使用NVIDIA Metropolis平臺創(chuàng)建服裝檢測應(yīng)用程序

時裝業(yè)在新技術(shù)和不斷變化的消費趨勢方面正在發(fā)生許多變化。作為零售業(yè)增長最快的行業(yè)之一，時裝行業(yè)正在利用數(shù)據(jù)更好地了解消費者的服裝品味和偏好。 Drishtic AI 的解決方案使用計算機視覺來分析照片和視頻，解讀最流行的款式，并將數(shù)據(jù)編譯成對客戶有用的格式。

服裝公司可以利用這些數(shù)據(jù)來評估需求，并根據(jù)個人的年齡、性別和偏好來開發(fā)吸引他們的服裝。通過生產(chǎn)流行的款式，服裝公司可以減少浪費，創(chuàng)造一個更可持續(xù)的行業(yè)。

艾德里什蒂克使用 NVIDIA Metropolis 平臺開發(fā)支持人工智能的視頻分析應(yīng)用程序。 Drishtic AI 的目標是使用先進的工具和全堆棧方法來實現(xiàn)更快的開發(fā)時間，并為開發(fā) vision AI 應(yīng)用程序創(chuàng)建高度計算優(yōu)化的解決方案。為了創(chuàng)建其服裝檢測應(yīng)用程序， Drishtic AI 使用了一個建立在 NVIDIA EGX 平臺上的技術(shù)堆棧，將 NVIDIA – 認證系統(tǒng)與 NVIDIA GPU 結(jié)合起來。

Drishtic AI 團隊首先主要從開源圖像和視頻構(gòu)建數(shù)據(jù)集，使用 10400 張圖像，每個服裝類別使用 800 張圖像。它為 13 種不同類別的服裝—— t 恤、襯衫、短褲、裙子、上衣、連衣裙、褲子、牛仔、連帽衫、夾克、開襟羊毛衫、連體衣和毛衣——的所有圖像添加了注釋。他們使用 Detectnet _ V2 預(yù)先訓練的模型與TAO 工具包相結(jié)合，以縮短他們的 AI 開發(fā)流程。為了部署應(yīng)用程序，團隊使用 NVIDIA 深流 SDK處理原始視頻，優(yōu)化視頻解碼，并實時加速圖像轉(zhuǎn)換。

以下視頻演示了該應(yīng)用程序如何識別人們穿著的 g ARM 隱形眼鏡的類型，即使他們在不同的燈光設(shè)置之間移動或變換。這種深度學習模式對于幫助零售商和服裝制造商獲得當前和新興時尚趨勢的真實反饋至關(guān)重要。

關(guān)于作者

Priti Gavali 是 Drishtic AI 的首席開發(fā)人員，負責 AI / ML 的研究和應(yīng)用開發(fā)。她擁有深度學習、物聯(lián)網(wǎng)和實時視頻分析的計算機視覺方面的技術(shù)技能。她擁有科爾哈布爾 Shivaji 大學的計算機科學學士學位。 查看圣日耳曼的所有帖子

Archana Borawake 是 Drishtic AI 的技術(shù)架構(gòu)師，使用實時視頻分析，通過計算機視覺推動 AI 產(chǎn)品開發(fā)。她正在設(shè)計、創(chuàng)建深度學習解決方案，并將其部署到具有物聯(lián)網(wǎng)的邊緣設(shè)備和云上。她擁有浦那大學計算機科學碩士學位。

審核編輯：郭婷