原文：EB2.2强力来袭，全新搜索算法带来图像搜索新体验 - 2017.07.15

来源：广州衣布到位信息科技有限公司 - 微信公众号

衣布到位APP(以下简称EB)自2016年7月上线以来，目前已经掌握了广州中大布匹市场90%以上的面料数据，通过智能大数据图像搜索技术, 实现“以图搜图”，用户只需对准面料拍照，系统就会帮你找到相同或相似的面料，相较于以往的文字搜索能够更快捷精准地匹配想要的结果.

面料是一种很难用语言描述的产品，通过图像搜索是纺织服装行业刚性需求，但面料属于柔性物体，其结构随时都会产生无规则变化，如折叠、褶皱，图像都会受到影响，且不得不考虑拍摄光线及角度因素产生的误差. “拍照找布”听起来貌似很简单，实现起来却不容易，需要深度学习人工智能识别技术和计算机视觉技术做支撑. 图像识别的精确度主要取决于训练的数据量、算法模型设计、计算力，前两者更为关键.

衣布到位APP正是基于行业需求研发而成，庞大的自有数据库提供了训练素材，并不断改进算法模型，达到精准化搜索效果. 2017年5月EB2.0上线，相较于此前的1.0版本，我们增加了多种搜索算法的精度. 首先，增加机器学习算法，根据图像特征关联进行机器拟人学习，实现精准匹配，提高了图像搜索精度；其次，实现了多维度精确筛选，通过大量面料数据为基础，把面料拆分成更细粒度标签，通过不同维度精准指向面料，取得了很好的识别效果.

但我们的研发并不止于此，为了让用户拥有更快捷精准地搜索体验，我们的技术团队丝毫不敢懈怠，不断加大研发力度，于2017年6月推出EB2.2，在面料色彩和结构纹理的精准度细节处理上取得了更大的突破.

此前，我们采用的是建立二十四维色彩空间与全局纹理相结合的算法，已经取得了不错的检索效果. 但其搜索结果存在色彩精准度上的细微差别，结构纹理的吻合度相对偏弱，细节抓拍不够清晰的缺点，我们就搜索算法做了进一步改进，力求实现“所见即所得”的可视化搜索体验.

依据人眼色彩感知的舒适度，我们提取MCMQ(Main Color Means Quantize)的主色调聚类算法，将图像所有的像素提取出来进行聚合，在一定色彩空间上将相同及相似的色彩聚合为一类，以此类推，计算出主色调成分，更加准确的表述出布料的色彩空间，在此基础上描述多色彩面料时就不会被布料的色彩组成所影响，结合新的主色调对比算法DBHSVC（Distance Between HSV Colors)，色彩差异更加符合人类的色彩感知. 现在随便对着身上的衣服拍照，系统都能快速检索色彩匹配度极高的同款或相近面料，这些面料在人眼视觉上，色彩精度几乎无差别.

改进搜索算法后，面料的结构纹理也更清晰. 此前我们使用的切割图像与方向特征描述的算法，由于面料柔性结构的不稳定性，这种搜索算法不能准确的保留图像的细微边缘与角点的特征信息，容易丢失大量图像信息. EB2.2针对面料特性，采取SIFET和BOVW算法，从传统算法提取图像轮廓角点信息升级为提取面料图像的边缘信息，实现图像维度转换，真实还原图像结构中的角点与边缘特征. 在实时性与聚类性上，采用k-means聚类算法，符合布料实时性要求，且能适应一定光照，变形，仿射等真实拍摄环境下的图像搜索,降低了拍摄环境及面料结构变化产生的搜索干扰，搜索结果更为“原汁原味”. 现在用户利用APP拍照功能搜布，可以不惧光线及面料的呈现状态，结构纹理清晰可见.