استرجاع الموضة عبر شبكات التفكير الرسمية على هرم الشبه

تطابق صور الملابس بين العملاء ومتاجر التسوق عبر الإنترنت له تطبيقات غنية في التجارة الإلكترونية. ومع ذلك، فإن الخوارزميات الحالية تقوم بترميز الصورة كمتجه خاصية عالمي وتنفيذ الاسترجاع باستخدام هذا التمثيل العالمي. ولكن، المعلومات المحلية المميزة على الملابس تغمر في هذا التمثيل العالمي، مما يؤدي إلى أداء غير مثالي. لحل هذه المشكلة، نقترح شبكة جديدة للمنطق الرسم البياني (Graph Reasoning Network - GRNet) على هرم الشبهات، والتي تتعلم الشبهات بين قطعة استعلام وقطعة معرض من الملابس باستخدام التمثيلات العالمية والمحلية في عدة مقاييس. يُمثل الهرم الشبيهي برسم بياني للشبهة، حيث تمثل العقد شبهات بين مكونات الملابس في مقاييس مختلفة، ويتم الحصول على درجة التطابق النهائية من خلال نقل الرسائل على طول الأطراف. في GRNet، يتم حل المنطق الرسم البياني من خلال تدريب شبكة تجميع الرسم البياني (graph convolutional network)، مما يمكن من تنسيق المكونات البارزة للملابس لتحسين استرجاع الملابس. لتسهيل الأبحاث المستقبلية، نقدم مقاييس جديدًا يُدعى FindFashion، يحتوي على ضبط غني للمربعات الحدودية والآراء والإخفاء والتقطيع. تظهر التجارب الواسعة أن GRNet حققت نتائجًا جديدة رائدة في فئتها على مقاييسين تحديين، مثل زيادة دقة المرتبة الأولى والمرتبة العشرين والمرتبة الخمسين على DeepFashion إلى 26٪ و64٪ و75٪ (أي تحسينات مطلقة بنسبة 4٪ و10٪ و10٪)، وتتفوق على المنافسين بفروقات كبيرة. وعلى FindFashion، حققت GRNet تحسينات كبيرة في جميع الإعدادات التجريبية.请注意，上述翻译中“FindFashion”、“DeepFashion”以及“Graph Reasoning Network - GRNet”等专有名词均保留了原文形式，以确保信息的完整性。同时，“graph convolutional network”在首次出现时也附上了英文注释。