Klassifikator für Kleidungsarten – Machine-Learning-Modul für WearMeUp.Club

Projektziele:

• Entwicklung eines Machine-Learning-Moduls, mit dem die Nutzer des Portals WearMeUp.Club anhand eines hochgeladenen Fotos von Kleidung automatisch passende Schnittmuster finden können

Über WearMeUp.Club

WearMeUp.Club ist ein Portal zur Gestaltung von Schnittmustern nach Maß. Die Entwicklung des Machine-Learning-Moduls ermöglicht es den Nutzern der Anwendung WearMeUp.Club, mit der Schnittmuster nach Maß gestaltet werden, automatisch passende Schnittmuster anhand eines hochgeladenen Fotos von Kleidung zu finden.

Aufbau der Zusammenarbeit mit der Wirtschaftsuniversität Katowice

Die Zusammenarbeit von 4B Systems mit der Wirtschaftsuniversität Katowice war entscheidend für den Erfolg des Projekts WearMeUp.Club. Die Experten der Hochschule brachten unschätzbares Wissen zu Methoden des maschinellen Lernens ein, und die Spezialisten von 4B Systems sorgten für technologische und integrative Unterstützung. Dank ihres Engagements konnte ein fortschrittlicher Kleidungsklassifikator entwickelt werden, der Schnitte präzise erkennt und anhand eines Fotos passende Schnittmuster zuordnet. Die Verbindung von wissenschaftlichem Ansatz und geschäftlicher Erfahrung ermöglichte ein innovatives Werkzeug, das die Auswahl von Schnittmustern für die Nutzer der Plattform deutlich verbessert.

Erkennung von Kleidung anhand von Fotos

Im Rahmen der Experimente wurden 12 Machine-Learning-Klassifikatoren auf Basis von Convolutional Neural Networks (CNN) trainiert.

Beim Training wurden viele bekannte State-of-the-Art-Architekturen (SOTA) von CNN-Netzen getestet, etwa ResNet50, Vgg16, Inception v3 und EfficientNet.

Darüber hinaus wurden eigene Architekturen von Grund auf programmiert. Die Modelle wurden mit unterschiedlicher Größe der ersten Schicht (Eingabeschicht) des neuronalen Netzes getestet, genauer gesagt mit den Größen 96×96, 160×160 und 224×224.

Das Training erfolgte auf einer dafür ausgelegten Maschine mit Grafikkarte (GPU), um den Trainingsprozess zu beschleunigen.

Für jedes trainierte Modell wurde ein Bericht erstellt, der das trainierte Modell dokumentiert. Die Dokumentation enthält die vollständige Struktur des Modells, die Schichten, ihre Dimensionen und die Anzahl der Parameter. Der Bericht enthält die auf dem Testdatensatz erzielten Genauigkeitswerte für folgende Maße: Accuracy, Balanced Accuracy, Precision, Recall und F1-Score.

Insgesamt wurden 221 Trainings- und Testläufe durchgeführt, und für jeden von ihnen wurde der genannte Bericht erstellt.

Darüber hinaus wurde in der Analysephase für die Modelle mit dem höchsten Wert der Balanced Accuracy (die Daten waren mäßig unausgewogen) die vollständige Struktur samt Gewichten im Format .keras gespeichert.

Machine Learning – Erkennung der Kleidungsart

Messbare Ergebnisse des für WearMeUp umgesetzten Projekts:

• 90 % Genauigkeit bei der Erkennung von Kleidungsschnitten
• Bessere Personalisierung der Auswahl – höhere Treffsicherheit der Empfehlungen für die Nutzer
• Suchzeit für Schnittmuster – Reduzierung um 70 % durch Automatisierung des Prozesses

Über das Projekt WearMeUp.Club

WearMeUp.Club realisiert ein Projekt, das aus Mitteln der Europäischen Union im Rahmen des Programms Europäische Fonds für Ostpolen 2021–2027 kofinanziert wird, Priorität FEPW.01 Unternehmertum und Innovation, Maßnahme FEPW.01.01 Startplattformen für neue Ideen, Komponente IIa – Unterstützung der Geschäftsentwicklung eines Startups.