E-ticaret müşteri deneyimini geliştirmek için ürün görüntü kalitesi değerlendirmesinde derin öğrenme CNN mimarisinin kullanımı

E-ticaret dünyasının dinamik yapısında, ürün görsellerinin görsel etkisi, tüketicilerin algıları ve tercihleri üzerinde inanılmaz bir etkiye sahiptir. Bu çalışma, yapay zeka (YZ) ile e-ticaret arasındaki ilginç etkileşimi ele alarak, müşterinin bakış açısından ürün görüntüsünü hassas bir şekilde değerlendiren çığır açıcı bir YZ destekli model önermektedir. Çeşitli bir veri setinin dikkatlice düzenlenmesiyle, karmaşık bir evrişimsel sinir ağı (CNN) mimarisi geliştirdik. Etkileyici bir şekilde, modelimiz test veri setinde %98'lik dikkate değer bir doğruluk elde etti ve görüntüleri doğru bir şekilde sınıflandırmadaki yeteneklerini sergiledi. Dahası, veri setinin kendisinin sıfırdan titizlikle oluşturulduğunu ve görüntülerin doğrudan modelle entegre edildiğini vurgulamak önemlidir. Bu özel veri seti, CNN mimarisini eğitmek için temel oluşturdu. Bu başarı önemli olsa da, eğitim verimizin sınırlı boyutunu kabul etmek önemlidir. Bu, modelin daha geniş bir görsel girdi yelpazesi için uyum sağlama yeteneği hakkında önemli düşünceleri gündeme getirir. Bu durumu ele almak için veri artırma ve model düzenleme gibi yenilikçi teknikleri uyguladık, modelin yeni ve görünmeyen verilerle başa çıkma yeteneğini güçlendirdik. Dahası, araştırmamız model geliştirmenin ötesine geçmektedir. (Visual Analysis Platform) adresinde oluşturduğumuz etkileşimli bir web sitesi, kullanıcıların modelimizin yeteneklerini, araştırmamızda belirlenen kategorilere dayanarak görüntü kalitesini değerlendirme konusundaki yeteneklerini bizzat deneyimlemelerine olanak tanır. Bu platform, sadece analiz ve kullanıcı etkileşimi için değil, aynı zamanda kullanıcı tarafından oluşturulan görüntülerin toplanması için de hizmet vermektedir. Bu görüntüler, veri setimizin zenginleştirilmesine katkıda bulunur ve modelin e-ticaret ürün görüntülerini analiz etme yeteneğinde sürekli iyileşmeyi ve daha yüksek doğruluğu amaçlar.