كيفية استخراج صيحات الموضة من وسائل التواصل الاجتماعي؟ كاشف أشياء قوي مع دعم للتعلم غير المنظور

مع انتشار وسائل التواصل الاجتماعي، أصبحت الموضة المستوحاة من المشاهير والمصممين المعروفين وكذلك المؤثرين في مجال الموضة تقلص دورة تصميم وإنتاج الأزياء. ومع ذلك، فإن الانفجار في محتوى الموضة والكمية الكبيرة من الصور التي ينشئها المستخدمون يجعل مهمة غوص المصممين في صور وسائل التواصل الاجتماعي واستخراج ملخص للموضة السائدة أمرًا شاقًا. هذا يتطلب تحليلًا عميقًا لصور الموضة على وسائل التواصل الاجتماعي لتحديد موقع وتقييم العديد من عناصر الموضة من صورة موضة معينة. بينما تحتوي مسابقات كشف الأشياء مثل MSCOCO على آلاف العينات لكل فئة من فئات الأشياء، فإن الحصول على قواعد بيانات كبيرة ومصنفة للأزياء السريعة يعد أمرًا صعبًا للغاية. بالإضافة إلى ذلك، لا تمتلك أحدث أجهزة كشف الأشياء أي وظيفة لاستخدام الكميات الكبيرة من البيانات غير المصنفة المتاحة على وسائل التواصل الاجتماعي لضبط أجهزة الكشف هذه باستخدام قواعد البيانات المصنفة. في هذا العمل، نظهر تطبيق جهاز كشف الأشياء العام الذي يمكن تدريبه بطريقة غير مراقبة على 24 فئة من مجموعة الصور المفتوحة V4 التي تم إصدارها مؤخرًا. نقوم أولًا بتدريب البنية الأساسية لجهاز الكشف باستخدام التعلم غير المراقب على 60 ألف صورة غير مصنفة من 24 فئة تم جمعها من وسائل التواصل الاجتماعي، ثم نقوم بضبطه بشكل متقدم على 8.2 ألف صورة مصنفة من مجموعة الصور المفتوحة V4. عند استخدام مدخلات الصور بحجم 300 × 300 بكسل، نحقق دقة mAP بنسبة 72.7% على مجموعة اختبار تتكون من 2.4 ألف صورة، مع تحقيق تحسن بنسبة 11% إلى 17% مقارنة بأحدث أجهزة كشف الأشياء. نوضح أن هذا التحسن يعود إلى اختيارنا للبنية التي تتيح لنا القيام بالتعلم غير المراقب والتي تعمل بشكل أفضل بكثير في تحديد الأشياء الصغيرة.