两款全新的图像分析解决方案有望为强大的电子商务和零售应用打开大门，从而显著改善购物体验或创造新的营销机会。
2016年2月18日，谷歌将其图像识别服务的测试版作为公开付费应用程序编程接口发布，称为Cloud Vision API。
Google Cloud Vision API
Cloud Vision API 向所有人开放，允许开发者提交图像以进行内容分析。其背后基于深度机器学习的算法能够识别图像中的物体、识别单词或文本，甚至推测图中人物可能正在经历的情绪。
Google Cloud Vision API 可以分析图像并返回一系列可能的关键词列表。
谷歌使用了一张马拉松起跑的照片作为一个示例。Cloud Vision 识别出该图像包含“跑步”一词，并给出了接近100%的置信度评分。谷歌的算法同样以极高的置信度在图像中识别出了“马拉松”。
Microsoft Project Oxford
微软也在开发一个图像识别API，作为其Project Oxford的一部分。截至撰写本文时，Project Oxford 的计算机视觉、人脸和情绪API仍处于有限预览阶段，但预计很快将向所有开发者开放。
电子商务与零售应用
谷歌和微软绝非首批致力于图像识别与分析解决方案的公司。然而，将这些服务作为 API 提供，且似乎相对容易集成到新应用中，这仍是一个重要的进展。
部分原因在于，这些 API 或许能使规模较小的初创企业甚至成熟的零售商开发出能够显著影响消费者购物方式的应用程序。
尽管图像分析的潜在用途众多，但电子商务和零售应用可归为三类：图像分类、增强现实和内容过滤。
用于产品搜索的图像分类
谷歌的 Cloud Vision API 和微软的 Computer Vision API 都能识别图像中的物体。这一单一功能即可实现新型的产品识别与搜索。
想象一下一个名为 StreetLooky 的假设性购物应用。该应用允许你用手机拍照或从社交媒体捕获图像，然后在多家商店中搜索同款“造型”。
图像分析 API 能够实现高级形式的产品搜索。
假设你找到一张穿着深色西装的男士照片，非常喜欢这种“造型”。于是你让 StreetLooky 寻找类似款式。该应用使用来自谷歌或微软的图像分析 API，并返回一系列可能的关键词，如“西装”、“黑色”、“蓝色领带”和“男士”。
随后，它在包括 Suitsupply 在内的多家合作网站上进行产品搜索，并返回多套黑色西装的图片和链接。
通过使用代表图像中物体的关键词，应用程序可以在 Suitsupply 等网站上搜索，并返回相似产品的列表。
其他类似的例子不胜枚举。想象一家销售墙面装饰画的在线商店。这家艺术商店可以引入一项功能，允许用户上传客厅的照片，然后分析照片并根据空间中已有的物品和颜色提供具体的艺术品建议。
高级增强现实
在过去几年里，多家公司推出了增强现实（AR）购物应用程序，让客户能够在虚拟试衣间中“试戴”帽子和服装。许多这些应用程序已经能够实现令人惊讶的良好体验。Zugara 自 2009 年起就拥有 AR 电子商务产品，就是一个例子。
现在，让我们将这一应用进一步延伸。既然该应用程序已经通过网络摄像头查看顾客以便叠加连衣裙或衬衫的图像，它就可以拍摄顾客面部的快照，并将其发送到 Google 或 Microsoft API 进行情感分析。
来自图像分析 API 的反馈可以指导 AR 应用程序。如果顾客看起来感到沮丧，应用程序可能会询问是否有什么问题。或者如果顾客很开心，应用程序可以对这套服装发表评论。“你看起来不错”，它可能会这样告诉用户。
识别不当内容
有趣的是，Google Cloud Vision API 和微软的 Project Oxford 都提供了过滤图像中不当内容的服务，例如裸露、暴力，甚至粗俗用语（通过文本分析的扩展）。
在电子商务中，这种功能可能应用于用户提交的内容。
在线零售商 Jinx 利用游戏鼓励其客户提交照片。这些由用户贡献的图片往往是与产品相关的最佳图片，因为它们让顾客能够看到像他们一样的人穿上这件衬衫或连帽衫的效果。
Jinx 鼓励购物者发布自己穿着 Jinx 所售产品的照片。这是一种强大的销售工具，但管理起来可能需要大量精力。图像分析可以自动化这一流程，使零售商更容易接受用户的贡献。
然而，尽管像 Jinx 这样的客户图片有助于促进产品销售，但审核这些图片可能是一项庞大的任务。因此，许多在线零售商并不喜欢收集用户提交的图片。
这时，图像分析 API 应运而生。所有客户提交的产品照片都可以经过分析和过滤，以排除不当内容，从而使更多在线商店能够鼓励用户贡献内容成为可能。
Google 和 Microsoft 的图像分析 API 能够支持这类电子商务应用，以及更多其他应用。但它们真的会吗？这个问题尚未得到解答。