图像技术应用之好色之徒

简介: 研究人员发现人类大脑在13毫秒内识别图片,这一速度要比人脑处理文字快6万倍。当眼睛看到颜色时,会将此信息传递给大脑的下视丘,经由一系列的神经反馈与传导,刺激甲状腺分泌贺尔蒙,进而产生人的情绪、情感:正面或负面、美好或者邪恶、优雅或丑陋,最终形成人的判断。

 

研究人员发现人类大脑在13毫秒内识别图片,这一速度要比人脑处理文字快6万倍。当眼睛看到颜色时,会将此信息传递给大脑的下视丘,经由一系列的神经反馈与传导,刺激甲状腺分泌贺尔蒙,进而产生人的情绪、情感:正面或负面、美好或者邪恶、优雅或丑陋,最终形成人的判断。



“好色之徒”

而在营销界有一个“7秒定律”,即消费者会7秒内决定是否有购买商品的意愿。商品留给消费者的第一眼印象可能引发消费者对商品的兴趣,希望在功能、质量等其他方面对商品有进一步的了解。在这短短7秒内,色彩的决定因素为67%,人人都是“好色之徒“。


在电商时代,这种“好色”的特点更是明显,据咨询公司QuickSprout 的研究显示,颜色可以影响 90%的产品评价;数字营销专家 Neil Patel 指出,85% 购买产品的原因是出自于颜色。


色彩,是商品的重要信息,色彩的意义与内容在艺术创造和表现方面是复杂多变的,但在欣赏和解释方面又有共通的国际性,是一种美丽的大众语言。因此在用户选择商品或者搭配时,色彩往往具有很强的主导性和说服力。


随着淘宝商品的不断扩充和发展,面对数亿的在商品,如何有效的提取商品的色彩、利用商品的色彩是一个重要课题。

 

色彩提取与识别

利用色彩,首先要提取和识别色彩,色彩的提取与识别方法多种多样,其根本是利用色彩在色彩空间中的分布来进行划分和识别。由于HSI色彩空间对光照具有较强的鲁棒性,并且色彩可以在H通道中呈现出一定的分布,基于HSI色彩空间进行色彩的提取与识别,具体流程如下所示:


1)主体位置检测:首先利用主体检测算法检测图像中主体的详细位置信息;



主体位置检测



主体位置检测


2)色彩空间转换:其次将输入图像色彩格式转换到HSI色彩空间;

3)色彩信息提纯:然后利用主体的详细位置信息对色彩信息进行提纯,去掉背景信息和主体掺杂的少量杂色信息,并对主体区域进行预处理,增强色彩信息对光照、阴影等的鲁棒性;

4)色彩识别: 最后基于得到的主体的色彩信息,进行色彩识别,并输出最终结果。

 


色彩空间转换

 

为了测试色彩识别算法的准确性,随机挑选了淘宝10W的女装库,对其中的色彩进行了分类,效果如下图所示,基本将相同主体位置、相同颜色归类在一起。



色彩识别与聚类


色彩识别技术应用

色彩购(se.taobao.com)是淘宝头条基于色彩识别技术的项目,其中的每日一色是由对色彩充满热忱的设计师和追求生活品质的运营们共同打造的一档专栏,让更多的人感受到这个世界的多彩和美好,用每天一枚色彩,一段寄语,一个故事,带大家一起进入色彩的世界。



色彩购


色彩时光机是淘宝头条利用色彩识别技术打造的用户年度色彩报告,该项目总结用户一年来购买的商品色彩信息,并给予一个色彩称号,在没有任何红包、金币、优惠券、奖品等利益点的前提下,单天参与用户数数百万人,在淘宝头条阅读点赞比是常态5倍。下面的图片展示了色彩时光机的样例:


 

 

色彩时光机

目录
相关文章
|
人工智能 文字识别 安全
关于“文档图像前沿技术探索 —多模态及图像安全”专题报告分享
>10月14日第六届[中国模式识别与计算机视觉大会](https://www.prcv2023.cn/2023prcv)在厦门举办。PRCV 2023由中国计算机学会(CCF)、中国自动化学会(CAA)、中国图象图形学学会(CSIG)和中国人工智能学会(CAAI)联合主办,厦门大学承办,是国内顶级的模式识别和计算机视觉领域学术盛会,CCF推荐会议(C类)。 本届会议主题为“相约鹭岛,启智未来”。会议旨在汇聚国内国外模式识别和计算机视觉理论与应用研究的广大科研工作者及工业界同行,共同分享我国模式识别与计算机视觉领域的最新理论和技术成果。 PRCV2023共设5个大
154 0
|
编解码 数据可视化 API
如果实现图像人脸融合?
本文介绍的API接口是阿里云视觉智能开放平台的图像人脸融合,用以演示。
907 1
如果实现图像人脸融合?
|
机器学习/深度学习 传感器 人工智能
首篇!最全的全景分割综述(RGB图像/医学图像/LiDAR)(下)
本文对现有的全景分割方法进行了第一次全面的综述。因此,基于所采用的算法、应用场景和主要目标的性质,对现有全景技术进行了定义良好的分类。此外,还讨论了全景分割在通过伪标记标注新数据集中的应用。接下来,进行消融研究,以从不同角度了解全景方法。此外,还讨论了适用于全景分割的评估指标,并对现有解决方案的性能进行了比较,以了解最新技术并确定其局限性和优势。最后,阐述了当前主题技术面临的挑战以及近期吸引大量关注的未来趋势,这可以作为未来研究的起点。
首篇!最全的全景分割综述(RGB图像/医学图像/LiDAR)(下)
|
15天前
|
机器学习/深度学习 编解码 算法
什么是超分辨率?浅谈一下基于深度学习的图像超分辨率技术
超分辨率技术旨在提升图像或视频的清晰度,通过增加单位长度内的采样点数量来提高空间分辨率。基于深度学习的方法,如SRCNN、VDSR、SRResNet等,通过卷积神经网络和残差学习等技术,显著提升了图像重建的质量。此外,基于参考图像的超分辨率技术通过利用高分辨率参考图像,进一步提高了重建图像的真实感和细节。
|
3月前
|
数据可视化 数据管理 vr&ar
|
6月前
|
机器学习/深度学习 人工智能 达摩院
DDColor:AI图像着色工具,优秀的黑白图像上色模型,支持双解码器!
DDColor:AI图像着色工具,优秀的黑白图像上色模型,支持双解码器!
376 3
|
6月前
|
机器学习/深度学习 人工智能 算法
使用纹理对比度检测检测AI生成的图像
在本篇文章中我们将介绍如何开发一个深度学习模型来检测人工智能生成的图像
89 0
|
6月前
|
算法 数据挖掘
[Halcon&图像] 阈值分割算法拓展
[Halcon&图像] 阈值分割算法拓展
130 1
|
计算机视觉
图像增强—彩色增强技术
图像增强—彩色增强技术