Uczenie Maszynowe - projekt FashionTagger
AUTOMATYCZNIE ROZPOZNAJEMY I OPISUJEMY UBRANIA
zobacz film

FashionTagger w inteligentny sposób rozpoznaje rodzaj ubrania i przypisuje do niego odpowiednie atrybuty np. kolor, krój, wzór. Dzięki tej technologii klienci sklepów internetowych mogą w szybki i skuteczny sposób wyszukiwać interesujące ich części garderoby.

01
Jak to działa?

KROK 1

Oprogramowanie w automatyczny sposób wykrywa modelkę lub modela na zdjęciu. Algorytm odnajduje także pozycję różnych części garderoby na zdjęciu w celu dalszej analizy.

KROK 2

Rozpoznane elementy garderoby trafiają do klasyfikacji i przypisywane są im atrybuty takie jak kolor, wzór, dekolt. Każdy rodzaj ubrania posiada swoje charakterystyczne atrybuty, które służą klientom to efektywnego wyszukiwania w sklepie.

KROK 3

Dzięki metodom zaimplementowanym w oprogramowaniu FashionTagger klient otrzymuje informację o lokalizacji poszczególnych części garderoby na zdjęciu. Dodatkowo zwracamy pełną informację odnośnie cech charakterystycznych ubrań

02
TECHNOLOGIA

Oprogramowanie FashionTagger astosuje algorytmy oparte na metodach Głębokiego Uczenia. Scenariusz działania systemu można przedstawić w następujących krokach (1) wskazanie wejściowego pliku graficznego - zdjęcia przedstawiającego modela / modelkę, (2) automatyczne rozpoznanie postaci na zdjęciu, (3) rozpoznanie poszczególnych elementów ubrania - spodnie, buty, torebka, itp. (4) ekstrakcja cech charakterystycznych dla rozpoznanych elementów garderoby (5) zwracana jest lista atrybutów i ich wartości, dla których współczynnik podobieństwa jest największy.

Rozwiązanie CTA wyodrębnia w obrazie wszystkie obszary spójne ze względu na kolor i formę, przy jednoczesnym zachowaniu odporności na wpływ elementów nieistotnych, takich jak tło. Dla każdego wyodrębnionego obszaru konieczne jest znalezienie jego cech charakterystycznych, a następnie zastosowanie transformacji umożliwiającej szybkie wyszukiwanie podobnych obiektów z bazy. Proces porównania uwzględnia zarówno informacje związane z kolorystyką, jak i wzorem, kształtem oraz krojem elementu. Do realizacji tego celu wykorzystujemy metody Uczenia Głębokiego oraz Konwolucyjne Sieci Neuronowe, które stanowią obecnie najdoskonalsze narzędzie w automatycznej analizie obrazu. Wysoka wydajność systemu jest natomiast uzyskana dzięki wykorzystaniu procesorów kart graficznych.

rozpoznany obiekt
złożone obrazy
najprostsze podobrazy
03
Demonstracja
Partnerzy