Изучение проблем создание виртуальной примерочной с использованием генеративных нейронных сетей и реализация рабочего прототипа
ВВЕДЕНИЕ
Благодаря быстрому развитию технологий предпочтение людей онлайн-покупкам постепенно растет. Когда-то единственным способом для покупателя приобрести товар было посещение реального магазина, но с быстрым распространением интернета покупатели теперь могут просматривать отзывы о товарах онлайн и делать выбор в пользу покупки, не выходя из собственного дома [1]. Однако, онлайн-шопинг имеет ряд проблем, которые могут отталкивать покупателей от совершения покупок в интернете.
Одной из главных проблем онлайн-шопинга является отсутствие возможности примерки товара перед покупкой. Это приводит к тому, что многие покупатели остаются недовольными при получении товара, который не соответствует их ожиданиям. Кроме того, возврат товара также является проблемой, которая увеличивает затраты и время на доставку товара.
Виртуальная примерочная - это инновационное решение, которое позволяет покупателям примерять одежду и аксессуары в виртуальном пространстве, не выходя из дома. Это решение позволяет сократить количество возвратов и увеличить удовлетворенность покупателей.
Прототип виртуальной примерочно
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 2
1 ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ 5
1.1 Общие сведения 5
1.2 Обоснование актуальности 6
1.3 Аналоги 9
1.4 Выводы по разделу 12
2 МОДЕЛЬ ПРОТАТИПА 14
2.1 Генеративно-состязательные сети 14
2.2 Структура прототипа 15
2.3 Облачные технологии 19
2.4 Выбор стейка технологий 21
2.3.1 Язык программирования 21
2.3.2 Библиотеки 23
3 РАЗРАБОТКА СИСТЕМЫ 30
3.1 Создание виртуальной машины 30
3.2 Набор данных 33
3.3 Усовершенствование сегментации тела человека 35
3.4 Обучение нейронной сети 37
4 РЕЗУЛЬТАТЫ 40
4.1 Результаты обучения нейросети 40
4.2 Результаты обучения нейросети на собственных данных 43
ЗАКЛЮЧЕНИЕ 45
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 46
ПРИЛОЖЕНИЕ A 47
ПРИЛОЖЕНИЕ Б 50
ПРИЛОЖЕНИЕ Г 60
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Online and Offline Shopping Decision-Making Process of Generation Y Customers // JIBM. 2022.
2. Jansson M., Cullinane S., Browne M. Initial analysis of the results of the Boozt customer survey on clothing returns. Unpublished, 2022.
3. Kakkar T., Singh U. Generative Adversarial Networks : A Survey: preprint. In Review, 2021.
4. ACGPN [Electronic resource]. URL: https://github.com/minar09/ACGPN.git.
5. Duchon J. Splines minimizing rotation-invariant semi-norms in Sobolev spaces // Constructive Theory of Functions of Several Variables / ed. Schempp W., Zeller K. Berlin, Heidelberg: Springer Berlin Heidelberg, 1977. Vol. 571. P. 85–100.
6. Dematte L., Prandi D. GPU computing for systems biology // Briefings in Bioinformatics. 2010. Vol. 11, № 3. P. 323–333.
7. Self-Correction-Human-Parsing-for-ACGPN [Electronic resource]. URL: https://github.com/levindabhi/Self-Correction-Human-Parsing-for-ACGPN/tree/master.
Обзор предметной области виртуальных примерочных показал, что это инновационное решение для онлайн-шопинг, виртуальная примерочная является инновационным решением, которое позволяет покупателям примерять одежду и аксессуары в виртуальном пространстве, экономя время и деньги. Для создания такой примерочной необходимо использовать генеративные нейронные сети и алгоритмы компьютерного зрения, а также облачные технологии для обучения нейронной сети. Виртуальная примерочная имеет множество преимуществ, таких как возможность примерки в любое время и место, экспериментирование с различными стилями и комбинациями одежды. Создание виртуальной примерочной может быть сложным процессом, но использование облачных сервисов и библиотек машинного обучения может упростить этот процесс.
По найденной статистике можно сделать вывод, что проблема возврата товаров является одной из основных проблем онлайн-покупок, которая может привести к потере денег для продавцов. В связи с этим, создание виртуальной примерочной может стать актуальным решением проблемы, так как позволит покупателям примерить товары в