Phát triển mô hình giúp các nhà sản xuất hàng may mặc

Thảo luận trong 'Các chuyên đề đào tạo' bắt đầu bởi Phòng QLKH và QHDN, Thg 1 3, 2018.

  1. Phòng QLKH và QHDN

    Phòng QLKH và QHDN Administrator Thành viên BQT

    Tham gia ngày:
    Thg 10 15, 2016
    Bài viết:
    8
    Đã được thích:
    0
    Điểm thành tích:
    1
    Phát triển mô hình giúp các nhà sản xuất hàng may mặc

    Hướng tới gợi ý phong cách và thiết kế sản phẩm mới, các nhà khoa học từ Đại học California San Diego và Adobe Research đã phát triển một mô hình để chỉ ra rằng trí tuệ nhân tạo và mạng nơ ron về tiềm năng có thể tạo ra các thiết kế hàng may mặc theo ý khách hàng để giúp các nhà sản xuất hàng may mặc bán quần áo tới khách hàng dựa trên việc học từ ý thích của người mua.

    [​IMG]

    “Chúng tôi chỉ ra rằng mô hình của chúng tôi có thể được dùng để nhân sản phẩm lên, tức là căn cứ vào người sử dụng và một chủng loại sản phẩm, chúng tôi có thể tạo nên các hình ảnh mới (trong trường hợp này các mặt hàng quần áo) nhất quán nhất với gu cá nhân của người dùng”, tác giả chính của bài báo đăng trong tạp chí ArXiv và là nghiên cứu sinh tiến sĩ ngành khoa học máy tính Wang-Cheng Kang nói. “Việc này giới thiệu bước đầu tiên hướng tới các hệ thống lắp ghép vượt qua việc khuyến cáo các mặt hàng hiện hành từ một sản phẩm gốc, cho tới gợi ý phong cách và giúp thiết kế các sản phẩm mới”.
    Khám phá này được công bố trong tạp chí ArXiv trong bài báo có nhan đề “Khuyến cáo thời trang nhận thức-thị giác (Visually-Aware Fashion Recommendation) và thiết kế với các mô hình hình ảnh nhân lên”. Giáo sư về khoa học máy tính và kỹ thuật công nghệ Julian MacAuley và nghiên cứu sinh tiến sĩ năm thứ hai Wang-Cheng Kang, đã hợp tác nghiên cứu với các chuyên gia của ngành Chen Fang và Zhaowen Wang từ Adobe Research.
    Điều này gợi ý một loại mới phương thức khuyến nghị có thể được dùng để khuyến nghị, sản xuất và thiết kế”, ông MacAuley và các đồng nghiệp viết. “Các khung này cũng có thể dẫn tới các hình thức khuyến nghị có giá trị hơn, tại đó khuyến nghị nội dung và việc tạo ra nội dung có liên kết chặt chẽ hơn”.
    Đề tài nhắm tới thử nghiệm các công cụ từ trí tuệ nhân tạo và quá trình học máy (machine learning) có thể giúp ngành thời trang và người tiêu dùng tốt đến mức nào - nhất là những người trong đám đông những người mua hàng ngày càng thích mua quần áo trên Internet.
    Trong khi có nhiều thuật toán và công cụ để giúp các nhà bán lẻ online khuyến nghị các thiết kế cho những người mua tiềm năng, nhóm nghiên cứu UC San Diego-Adobe Research đã đi thêm một bước lớn. Họ muốn xem liệu có thể xử lý sự ưa thích và các dữ liệu khác không chỉ để đưa ra khuyến nghị mà tiềm năng có thể để cho máy tính sản xuất ra các thiết kế mới của quần áo có ưu thế do chúng phản ánh sự ưa thích của từng cá nhân người tiêu dùng.
    Khởi đầu, các nhà nghiên cứu đã chú trọng vào phát minh ra một hệ thống để tạo nên các khuyến nghị tốt hơn, nhất là trong trường hợp khuyến nghị “ảo”, trong đó người tiêu dùng có thể bị ảnh hưởng bởi ngoại quan của các sản phẩm nhìn như thế nào, như trong trường hợp hàng may mặc thời trang hoặc hình ảnh minh họa trên sách báo.

    Theo bài báo thì “Xây dựng các hệ thống khuyến nghị có hiệu quả cho các lĩnh vực như là thời trang là thách thức do tính chủ quan cao và tính phức tạp ngữ nghĩa của các đặc tính tham dự vào”. Các nhà nghiên cứu lưu ý rằng có thể đưa ra khuyến nghị thị giác chính xác hơn bằng cách tích hợp các tín hiệu thị giác trực tiếp vào mục tiêu khuyến nghị, có sử dụng các giới thiệu đặc tính có sẵn được lấy ra từ các mạng lưới sâu (deep networks).
    Nhóm đã chứng tỏ rằng hiệu quả khuyến nghị có thể được cải thiện đáng kể bằng cách học mô tả hình ảnh “hiểu biết thời trang” một cách trực tiếp, bằng cách đào tạo mô tả hình ảnh (từ mức độ pixel) và hệ thống khuyến nghị đồng thời. Bài báo nảy sinh từ công trình gần đây bằng cách sử dụng mạng nơ ron tích chập (Convolutional Neural Networks- Siamese-CNN), được gọi như vậy do chúng là loại kiến trúc mạng nơ ron có chứa hai hoặc nhiều mạng con giống hệt nhau. (Siamese-CNN được dùng nhiều để tìm kiếm tính tương tự hoặc mối quan hệ giữa hai mặt hàng có thể so sánh được).
    Đối với dự án thời trang, các nhà nghiên cứu đã đào tạo Siamese-CNN để học và phân loại sự ưa thích của người sử dụng cho nhiều mặt hàng nào đó.
    Từ đó họ đã dùng một khung mạng nơ ron (neural networking framework) được gọi là mạng Generative Adversarial Network (GAN) để học sự phân bố các hình ảnh thời trang và tạo ra các mặt hàng thời trang mới tối đa hóa sự ưa thích của người sử dụng. GAN đào tạo hai mạng trên một bộ dữ liệu, và chúng đặc biệt phù hợp để tạo ra các hình ảnh thực. Hệ thống nhận được có thể gợi ý các mặt hàng để mua từ các thiết kế hiện hành, nhưng cũng có thể được dùng để cải tiến các mặt hàng hiện có, hoặc để tạo ra các thiết kế mới được may đo cho sự ưa thích của một cá nhân cụ thể (dựa được dựa trên ‘dữ liệu lớn” về các lần mua trước đó, các khảo sát v.v.).
    Việc sử dụng trí tuệ nhân tạo trong ngành thời trang vẫn đang trong giai đoạn trứng nước, nhưng hai trong số các nhà bán lẻ online lớn nhất thế giới - Amazon và Alibaba - đang làm việc với các công cụ trí tuệ nhân tạo, kể cả GAN.

    http://www.fibre2fashion.com
     

Chia sẻ trang này