Детектирование трендов модной одежды с обучением нейросети
DOI:
https://doi.org/10.5281/zenodo.14514830Ключевые слова:
прогнозирование модных тенденций, анализ моды, прогнозирование временных рядовЛицензия
Аннотация
Прогнозирование модных тенденций является важнейшей задачей как для научных кругов, так и для промышленности. Ранее для решения этой сложной задачи, изучали лишь ограниченные элементы моды с сезонными или простыми узорами, которые вряд ли могли выявить реальные тенденции моды. Стремясь к прогнозированию, эта статья предназначена для исследования четких тенденций в мире моды для определенных групп пользователей. В работу был взят крупномасштабный набор данных о модных тенденциях (FIT). Так же для более эффективного моделирования временных рядов данных была взята модель рекуррентной сети, которая использует преимущество от нейронных сетей при моделировании временных рядом. Обширные эксперименты демонстрируют, что предложенная модель КЕРНА может эффективно улавливать сложные закономерности объективных элементов моды, следовательно, делая предпочтительный прогноз модных тенденций.
Скачивания
Библиографические ссылки
1. Zhu, S. A Be Your Own Prada: Fashion Synthesis with Structural Coherence / S. Zhu. – 2017. – URL: https://arxiv.org/abs/1710.07346.
2. Large-scale Fashion (DeepFashion) Database [Электронный ресурс]. – URL: https://mmlab.ie.cuhk.edu.hk/projects/DeepFashion.html (дата обращения 10.09.2024).
3. Fashion-Gen: The Generative Fashion Dataset and Challenge [Электронный ресурс]. – URL: https://deepai.org/publication/fashion-gen-the-generative-fashion-dataset-and-challenge (дата обращения 10.09.2024).
4. Власенко, А. И. Анализ методологии прогнозирования модных трендов / А. И. Власенко. – СПб: Издательство СПбГУ, 2020. – 120 с.
5. Использование нейросетей в индустрии моды [Электронный ресурс]. – URL: https://www.researchgate.net/publication/376596939_Ispolzovanie_nejrosetej_v_industrii_mody (дата обращения 12.09.2024).
6. Details of the LSTM [Электронный ресурс]. – URL: https://www.researchgate.net/figure/Details-of-the-LSTM-and-Bi-LSTM-models_fig5 (дата обращения 12.09.2024).
7. Построение моделей временных рядов [Электронный ресурс]. – URL: https://www.iprbookshop.ru/68826.html (дата обращения 12.09.2024).
8. Предсказание временных рядов с помощью нейросети Keras [Электронный ресурс]. – URL: https://newtechaudit.ru/predskazanie-vremennyh-ryadov-s-pomoshhyu-keras/ (дата обращения 12.09.2024).
REFERENCES LIST
1. Zhu, S. A Be Your Own Prada: Fashion Synthesis with Structural Coherence / S. Zhu. – 2017. – URL: https://arxiv.org/abs/1710.07346.
2. Large-scale Fashion (DeepFashion) Database [Elektronnyi resurs]. – URL: https://mmlab.ie.cuhk.edu.hk/projects/DeepFashion.html (data obrashcheniia 10.09.2024).
3. Fashion-Gen: The Generative Fashion Dataset and Challenge [Elektronnyi resurs]. – URL: https://deepai.org/publication/fashion-gen-the-generative-fashion-dataset-and-challenge (data obrashcheniia 10.09.2024).
4. Vlasenko, A. I. Analiz metodologii prognozirovaniia modnykh trendov / A. I. Vlasenko. – SPb: Izdatelstvo SPbGU, 2020. – 120 s.
5. Ispolzovanie neirosetei v industrii mody [Elektronnyi resurs]. – URL: https://www.researchgate.net/publication/376596939_Ispolzovanie_nejrosetej_v_industrii_mody (data obrashcheniia 12.09.2024).
6. Details of the LSTM [Elektronnyi resurs]. – URL: https://www.researchgate.net/figure/Details-of-the-LSTM-and-Bi-LSTM-models_fig5 (data obrashcheniia 12.09.2024).
7. Postroenie modelei vremennykh riadov [Elektronnyi resurs]. – URL: https://www.iprbookshop.ru/68826.html (data obrashcheniia 12.09.2024).
8. Predskazanie vremennykh riadov s pomoshchiu neiroseti Keras [Elektronnyi resurs]. – URL: https://newtechaudit.ru/predskazanie-vremennyh-ryadov-s-pomoshhyu-keras/ (data obrashcheniia 12.09.2024).
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
