Tommy Hilfiger utilise Machine Learning pour identifier les tendances de la mode dans les pistes

Machine Learning - Fashion

Quand la mode rencontre l'intelligence artificielle

Tommy Hilfiger, l'une des plus grandes entreprises du secteur de la mode, s'inspire des pistes les plus célèbres du monde pour concevoir, produire et lancer ses nouvelles collections sur le marché. Cette tâche a été traditionnellement réalisée par des experts de l'industrie et de la mode. Cependant, Tommy Hilfiger a posé la question "Pouvons-nous inclure l'intelligence artificielle dans notre processus de conception"?

 

Reconnaissance d'image pour identifier les tendances de la mode

Cet article a été écrit inspiré par l'histoire originale publiée ici.
Tommy Hilfiger s'est associé à IBM et a utilisé Watson Api de reconnaissance visuelle, un modèle de Machine Learning automatique qui classe et reconnaît des objets dans des images ou des vidéos pour analyser automatiquement plus de 600 000 images de piste accessibles au public et essayer d'identifier les tendances actuelles de la mode.

En plus de cela, un autre modèle a été formé en alimentant plus de 15.000 images de Tommy Hilfiger pour créer des groupes de données et avec l'aide de l'intelligence artificielle, mieux comprendre ses propres conceptions.

 

A l'aide! Les robots prennent déjà nos emplois!

Pas tout à fait ... Toutes ces nouvelles données et idées ont été données aux étudiants du Institut de technologie de la mode comme une source d'inspiration afin qu'ils puissent proposer des idées de design créatif pour Tommy Hilfiger. Aussi puissant que l'apprentissage automatique est maintenant, il ne peut pas encore remplacer le processus créatif qu'un esprit humain peut faire. Ci-dessous vous pouvez voir un croquis de l'un des dessins qui ont fait à la finale de ce processus

 

Machine Learning coat

Pousser l'innovation encore plus loin

Pour aller plus loin, les étudiants de la FIT ont décidé d'intégrer également dans ce design des fibres changeant de couleur qui ont répondu à l'analyse globale du sentiment d'un flux de médias sociaux donné. Ceci est facilement réalisé en alimentant le flux de médias sociaux à Watson Compréhension du langage naturel api qui à son tour analyse la signification et la structure du texte et renvoie le sentiment général et l'émotion trouvés dans le flux. Avec cette information, la couleur des fibres dans la veste peut être changée en temps réel, en attribuant des couleurs pâles aux émotions tristes et des couleurs vives aux couleurs heureuses.

 

MLab, les spécialistes du Machine Learning à votre service!

Si le Machine Learning vous inspire et que vous pensez que vous souhaitez implémenter un cas d'utilisation dans votre organisation, contactez nous. Nous sommes agnostiques et nous recommandons et intégrons la technologie qui s'adapte le mieux à vos besoins. Si les technologies disponibles ne répondent pas à vos besoins, nous pouvons toujours former un modèle personnalisé adapté à votre projet.

 

Avertissement: MLab n'a pas participé au développement de ce projet. Nous publions simplement cette étude de cas comme une source d'inspiration sur ce que le Machine Learning peut réaliser.