快捷搜索:

AI赋能服装行业

1

人工智能与服装行业

郑泽宇从2015年开始关注海内人工智能的成长,那时Deepmind推出的AlphaGo让大年夜众对人工智能的观点有了初步认知。随之而来的是人工智能在海内掀起的第一个浪潮,大年夜量的人工智能企业创立起来。

2016年头?年月的时刻郑泽宇和Google的一些同事回到海内创办了第一家公司。从那时开始,他开始关注海内人工智能的落地场景,并在许多不合的领域,如安防、能源、金融等,做过一些考试测验。

在这个历程中,他打仗了到服装行业,感觉经由过程AI技巧助力服装行业是一片蓝海。于是在2018年头?年月时,郑泽宇及其团队从第一家公司自力出来,成立知衣科技,专注于AI技巧在服装行业的落地。

谈及人工智能的利用处景,人们第一光阴遐想到的行业会有金融、医疗、能源、物流、制造、零售、城市、农业等等,但很少听到服装行业。常说「衣、食、住、行」,「衣」是排在第一位的,如斯之大年夜的一个行业,为什么人工智能没有获得很好的落地?此中有很多缘故原由。

金融、医疗、能源等等是大年夜家在日常打仗对照多的行业,分外对技巧人才来讲是很好理解的行业。但技巧同业对时尚服装领域的理解并没有很充分。AI在服装行业里面醒目什么?应该植入在哪个环节?很多人会有这样的疑心和困扰。但跟着和行业内企业与从业职员的深入交流,郑泽宇团队发明服装行业的技巧能力以及数据化程度都异常低,这里面有很多值得考试测验的时机。

郑泽宇发明在服装企业中,设计师打仗到的数据化信息异常少,许多设计师以致不知道自己公司卖得好的格式有哪些。是服装企业没有这些数据么?并不是。缘故原由在于数据的供给方经由过程数据思维或者互联网运营思维组织收拾出来的数据产品不相符设计师的数据处置惩罚习气,设计师不乐意应用这样的数据系统,这使得设计师老是在不懂得市场的环境下设计出不受破费者青睐的格式。

设计师对付技巧和数据的需求着实很大年夜。然则在相对传统的服装行业,因为数据对象的一些不完备性以及技巧从业者对时尚行业分外是对设计师的理解有限,导致今朝基础上没有科技类公司在帮助设计环节有所阅读,这方面仍有着伟大年夜的掘客空间。

从上图可以看到服装行业的财产代价链,就现阶段而言,服装设计环节整体上短缺数据化帮助对象,信息化程度低。那么办事设计师群体到底有多大年夜的市场或者代价?

全部服装财产除了公认的市场端高代价之外,别的一个代价高地就在设计环节 。在利润比例上,市场、设计和临盆大年夜概是5:4:1的分配比例,市场以致没有显着高于设计。在这样一个代价异常高的环节上,却没有异常好的对象或者为设计环节供给办事的办事商。以是郑泽宇团队觉得AI技巧在服装设计环节落地的时机异常大年夜,这也是他成立知衣科技的初衷,借助科技的气力办理设计师面临的一些问题和艰苦。

2

设计师的逆境

设计师若何事情?什么样的对象能够帮助设计师的事情?

当提到设计师的时刻,很多人的第一印象会感觉这份职业十分高大年夜上、偏感性、富有艺术感。但郑泽宇团队在跟设计师群体,分外是大年夜部分的中国设计师近间隔交流或者进行相助的时刻,发明他们的事情要领很「原始」,设计师之间的沟通交流基础靠微信,也没有专门针对设计师的治理对象或者效率对象。

设计师应用的对象异常原始,还停顿在平面期间,选款历程中效率低下,比如一个男装潮牌企业的设计师是怎么去网络跟潮牌相关的格式的呢?设计师只能去各个社交平台上或者对标品牌的官网上去浏览图片,在不合的网站上探求、网络数据。这就导致大年夜量服装设计助理的日常事情内容便是网络和收拾数据。

现实中,服装设计师最核心的事情并不是发明灵感、进行创作,对付中国90% 的设计师而言最核心的事情是选款——怎么做出爆款?去哪发明爆款?怎么判断爆款?

探求时尚灵感和判断时尚趋势是设计师在事情历程中最大年夜的两个寻衅。在传统的模式中,设计师主要寄托主不雅进行探求和判断,短缺市场数据和反馈信息。同时,在设计培训课上,设计师长教师也更多的去强调设计或者艺术的部分,而短缺对数据和市场指示的注重,这也导致设计师对技巧的需求异常强。

3

大年夜数据与设计师

什么数据会对设计师有赞助?

首先是电商聚合数据源,包括淘宝、京东、唯品会等各类各样的电商数据。这类数据具有必然的市场指示感化,比如淘宝销量,京东评论,各个不合平台的点赞或者其他的浏览数据,这些数据可以从侧面反应出市场对某个格式的认可程度。

电商数据的第一个感化是验证信息。某个格式到底盛行照样不盛行?破费者爱好照样不爱好?经由过程销量数据、评论数据能获得反馈。服装企业在开款环节假如想做去年爆款的一些延续款,就可以参考去年市场上和竞争对手的爆款数据,反推今年什么季候做什么样的格式。

第二感化是可以赞助服装企业更快地对市场做出反映。就这两点而言,电商聚合数据对设计师的选款事情有异常大年夜的赞助。

第二大年夜类的数据是社交媒体的数据,包括微博、小红书、抖音、快手这些平台。这类数据反应了当下的盛行趋势。

网红和明星他们在穿什么?他们在发一些什么样的图片?社交媒体会影响到大年夜众对时尚的判断和审美,是以经由过程对这些数据的阐发可以帮助判断近期的盛行格式,例如淘宝上有大年夜量ins风的服装,可见ins上的风格对中国时尚界的影响异常大年夜。鉴于此,知衣科技网络了跨越百万的ins博主,数万小红书、微博博主最新最潮的数据。

第三大年夜类是更偏时尚专业的数据,比如秀场、订货会、品牌画册这样的一些数据。在时尚度上这类数据方法先于电商及社交媒体数据,是加倍前沿的盛行趋势。

海内很多的企业在判断、阐发盛行趋势的时刻,时尚专业的数据是一个异常紧张的参考标准和依据。假如设计师经由过程感性的要领欣赏秀场,看完一场show之后可能会孕育发生主不雅私见的印象,比如当设计师感觉今年血色会盛行,只要有两三款血色走秀款就轻易让他感觉设法主见得到了验证,从而孕育发生私见。

但经由过程数据阐发的要领可以赞助设计师相对客不雅、精准地来阐发品牌定位,比如什么元素更盛行?秀场表现了什么趋势?数据供给了加倍理性的判断标准,赞助设计师把握盛行趋势的变更。

跟着互联网的成长,越来越多的数据留存在网上,这些数据量有多大年夜呢?知衣科技天天收入的商品数量跨越切切,博文数量跨越百万。如斯大年夜量的信息,假如纰谬这些数据进行收拾和阐发,设计师根本无法人工处置惩罚这么多信息。

别的,图片对设计师来说是一个异常有效的传达信息的载体。若何从图像傍边去提取专业化的标签是异常紧张的工作,是以知衣科技对数据的处置惩罚要领都因此图像数据标签识别作为根基的。

4

人工智能在服装行业的落地

识别图像标签首先必要拟订专业的标签体系,这就必要与行业结合。知衣科技标签体系经由过程跟很多设计师的交流,并结合行业内的标准以及对照成熟的标签体系,拟订出的一套标签体系能够识别跨越500个不合的标签。

同时,打标也异常紧张,机械进修必要经由过程练习数据提升准确度。深度进修第一次受到大年夜家关注是经由过程imagenet,imagenet和之前的图像分类数据集比拟最大年夜的特征便是数据量大年夜,百万量级的练习数据集才能让深度进修的算法能够达到对照好的效果。

对付服装类的数据来讲也是类似的练习历程。首先必要有大年夜量精准的练习数据,在经久的数据积累历程中知衣科技积累了跨越1000万的练习数据,所有练习数据完全由专业的设计师团队来进行打标,有一套异常严格的质量节制体系能够让标签识别准确率达到一个对照高的水平。

知衣科技与海内所有能够供给API办事的企业做过一些对标,在服装标签识别准确率上,知衣的图像识别系统至少能超过跨过十个点,客户在应用后会认为异常显着的差异。之以是会有这样的显着的效果改进,是由于知衣科技一方面针对服装有专门的模型布局,由于标签体系很大年夜,可以用多分支布局去练习模型,达到互相匆匆进的效果;另一方面使用高质量的标签数据来更好地练习模型,而不是简单从imagenet上finetuning,由于这样练习出来的模型可迁移性对照差,而服装有街拍、摆拍、挂拍等等,各类各样不合的数据散播相差异常多。

服装设计师是一群异常抉剔的人,当你的模型只有70% 或者以致有60% 的准确度的时刻,对他们来讲险些是弗成用的,只有85% 到90% 的准确度才在他们容忍范围内。精确率的水平抉择系统到底可用弗成用,人脸识别只有80% 的准确率是完全没有法子商业化的,当准确率达到99% 的时刻才有可能用到安防、支付等系统。

服装行业也是类似的,当识别准确率或者标签专业度都达不到要求的时刻,系统肯定是弗成用的状态。当识别准确率能够达到必然的水准之后,设计师才会慢慢地去吸收这样的对象。

除了标签识别之外,知衣科技也会做一些图像搜索相关的事情。保举和搜索是最高效的两种信息获取要领。除了标签搜索之外,以图搜图的这种要领也是需要的。为什么这么久以图搜图仍旧没有可用的系统?两个方面的缘故原由,第一便是数据库的大年夜小,算法做的再好,数据库不敷全,就找不到相似的器械。是以,知衣科技的第一步便是汇集海量的衣饰类相关数据库,办理根基数据的问题。

第二个问题是,搜出来器械到底是背景相似照样其他方面相似?很多人说以图搜图很简单,imagenet pretrained model,再去做特性提取和对照就可以了。但这样做出来的搜索结果完全不能够相符设计师的要求,设计师也不知道为什么会给他保举不是他想要的结果。

知衣科技的图片搜索系统完全基于服装设计师对「相似」的理解,便是设计师是怎么去理解领形相似、颜色相似、风格相似、面料相似的。这些都是相似点,这些相似点都跟标签体系相关,在识别这些标签的历程中,提掏出针对服装相似的一些特性,判断出哪两款服装相似,从而利用到服装设计师的日常事情傍边。

以下几张图都是知衣科技图像识别系统的简单demo。第一张图是纹理,有些企业有对照大年夜的花型数据库,设计师设计的时刻会探求库中有没有现成的稿件。今朝知衣科技和海内一些对照大年夜型的面料厂商有相关的相助案例。

第二张图展示的是格式搜索。大年夜家可以看到搜出来的器械对照「神似」,如出一辙的格式对设计师来讲没有太大年夜赞助,他们想要的是相似但又不相同的格式,这样才会对他们的事情有赞助。

第三张图是知衣科技识图部分的简单demo,一张图匀称下来可以识别大年夜概10到15个不合的标签,包括各类各样的细节和设计点。颠末专业设计师的检测,识别出来的准确率基础上能够达到90% 阁下。

下面这张图展示的是2D和3D不合维度的识别。比如2D用于扣图以及面料颜色的识别,把肤色部分区域去除,识别出来的颜色会加倍的精准。右边的是3D的效果展示,可以看到血色的底色被扣掉落,然则纹理和面料还留存在上面,这样方便设计师换纹理或者换面料,能够赞助设计师节省打版和开版的资源。

在拥有技巧能力和数据网络能力的背景下,能如何去赞助设计师的营业?首先全维度数据,经由过程AI的算法能够识别出来服装上的设计点,在拥有这些设计点之后就能够统计阐发出时尚盛行趋势的变更规律,比如highlight一些设计点,经由过程哪些设计点下降哪些设计点上升,知道今年什么样的格式更盛行,什么格式没有那么盛行。

当设计师在设计的时刻可以参考这些盛行元素。当设计师没有灵感的时刻,可以去看看应该设计什么样的格式会加倍相符市场的需求,有灵感的时刻也可以经由过程数据来验证。比如感觉今年血色盛行,但数据显示血色下降了,显示黄色盛行,可以看一下到底血色的格式和黄色格式都有哪些。以这种要领赞助设计师把握趋势,更好地进行风控,孕育发生二次思虑从而避免一些问题。

除了可以在渠道数据长进行从趋势到格式开拓的链路,还可以经由过程以图搜图、智能试衣这样一些对象,赞助设计师前进效率。根据用户的行径习气,个性化保举图片或者博主,支持按类目以及自然说话的搜索,这样设计师找款的时刻会加倍方便。

经由过程对电商数据的网络、收拾和阐发,能够赞助客户更快地找到现在市场上的爆款,若何定价、若何定颜色,SKU怎么散播,不合的颜色比例,不合品类该怎么样来筹划。同样经由过程对历史数据的阐发能够让设计师清楚地懂得到市场环境,比如去年双11盛行什么元素,去年6月盛行什么格式,从而赞助设计师在做设计的时刻不会设计出太偏离市场需求的格式。知衣科技的产品能够经由过程一些具象的数据阐发,赞助设计师或者商品部门更好地把握商品筹划。

上面是知衣科技的相助案例,赞助服装从业者的单人监控商号数量从最初10家增添到200家,格式上线周期从三周缩短到一周,开拓格式数量从每个月50款增添到近每月200款。

跟着直播的兴起,上新节奏越来越快。传统的服装品牌每年要上新3000到5000款,而现在很多直播网店一个月就要播2000款以上。新的服装商业模式对格式数量的需求越来越大年夜,对开款效率的要求也越来越高,经由过程数据阐发对象能够赞助设计师在包管开款质量的同时,前进开款效率,进而提升全部企业的运作效率。

知衣科技也能赞助服装企业提升制作商品企划的效率,大年夜部分服装企业都要筹划今年做什么产品,分外是线下服装企业,都是反季开款,提前半年做筹划。如何筹划半年之后应该开若干连衣裙、衬衣、牛仔裤?怎么样把握比例?经由过程数据阐发对象,服装企业不仅能知道自己的环境,还能懂得竞争对手以致全部行业是什么样的环境。这对企业的商品企划有伟大年夜的指示感化,赞助商品企划制作光阴从三个月缩短到两个月,别的设计师经由过程知衣科技的阐发对象还能够提升10% 的格式选中率,开款质量能够获得更好的包管。

趋势阐发和智能试衣这样的一些对象,能够前进设计师事情效率并且低落资源,例如智能试衣对象能够低落服装企业的打样资源,当设计师感觉某一款版型还不错,而面料或者纹理必要替换时,只需经由过程智能试衣对象在线上即可实现。

今朝很多有名服装品牌或顶级淘宝店商家都与知衣科技有着深入的相助。之以是能够在比拟较较短的光阴内得到数百家客户青睐,是由于知衣科技的数据和技巧能力不仅是被设计师认可的,而且被证实是能够在服装行业成功落地利用的。

在人工智能技巧落地历程中最核心的思路是发明问题,比如要思虑行业或者详细场景中有哪里必要获得提升,技巧在提升历程中能够起到什么样的感化,必要什么样的技巧来做支撑。找到这样的需求的时刻,再去把这个需求实现出来,这样才能真正赞助客户创造代价、节省资源以及创造利润,这才是技巧能够落地的对照好的场景。

注:文/IT桔子,"民众,"号:IT桔子,本文为作者自力不雅点,不代表永乐网网态度。

您可能还会对下面的文章感兴趣: