Портфолио
Услуги
О нас
Контакты
+7 930 755 69 69
Готовы сделать новый проект вместе? Просто напишите нам!
Вам нужно знать, мы собираем куки.
хорошо
SOKOLOV
Мобильное приложение
Нейросети
2022
SOKOLOV
SOKOLOV — самый любимый и самый известный в России ювелирный бренд, лидер рынка по объемам производства украшений и ведущий игрок рынка ювелирного ритейла
Мы создали остаточную нейросеть (Residual Network), зашитую в мобильное приложение, которая повышает рентабельность интернет-магазина. Пользователь посредством отправки роботу фотографии формулирует свои предпочтения по контурам, форме, текстуре и цвету. Далее включается нейросеть, которая предварительно обучена тому, что такое «прекрасное» на 100-Гбайтной базе, состоящей из 2 млн отобранных фотографий товаров.

Фотографии накоплены посредством анализа и парсинга открытых источников, в том числе 600 крупнейших интернет-магазинов. Идея строится на поиске товара, максимально похожего на образцовый, изображенный на фотографии. Вместо того, чтобы отпустить к конкурентам, пользователю предлагается показать свое предпочтение и получить ссылку на приобретение аналогичного товара со склада здесь и сейчас.
В нашем кейсе нейросеть работает так же, как работал бы живой продавец-консультант в магазине ювелирных украшений или стилист при подборе моделей одежды и обуви.
Определение похожих товаров. Сравнимо с тем, что подбирает стилист в магазине.


Предложение посетителям похожих товаров. Из тех же категорий: «кроссовки» — «кроссовки».

Предложение посетителям похожих товаров других брендов Например, товар-заменитель. Puma вместо аналогичного товара Adidas.

Предложение посетителям похожих товаров из других категорий. Например, к кольцу подойдут определенные серьги.


Подбор своих похожих товаров к каждому товару конкурента. Визуальный аналог для каждого товара.
Генератор и дискриминатор
Нейронные сети GAN не программируются привычными командами, а самостоятельно обучаются в специально созданном окружении. После обучения сетка умеет создавать товары, подобные тем, на которых обучалась.

GAN — это generative adversarial network — генеративно-состязательная сеть. GAN состоит из двух нейросетей.

Генератор — нейросеть, способная генерировать изображения наподобие образцового.

Дискриминатор — нейросеть, которая пытается отличить настоящую картину от «подделки», сконструированной генератором.
Метафорично произошедшее напоминает обучение рисованию в художественной школе. Ученик пытается воспроизвести готовую картину пера Винсента Ван Гога «Звездная ночь», каждый раз показывая результат учителю.

Нейроученик же полностью очищен от чувств и любого другого «человеческого фактора», поэтому робот по щелчку пальцев выполняет 100 000 циклов обучения-исправления за 16 часов.

Дискриминатор оценивает то, что сделал генератор, определяя отличия. Две нейросети обучаются вместе: дискриминатору становится все труднее находить отличия, а генератор постоянно старается улучшать результат.
Архитектура GAN
Дискриминатор, чтобы отличать настоящее изображение от фальши, использует классическую архитектуру сверточной сети — CNN (convolutional neural network). Архитектура нацелена на эффективное распознавание образов при помощи операции свертки, суть которой в том, что каждый фрагмент изображения умножается на матрицу (ядро) свертки поэлементно, а результат суммируется и записывается в выходную матрицу. На каждом этапе ее размер уменьшается вдвое. В конце дискриминатор возвращает число 0, если подделка, и 1, если оригинал.
Генератор — тоже сверточная сеть, но решает задачу обратную, используя процесс под названием обратная свертка. Генератор получает на вход рандомный шум, а затем генерирует на основе него изображения, выполняя операции, обратные к действиям дискриминатора благодаря транспонированным сверточным слоям. Ядро проходит по матрице, увеличивая ее размерность в 2 раза.
Архитектура ResNet

Остаточная нейронная сеть ResNet (Residial Network) — нейронная сеть с соединениями для быстрого доступа. Такую нейросеть можно представить как ансамбль менее глубоких сеток, которые объединены общими выходами.
Клиент и сервер
Управляющий сервер принимает картинки из мобильного приложения и быстро ищет похожие товары среди базы одной товарной категории, размером около 15 000 картинок. На сервере существует панель оркестрации для управления запросами от клиентов. Все фотографии встают в очередь на обработку и ждут, пока очередь освободится. Стек организован по принципу FIFO (First In First Out) — первый пришел, первый ушел.

Клиент представляет собой приложение, которое имеет право отправлять задачи по расчету похожих картинок на сервер. Нейросеть раскладывает входящую картинку на 100–150 векторов (маленьких картинок) и то же самое проделывает с каждой из базовых 15 000 картинок (среди которых ищем). Далее нейросеть пытается найти наиболее похожие картинки — в которых максимум векторов совпало.
Что получает покупатель?
Одно из внедрений нейросети прошло для бренда «Светлов» Белгородского ювелирного завода «Арт-Карат». С помощью нейросети покупатель офлайн- или онлайн-магазина может быстро подобрать товары-аналоги среди широкого ассортимента ювелирных изделий завода «Карат», даже если точно не знает, чего именно хочет. Нужно сфотографировать или загрузить изображение, либо нарисовать набросок подходящего изделия и загрузить в приложение. Поиск похожих изображений занимает 7–10 секунд, результат сразу выводится на экран.

Можно искать изделия со сложной вставкой, которую невозможно определить в фильтрах. К этому же изделию можно выбрать что-то из других категорий — например, по фото кольца со сложной вставкой можно подобрать гармонично сочетающиеся часы со схожим циферблатом. Загрузив фото имеющейся вещи, можно найти похожую. Если вы знаете, что любит ваш близкий человек (например, тип узоров или любимые цвета), можно подобрать тематические изделия в подарок.

При поиске похожих изделий анализируются.

Алгоритмы нейросети могут сличать объекты сложных форм и будут показывать то, что мы бы сами рассматривали как альтернативы.
Параметры анализируются за 10 секунд, и в результате выдается более 50 предложений. Нейросеть не упорядочивает найденные предложения по убыванию похожести, поскольку определяющий критерий выбора у каждого покупателя собственный.
Следующий проект
Консультант сервис
Web разработка
Made on
Tilda