阿里之前，他先后在美国三菱研究院和北京富士通研发中心从事视觉的研发工作。