I Hviderusland skabt Revolutionerende for modeverdenen neurale, i stand til at forstå, hvad der bæres på en person, og hvor du kan købe eller bestille den samme eller lignende. Og nu er det nemt at skabe individuelle billeder på de berørte fremmede.
For eksempel på tv eller på gaden så du en kvinde i en smuk kjole og ønskede det samme eller lignende. Bare foreslå en smartphone eller tablet kamera og tag et billede.
Dette billede er indlæst i neuralletet, og efter et par sekunder vises en liste over butikker, websteder med priser for den samme kjole på skærmen, og hvis der ikke er plads til det samme, vil programmet tilbyde lignende muligheder for outfits igen med det sted, hvor de sælges og priser for dem.
Den første pilotprojektansøgning kører allerede. Hans yderst værdsatte modedesignere og designere af hele verden, som programmet udover shopping kan tilbyde nogle råd om, hvilke sko, for eksempel vil være mere velegnet til den kjole, du ledte efter.
Neurale tips er ret følsomme og værdifulde, stylister overveje, de er ikke i modstrid med mode kanoner og trend. Men valget forbliver ikke for robotter, men for folk.
Mens Neurallet kun hjælper med spørgsmål fra at finde tøj og sko. Men snart planlægger udviklerne at lære det at lede efter møbler, gadgets, biler og endda mad.
Ideen om hviderusser modtog det første sted på den internationale udstilling af it-novellerne i Barcelona.
Hvordan fungerer det smarte neurale netværk til at genkende tøj, som de belarussiske specialister har skabt? Er det i stand til at identificere forskellige typer tøj eller kun generelle kategorier? Og hvordan kan denne teknologi bruges i praksis?
Det smarte neurale netværk fungerer ved at analysere billeder af tøj gennem et komplekst system af algoritmer, der kan genkende mønstre og detaljer. Det er i stand til at identificere forskellige typer tøj såsom skjorter, bukser, kjoler osv., men det kan også genkende mere generelle kategorier som sportstøj, formelt tøj osv. Denne teknologi kan bruges i praksis til at optimere online shoppingoplevelsen ved at tilbyde anbefalinger baseret på brugerens præferencer og tidligere køb. Den kan også bruges i butikker til at automatisere processen med at sortere og kategorisere tøj, hvilket kan øge effektiviteten og reducere fejlmarginen.