Med hjälp av mer effektiva och precisa analyser kan aktörerna i modebranschen ta smartare och snabbare beslut som minskar överflödig produktion och belastning av vårt klimat. Besluten kan röra vilka satsningar de ska göra, när de ska göra satsningarna, hur stora inköp de ska göra och hur mycket som behöver produceras. Tillämpad AI kan ge stora fördelar gentemot konkurrenterna i branschen men framför allt kan AI skapa förutsättningar för att minska svinnet i modebranschen.
Modebranschen genomgår just nu stora utmaningar och flera av de större svenska modeaktörerna har svårt att ställa om för att möta samhällets och konsumenternas nya krav. Samtidigt som digitaliseringen ger möjligheter till att nå nya kundgrupper och öka försäljningen så måste organisationerna förändra sina processer och strukturer. Flera av modeaktörerna har fått införa större kostnadsbesparingsprogram som både inneburit att de fått stänga butiker och lägga varsel om att låta personal gå.
Modeföretagens analytiker får en allt viktigare roll i organisationernas strategiska arbete. Analytikerna söker trender och strömningar inom modevärlden innan de når vår marknad. Ju längre i förväg de kan urskilja en ny trend och ju tydligare i storlek trenden visar sig desto bättre. Analytikernas insikter och data ligger sedan till grund för design- och inköpsorganisationernas beslut om kommande säsongers satsningar.
AI underlättar för modebranschens analytiker
Olof Mogren och John Martinsson, båda forskare på RISE, genomför just nu ett större projekt för att underlätta modebranschens analysarbete med hjälp av artificiell intelligens och deep learning.
- Trendanalys idag består till stor del av att följa bloggar och sociala medier men vi hoppas att resultatet från vårt projekt kommer ge tekniker som underlättar och effektiviserar analytikernas arbete, säger Olof Mogren.
- Med hjälp av semantisk segmenteringen kan vi identifiera vilka klädesplagg en person i en bild som sprids på nätet har på sig, hur de bär plaggen och hur vanliga plaggen är. AI används för att underlätta vid analys av större flöden av till exempel modebilder när man vill få in en så stor volym av bilder att det rent resursmässigt inte går att hantera manuellt, berättar John Martinsson.
Rent tekniskt innebär semantisk segmentering att en bild delas in i de olika objekt som bilden innehåller. När det gäller modebilder så är det intressant att dela in dem i de delar som föreställer olika typer av klädesplagg, smycken, väskor, bakgrund och liknande. Bilden bearbetas i ett neuronnät som klassificerar varje pixel. Den semantiska segmenteringen märker pixlarna som ett av flera objekt och på så sätt kan systemet identifiera och skilja olika detaljer i bilden.
Projektet avslutas i juni 2019. Med den nya tekniken hoppas forskarna att AI kan hjälpa modebolagen att prognostisera sina inköp och sin produktion bättre och därmed minska överproduktionen i branschen och belastningen på klimatet.
Forskningsgruppen består av Olof Mogren, John Martinsson och Abubakrelsedik Karali från RISE samt Oskar Juhlin från Stockholms Universitet. Med i projektet är också Swedish fashion council och en av de större aktörerna inom svensk modeindustri.
