【Uridoki】AI 輔助商品類別選擇，讓估價申請更簡單

經營 C2B 二手收購平台「Uridoki」（https://uridoki.net/）的 Uridoki 株式会社（總部位於東京都新宿區，代表取締役：木暮康雄）宣布，正式導入專為二手商品設計的影像分類 AI 模型「Uridoki Item Image Classifier」。

當用戶在申請估價時上傳商品圖片，該模型會分析圖片特徵，並計算出屬於各類別的機率分佈。若某個類別的數值明顯高於其他所有類別，系統將判定為該類別；若數值差距較小，則會向用戶提示候選清單，引導其選擇正確的類別。

該模型針對二手產業常見的圖片樣式進行了優化，例如名牌包的底部或內部照片、以及從斜下方拍攝包含錶帶的高級手錶照片等，皆能實現高精度的分類。

本模型是基於 Uridoki 至今累積超過 120 萬筆真實二手商品圖片開發而成，導入時即支援 42 個商品類別。經驗證，其主要類別的整體分類準確率達 87%。若僅限於賣家註冊時常見的商品正面或整體照，分類準確率更超過 95%，證實了在實際運用中的高水準表現。

開發背景：減輕類別選擇時的猶豫與負擔 Uridoki 致力於利用 AI 技術改善估價申請流程，目標是提供讓用戶能更輕鬆申請估價的服務體驗。 過去，用戶在申請估價時必須手動選擇商品類別，為了減少這項作業的負擔，我們開發並導入了能從商品圖片自動分類的影像辨識 AI 模型，旨在減輕輸入負擔並提升便利性。

本 AI 模型之特色與優勢：專注二手領域的獨家訓練 在實際的收購平台上，用戶上傳的圖片常包含商品局部，或是帶有使用痕跡、損傷的狀態。本模型在既有的影像辨識基礎上，結合 Uridoki 獨有的真實交易圖片資料庫進行最佳化（微調），即便對於一般影像辨識模型難以判斷的拍攝角度或商品狀態，也能進行精確的類別分類。

系統處理流程與主要特色 本模型運作流程如下： - 商品圖片上傳：用戶透過手機或電腦上傳欲估價的商品圖片。 - 影像自動解析與高速處理：AI 根據上傳的圖片數據瞬間執行分類。 - 基於機率分佈的類別分配：不強行將圖片限縮於單一類別，而是算出各類別的機率分佈，並提示可能性最高的類別。 - 針對難以判斷圖片的適當例外處理：若商品圖片的機率分佈分散，無法鎖定最佳類別時，系統會迅速切換至備援程序（Fallback），例如要求出品人從候選清單中選擇，或直接手動選擇。

未來系統發展 Uridoki 持續推動利用 AI 技術進行服務優化，此前已開發並導入了異常估價自動檢測系統（第 1 彈）、估價請求影像解析系統（第 2 彈）以及評論判定系統（第 3 彈）。