[发明专利]针对在线产品目录的自动图像选择

说明书

公开了用于针对在线产品目录的自动图像选择的系统、方法和非暂态计算机可读介质。图像选择系统收集发布到在线市场的列表中所包括的物品的图像的特征数据。图像选择系统使用特征数据作为机器学习模型中的输入以确定概率得分，该概率得分指示每个图像适合表示物品的估计概率。基于已经被标记成指示图像是否适合表示物品的一组训练图像来训练机器学习模型。图像选择系统比较概率得分并且基于该比较来选择表示物品的图像作为库存图像。

技术领域

本公开内容的实施方式一般地涉及图像，并且更具体地涉及针对在线产品目录的自动图像选择。

背景技术

选择用于表示物品或物品类别的库存图像目前是由人手动执行的。例如，人工审核员从各个卖家为物品发布的一组图像中选择库存图像。除了耗费时间和资源之外，该过程提供了不一致的结果，因为每个人工审核员可能对什么构成合适的库存图像具有不同的意见并且在决定时依赖于他们的个人偏好。

附图说明

在不一定按比例绘制的附图中，相同的附图标记可以描述不同视图中的相似的部件。具有不同字母后缀的相同附图标记可以表示相似部件的不同实例。在附图的图中通过示例而非限制的方式示出了一些实施方式，在附图中：

图1示出了根据一些示例实施方式的提供针对在线产品目录的自动图像选择的系统配置。

图2是根据一些示例实施方式的图像选择系统的框图。

图3是根据一些示例实施方式的模型训练模块的框图。

图4是根据一些示例实施方式的训练机器学习模型的流程图。

图5是根据一些示例实施方式的使用机器学习模型对图像进行分类的流程图。

图6是示出根据一些示例实施方式的使用机器学习模型选择图像的方法的流程图。

图7是示出了根据一些示例实施方式的用户界面的屏幕截图，该用户界面呈现了在在线市场上被提供以供出售的物品的列表和对应的库存图像。

图8是示出了可以结合本文中描述的各种硬件架构使用的代表性软件架构的框图。

图9是示出根据一些示例实施方式的能够从机器可读介质(例如，机器可读存储介质)读取指令并且执行本文中讨论的方法中的任何一种或更多种方法的机器的部件的框图。

具体实施方式

在下面的描述中，出于说明的目的，阐述了各种细节以提供对本发明的各种实施方式的透彻理解。然而，对于本领域技术人员将明显的是，可以在没有这些具体细节的情况下或者在具有微小改变的情况下实践本主题。

在说明书中对“一个实施方式”或“实施方式”的引用意指结合该实施方式描述的特定特征、结构或特性被包括在本主题的至少一个实施方式中。因此，在整个说明书的各个地方出现的短语“在一个实施方式中”或“在实施方式中”的出现不一定都指代同一实施方式。

出于说明的目的，阐述了具体配置和细节以提供对本主题的透彻理解。然而，对于本领域普通技术人员将明显的是，可以在没有本文呈现的具体细节的情况下或者以如本文中所描述的各种组合来实践所描述的主题的实施方式。此外，可以省略或简化公知的特征以免使所描述的实施方式不清楚。在整个说明书中可以给出各种示例。这些示例仅是对特定实施方式的描述。权利要求的范围或含义不限于所给出的示例。

公开了用于针对在线产品目录的自动图像选择的系统、方法和非暂态计算机可读介质。在线市场向用户提供在线购买和销售物品的能力。例如，在线市场允许卖家向在线市场发布描述卖家提供以供出售的物品的列表。买家可以浏览所发布的列表并且购买他们期望的列出物品。每个列表可以包括被列出以供出售的物品的图像。例如，卖家可以拍摄物品的图像并且将图像上传到在线市场以将其包括在列表中。当买家评估是否购买所列出的物品时，买家可以查看这些发布的图像。