True Impact

AI-Based Image Recommendation System

A completed and delivered end-to-end AI platform for marketing content analysis, visual attention mapping, semantic search, recommendation generation, and personalized creative output.

MACHINE LEARNING / COMPUTER VISION / NLP / GENERATIVE AI

Project Overview

Intent

This project was engineered for True Impact as an end-to-end AI platform that automates marketing content analysis. The system was designed to reduce manual review time by analyzing visuals, extracting areas of interest, reading marketing reports, retrieving relevant insights, and generating personalized visual recommendations.

The delivered platform combines computer vision, gaze-tracking overlays, NLP report analysis, semantic search, recommendation logic, and generative visual creation. The project reduced manual review time by approximately 70% and improved design output efficiency by approximately 40%.

Core Direction

Role

Machine Learning Engineer, Hybrid · Toronto, ON

Project Period

September 2024 – April 2025

Primary Goal

Automate marketing content analysis and generate AI-supported visual recommendations.

System Priority

Review automation, visual attention analysis, insight retrieval speed, and personalized creative generation.

Current Status

Completed and delivered. The platform automated marketing content analysis, integrated YOLOv11-based Area of Interest detection, processed 10K+ marketing reports through NLP, accelerated insight retrieval with FAISS and Gemini Pro, and supported personalized visual creation using DALL·E and tuned LLMs.

Technic Used

YOLOv11 Area of Interest Detection

Trained and deployed YOLOv11 to detect key Areas of Interest in marketing visuals and support automated visual review.

Gaze-Tracking Overlays

Integrated gaze-tracking overlays to map user attention and compare detected visual regions against actual attention behavior.

NLP Topic Modeling

Built topic modeling pipelines to analyze large-scale marketing reports and identify recurring themes, patterns, and campaign signals.

Entity Recognition

Used entity recognition to extract brands, products, audiences, creative attributes, and marketing concepts from 10K+ reports.

FAISS Semantic Search

Developed a semantic search engine with FAISS to reduce insight retrieval time from minutes to seconds.

Gemini Pro Recommendation Engine

Used Gemini Pro to transform retrieved insights and extracted signals into structured recommendation outputs.

DALL·E + Tuned LLM Workflow

Automated personalized visual generation using DALL·E and tuned LLM prompting to increase design output efficiency by 40%.

Architecture

Layer 01

Analyze

Use computer vision and NLP to analyze visuals, reports, attention patterns, topics, and marketing entities.

Layer 02

Retrieve

Use FAISS and Gemini Pro to retrieve relevant insight patterns and generate recommendation logic in seconds.

Layer 03

Generate

Use DALL·E and tuned LLM workflows to create personalized visual outputs and improve design production speed.

Phased Development

Phase 01 — Content Analysis Platform

Engineer the end-to-end platform structure for automated marketing content analysis and review reduction.

Phase 02 — Visual AOI Detection

Train and deploy YOLOv11 to detect Areas of Interest in visuals and connect detection results with gaze-tracking overlays.

Phase 03 — Report Intelligence

Build NLP pipelines using topic modeling and entity recognition to analyze 10K+ marketing reports and extract structured insights.

Phase 04 — Semantic Recommendation

Develop semantic search and recommendation retrieval using FAISS and Gemini Pro, reducing retrieval time from minutes to seconds.

Phase 05 — Generative Visual Output

Automate personalized visual creation using DALL·E and tuned LLMs, improving creative design output efficiency by 40%.

Notes

This project was completed and delivered for True Impact as a hybrid Machine Learning Engineer project. Its value came from connecting visual attention detection, large-scale marketing report intelligence, semantic recommendation, and generative design into one practical AI platform for marketing content analysis.

True Impact

AI 图像推荐系统

一个已经完成并交付的端到端 AI 平台，用于营销内容分析、视觉注意力映射、语义搜索、推荐生成与个性化视觉输出。

机器学习 / 计算机视觉 / NLP / 生成式 AI

项目概述

项目意图

该项目为 True Impact 开发，是一个端到端 AI 平台，用于自动化营销内容分析。系统通过分析视觉素材、提取兴趣区域、读取营销报告、检索相关洞察，并生成个性化视觉推荐，从而减少人工审核工作量。

已交付平台结合了计算机视觉、gaze-tracking overlays、NLP 报告分析、语义搜索、推荐逻辑与生成式视觉创建。项目将人工审核时间减少约 70%，并将设计输出效率提升约 40%。

核心方向

职位角色

Machine Learning Engineer, Hybrid · Toronto, ON

项目周期

2024年9月 – 2025年4月

主要目标

自动化营销内容分析，并生成 AI 辅助的视觉推荐。

系统优先级

审核自动化、视觉注意力分析、洞察检索速度与个性化创意生成。

当前状态

已完成并交付。该平台自动化了营销内容分析，集成了基于 YOLOv11 的 Area of Interest 检测，通过 NLP 处理 10K+ 份营销报告，使用 FAISS 与 Gemini Pro 加速洞察检索，并通过 DALL·E 与调优后的 LLM 支持个性化视觉生成。

使用到的技术

YOLOv11 兴趣区域检测

训练并部署 YOLOv11，用于检测营销视觉中的关键 Areas of Interest，并支持自动化视觉审核。

Gaze-Tracking Overlays

集成 gaze-tracking overlays，用于映射用户注意力，并将检测到的视觉区域与真实注意力行为进行对比。

NLP 主题建模

构建主题建模流程，用于分析大规模营销报告，并识别重复主题、模式与 campaign signals。

实体识别

使用实体识别从 10K+ 份报告中提取品牌、产品、受众、创意属性与营销概念。

FAISS 语义搜索

开发基于 FAISS 的语义搜索引擎，将洞察检索时间从分钟级缩短到秒级。

Gemini Pro 推荐引擎

使用 Gemini Pro 将检索到的洞察与提取信号转化为结构化推荐输出。

DALL·E + 调优 LLM 工作流

通过 DALL·E 与调优后的 LLM prompt 流程自动生成个性化视觉内容，使设计输出效率提升 40%。

系统架构

层级 01

分析

使用计算机视觉与 NLP 分析视觉素材、报告、注意力模式、主题与营销实体。

层级 02

检索

使用 FAISS 与 Gemini Pro 检索相关洞察模式，并在秒级生成推荐逻辑。

层级 03

生成

使用 DALL·E 与调优后的 LLM 工作流生成个性化视觉输出，并提升设计生产速度。

分阶段开发

阶段 01 — 内容分析平台

构建端到端平台结构，用于自动化营销内容分析并减少人工审核时间。

阶段 02 — 视觉 AOI 检测

训练并部署 YOLOv11 检测视觉中的 Areas of Interest，并将检测结果与 gaze-tracking overlays 连接。

阶段 03 — 报告智能分析

使用主题建模与实体识别构建 NLP 流程，分析 10K+ 份营销报告并提取结构化洞察。

阶段 04 — 语义推荐

使用 FAISS 与 Gemini Pro 开发语义搜索与推荐检索，将检索时间从分钟缩短到秒。

阶段 05 — 生成式视觉输出

使用 DALL·E 与调优后的 LLM 自动生成个性化视觉内容，使创意设计输出效率提升 40%。

补充说明

该项目作为 True Impact 的 Hybrid Machine Learning Engineer 项目完成并交付。它的价值在于将视觉注意力检测、大规模营销报告智能分析、语义推荐与生成式设计连接成一个实际可用的营销内容分析 AI 平台。

True Impact

AI画像推薦システム

マーケティングコンテンツ分析、視覚的注意のマッピング、セマンティック検索、推薦生成、パーソナライズされたクリエイティブ出力を行う、完成・納品済みのエンドツーエンド AI プラットフォーム。

機械学習 / コンピュータビジョン / NLP / 生成 AI

プロジェクト概要

意図

このプロジェクトは True Impact 向けに開発された、マーケティングコンテンツ分析を自動化するエンドツーエンド AI プラットフォームです。ビジュアル分析、注目領域の抽出、マーケティングレポートの読解、関連する洞察の検索、パーソナライズされた視覚的推薦生成を通じて、手動レビュー時間を削減することを目的としました。

納品されたプラットフォームは、コンピュータビジョン、gaze-tracking overlays、NLP レポート分析、セマンティック検索、推薦ロジック、生成 AI によるビジュアル作成を統合しています。手動レビュー時間を約 70% 削減し、デザイン出力効率を約 40% 向上させました。

中核方針

役割

Machine Learning Engineer, Hybrid · Toronto, ON

期間

2024年9月 – 2025年4月

主目的

マーケティングコンテンツ分析を自動化し、AI 支援のビジュアル推薦を生成すること。

優先順位

レビュー自動化、視覚的注意分析、洞察検索速度、パーソナライズされたクリエイティブ生成。

現在の状態

完成・納品済みです。このプラットフォームはマーケティングコンテンツ分析を自動化し、 YOLOv11 による Area of Interest 検出、NLP による 10K+ マーケティングレポート分析、 FAISS と Gemini Pro による洞察検索高速化、DALL·E と調整済み LLM によるパーソナライズされたビジュアル生成を実現しました。

使用した技術

YOLOv11 注目領域検出

マーケティングビジュアル内の主要な Areas of Interest を検出し、自動ビジュアルレビューを支援するために訓練・導入。

Gaze-Tracking Overlays

ユーザーの視線・注意をマッピングし、検出された視覚領域と実際の注意行動を比較するために統合。

NLP トピックモデリング

大規模なマーケティングレポートを分析し、反復テーマ、パターン、キャンペーン信号を抽出するために構築。

固有表現抽出

10K+ レポートからブランド、製品、オーディエンス、クリエイティブ属性、マーケティング概念を抽出するために使用。

FAISS セマンティック検索

洞察検索時間を分単位から秒単位へ短縮するため、FAISS によるセマンティック検索エンジンを開発。

Gemini Pro 推薦エンジン

検索された洞察と抽出信号を構造化された推薦出力へ変換するために使用。

DALL·E + 調整済み LLM ワークフロー

DALL·E と調整された LLM プロンプトを用いてパーソナライズされたビジュアル生成を自動化し、デザイン出力効率を 40% 向上。

アーキテクチャ

レイヤー 01

分析

コンピュータビジョンと NLP を使い、ビジュアル、レポート、注意パターン、トピック、マーケティングエンティティを分析する。

レイヤー 02

検索

FAISS と Gemini Pro を使い、関連する洞察パターンを検索し、推薦ロジックを秒単位で生成する。

レイヤー 03

生成

DALL·E と調整済み LLM ワークフローを使い、パーソナライズされたビジュアル出力を作成し、制作速度を向上させる。

段階的開発

Phase 01 — コンテンツ分析プラットフォーム

マーケティングコンテンツ分析の自動化とレビュー時間削減のため、エンドツーエンドのプラットフォーム構造を設計。

Phase 02 — ビジュアル AOI 検出

YOLOv11 を訓練・導入し、Areas of Interest を検出し、gaze-tracking overlays と接続。

Phase 03 — レポートインテリジェンス

トピックモデリングと固有表現抽出を用いて、10K+ マーケティングレポートを分析し構造化された洞察を抽出。

Phase 04 — セマンティック推薦

FAISS と Gemini Pro によりセマンティック検索と推薦検索を開発し、検索時間を分単位から秒単位へ短縮。

Phase 05 — 生成ビジュアル出力

DALL·E と調整済み LLM によりパーソナライズされたビジュアル作成を自動化し、デザイン出力効率を 40% 向上。

補足

このプロジェクトは True Impact 向けの Hybrid Machine Learning Engineer プロジェクトとして完成・納品されました。価値は、視覚的注意検出、大規模マーケティングレポート分析、セマンティック推薦、生成デザインを実用的なマーケティングコンテンツ分析 AI プラットフォームとして統合した点にあります。