简介：转转电商平台通过引入图像算法，大幅提升了B2C卖场商品上架审核的效率与准确性，解决了人工审核中的诸多痛点，确保了商品信息的真实性和透明度，提升了用户购物体验。
在电商行业蓬勃发展的今天，二手商品交易平台转转凭借其独特的商业模式和优质的服务，赢得了广大用户的青睐。作为一家主营二手商品交易的电商平台，转转根据交易主体的不同，形成了C2C、C2B、B2C等多种交易关系，为用户提供了丰富的选择和便捷的交易体验。然而，随着业务的不断扩展，商品上架审核成为了一个亟待解决的问题。
由于二手商品的非标品性质，即便同一sku下的不同库存商品间也存在着成色差异。为了确保商品信息的真实性和透明度，转转在展示二手商品时全部采用实拍商品图，避免使用渲染的标品图片。这就涉及到了对每个上架商品的相关展示图片进行信息准确性、图片质量等多方面的审核。在业务发展初期，上架商品的相关展示图片均由人工审核来保证图片的质量和准确性。然而，随着每日上架商品数量的日益增多，人工审核逐渐暴露出了一些问题，如审核工作枯燥易疲劳导致出错概率较高、图片清晰度的判断偏主观难以统一标准、以及人工审核处理量落后于商品上架量等。
为了解决这些问题，转转引入了图像算法来辅助商品审核。图像算法是一种对图像进行处理所用的算法，包括对图像去噪、图像变换、图像分析、图像压缩、图像增强、图像模糊处理等。在转转的商品审核中，图像算法主要应用于以下几个方面：商品展示图和对应的sku信息是否一致、商品拍摄是否清晰、商品是否贴了防拆标、商品是否脏污以及商品是否处于图像中心区域等。
针对商品展示图和对应的sku信息是否一致的问题，转转采用了图像匹配的方案。由于直接使用分类算法无法处理新增的sku类别，因此转转训练了一个较好的特征提取器，并使用图像匹配方案来解决新加类别的问题。这一方案与学术中的Face Recognition、Person Re-Identification、Image Retrieval等方向的解决方案基本一致，主要流程包括图像特征提取、图像相似度计算、排序以及输出结果。通过这一方案，转转能够准确地匹配商品展示图和对应的sku信息，避免了“货不对板”的情况出现。
在商品拍摄是否清晰的审核中，转转将图像的模糊度分为三个级别：明显模糊、轻微模糊和清晰，并给出了对应的分值。通过多人对同一张图进行打分并去掉极端值后，对剩余的图像进行数值归一化得到图像的模糊度分值。这一做法将二分类问题转化为了回归问题，并使用了卷积神经网络和MSE回归损失函数来预测图像的模糊程度。这一方案不仅提高了审核的一致性还使得算法开发与业务解耦合，业务方可以根据需求设置不同的模糊度阈值来控制商城图像的清晰程度。
此外，在商品是否贴了防拆标、是否脏污以及是否处于中心区域的审核中，转转使用了检测方案。由于防拆标特征单一且商品较大易于检测，因此能够训练出准确率较高的检测模型。这些检测模型能够快速地识别出商品是否满足审核要求，进一步提高了审核效率。
引入图像算法后，转转的商品审核流程得到了显著的优化。算法模型能够辅助人工判断提高审核结果的准确性，同时大幅提升了审核流程的效率。这一改变不仅解决了人工审核中的诸多痛点还提升了用户购物体验。现在用户能够更加便捷地浏览和购买到真实可靠的二手商品，而商家也能够更加高效地发布和管理自己的商品信息。
值得一提的是，在图像算法的应用过程中，转转还选择了与千帆大模型开发与服务平台进行合作。千帆大模型开发与服务平台提供了强大的算法支持和定制化的解决方案，帮助转转更好地实现了图像算法在商品审核中的应用。通过这一合作，转转不仅提升了商品审核的效率和质量还降低了运营成本，为未来的业务发展奠定了坚实的基础。
综上所述，图像算法在转转商品审核中的应用是一次成功的尝试和创新。它不仅解决了人工审核中的诸多问题还提升了用户体验和商家效率。随着技术的不断进步和应用场景的不断拓展，相信图像算法将在更多领域发挥更大的作用和价值。