Для организации модной одежды из фрагментированных источников интернет-магазина крайне важно понимать как визуальную, так и текстовую информацию о продукте.

Благодаря огромному количеству предлагаемых товаров и тысячам интернет-магазинов модной одежды покупателям сложно найти то, что они ищут.

GLAMI использует технологию машинного обучения с 2015 года, чтобы предоставить клиентам наилучший способ поиска модных товаров. Специализированная команда компании по искусственному интеллекту создает приложения, такие как организация каталога продукции, путем обнаружения и классификации характеристик, рекомендаций, сходства и т. д., чтобы каждый посетитель мог легко открыть для себя моду.

Чтобы организовать моду из разрозненных источников интернет-магазина, крайне важно понимать как визуальную, так и текстовую информацию о продукте. По шкале 14 стран ведущей европейской компании по поиску модной одежды GLAMI.group, с десятками миллионов сеансов в месяц, это можно сделать только с помощью автоматизации. Кроме того, достаточно высококачественная автоматическая каталогизация в тонком секторе моды может быть достигнута только при продвинутом активном обучении человека в цикле, дающем модели обратную связь по ее самым запутанным продуктам.

Независимый от языка Merlin: многоязычное решение ИИ

Важным недавним улучшением серверной части платформы стало развертывание более универсального и более производительного механизма понимания продукта. Новая система может работать на нескольких языках одновременно, что и дало ей название Language Agnostic Merlin (LAM). Индивидуальная внутренняя архитектура LAM использует современные технологии обработки естественного языка (способность компьютеров понимать человеческий язык) и компьютерного зрения (способность компьютеров интерпретировать изображения) для определения характеристик продукта. Например, LAM использует ключевую технологию под названием Transformer, которая обеспечивает работу любимого пользователями ChatGPT.

Многоязычные возможности LAM приводят, среди прочего, к меньшему количеству ошибок на небольших рынках, сокращению количества требуемых моделей и сокращению времени, необходимого для выхода на новые страны, что является важной целью для многих компаний электронной коммерции.

Как GLAMI выигрывает от LAM

Распознавание характеристик продукта важно для качества каталога и многих последующих систем в GLAMI. Поскольку LAM понимает итальянский, греческий, венгерский и все остальные языки на 14 рынках, команда ИИ полностью переклассифицировала большой каталог из десятков миллионов товаров с помощью LAM в 200 языков. + категории товаров, включая, например, подкатегории такие как мокасины и эспадрильи. Механизм LAM сократил процент продуктов без категорий до 1 %, уменьшив при этом объем профессионального обслуживания для стандартизированного свойства продукта. Кроме того, благодаря разнообразному обучению LAM стал более надежным, что позволяет автоматизировать фиды для интернет-магазинов с выдающимися товарами. В настоящее время LAM используется для распознавания более 130 характеристик товаров, таких как V-образный вырез или цветочный узор. Кроме того, команда ИИ оптимизирует использование и мониторинг облачных ресурсов в базовой инфраструктуре AWS.

Вклад в сообщество ИИ

Помимо улучшения собственной платформы, GLAMI.group также вносит вклад в сообщество ИИ и в целом в сообщество разработчиков ПО с открытым исходным кодом. Например, на Британской конференции по машинному обучению (BMVC) 2022 года команда опубликовала набор данных GLAMI-1M, часть каталога, которая служит сложной многоязычной мультимодальной классификацией с открытым исходным кодом. ориентир. В следующем году был выпущен образовательный практический семинар для набора данных изображений и текста GLAMI-1M, который наглядно демонстрирует широкие варианты использования набора данных, включая создание изображений продуктов. . Вы можете пойти и поэкспериментировать с набором данных в блокноте colab.

Будущее искусственного интеллекта в моде и не только

Отраслевые приложения технологий искусственного интеллекта, которые мы видим на горизонте, — это глубокое понимание намерений и предпочтений клиентов в отношении стиля, функций и размеров, а также инновационные интерфейсы с использованием диалоговых или трехмерных аспектов, например, виртуальная примерка одежды. Поскольку технология искусственного интеллекта продолжает развиваться, модные покупки станут еще более доступными и приятными для покупателей.

Автор: Вацлав Косарь