Please use this identifier to cite or link to this item:
https://elib.psu.by/handle/123456789/40090| Title: | Метод аугментации данных для улучшения качества распознавания изображений электронной коммерции |
| Authors: | Сорокина, В. В. Абламейко, С. В. Sorokina, V. Ablameyko, S. |
| Other Titles: | Data Augmentation Method to Improve the Quality of E-Commerce Image Recognition |
| Issue Date: | 2023 |
| Publisher: | Полоцкий государственный университет имени Евфросинии Полоцкой |
| Citation: | Сорокина, В. В. Метод аугментации данных для улучшения качества распознавания изображений электронной коммерции / В. В. Сорокина, С. В. Абламейко // Вестник Полоцкого государственного университета. Серия C, Фундаментальные науки. - 2023. - № 2 (41). - С. 29-34. - DOI: 10.52928/2070-1624-2023-41-2-29-34 |
| Abstract: | В быстро развивающейся сфере электронной коммерции визуальное представление товаров играет ключевую роль в привлечении потребителей и повышении коэффициента конверсии. В статье представлен новый метод аугментации изображений, который включает в себя сегментацию изображений, определение доминирующего цвета, замену фона и реалистичную генерацию теней. В совокупности эти шаги способствуют созданию аугментированных изображений, которые не только используются в электронных каталогах, но и расширяют возможности нейронных сетей разнообразными и обогащенными обучающими данными. Построенный метод позволяет решить проблемы, связанные с классовым дисбалансом, усилить обобщения модели, а также улучшить качество распознавания. |
| metadata.local.description.annotation: | In the rapidly evolving landscape of e-commerce, the visual representation of products plays a pivotal role in engaging consumers and driving conversion rates. This article introduces a new approach for image augmentation that includes objects segmentation, dominant color determination, background replacement and realistic shadow generation. These steps collectively contribute to the creation of augmented images that are used not only in the electronic catalogues but enrich abilities of the neural networks with various and fortified training data. Developed system allows to solve problems related to class imbalance and to enhance model generalization as well as to improve the quality of recognition. |
| URI: | https://elib.psu.by/handle/123456789/40090 |
| metadata.dc.rights: | open access |
| metadata.dc.identifier.doi: | 10.52928/2070-1624-2023-41-2-29-34 |
| Appears in Collections: | 2023, № 2 (41) |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.