Datu ieguves 100 miljoni Instagram fotoattēlu atklāj globālus apģērbu modeļus

Iedomājieties topošo antropologu, kuram ir piekļuve triljoniem cilvēku fotoattēlu — gadsimtiem ilgi un visā pasaulē — un kas ir aprīkots ar efektīviem rīkiem šo fotoattēlu analīzei, lai gūtu ieskatu. Uz kādiem jauniem jautājumiem var rast atbildes?

Šis ir sapnis, kas ir iedvesmojis Kevinu Matzenu, Kavitu Balu un Nou Snaveliju Kornela universitātē Itakā, Ņujorkā.

Viņi domā, ka miljoniem fotoattēlu, kas katru dienu tiek augšupielādēti sociālajos medijos, sniedz aizraujošu logu kultūras, sociālajos un ekonomiskajos faktoros, kas veido sabiedrības visā pasaulē. Viņi saka, ka ar pietiekami jaudīgu mašīninteliģenci vajadzētu būt iespējai iegūt šo pamatdatu, lai iegūtu dziļu ieskatu mūsu civilizācijā.

Algoritms atklāj, kā laika gaitā mainās apģērba stili

Paveicies, šāda veida mašīnu inteliģence pašlaik attīstās milzīgā ātrumā. Un Matzens un citi ir izmantojuši to, izpētot 100 miljonus fotoattēlu, kas publicēti Instagram.

Jautājums, uz kuru šie puiši īpaši vēlas atbildēt, bija tas, kā visā pasaulē atšķiras apģērbu stili, kas ir kultūras fenomens, kuru citādi ir grūti pētīt šādā mērogā.

Piemēram, viņu pieeja var risināt tādus jautājumus kā šalles lietošanas biežums ASV laika gaitā, kādi stili ir raksturīgākie konkrētiem reģioniem vai pilsētām un, gluži pretēji, kuri stili ir populāri visā pasaulē.

Lai to noskaidrotu, Matzens un citi vērsās pie Instagram, kas ļāva viņiem lejupielādēt attēlus piecu kilometru attālumā no noteiktas vietas un piecu dienu laikā pēc noteikta datuma.

Pēc tam komanda identificēja 44 pilsētas, kuras pētīt, un no 2013. gada jūnija līdz 2016. gada jūnijam piecu dienu logos no šīm vietām lejupielādēja kopumā 100 miljonus attēlu.

Viņi izmantoja standarta sejas atpazīšanas programmu, lai filtrētu visus attēlus, kuros nebija sejas, un viņi arī filtrēja redzamu rumpi, atstājot 15 miljonu fotoattēlu kopu, kurā redzama viņu ķermeņa augšdaļa, kā arī viņu atrašanās vieta. un datums.

Pēc tam viņi apmācīja mašīnmācības algoritmu, lai attēlos atpazītu dažāda veida apģērbu un aksesuārus. Piemēram, algoritms iemācījās atpazīt, vai cilvēki valkāja jaku, šalli, kaklasaiti, brilles, cepuri utt. Algoritms varētu arī atpazīt krāsas, kakla izgriezuma stilus un piedurkņu garumu; apģērbu kategorijas, piemēram, T-krekls, kleita vai krekls; un apģērbu modeļi, piemēram, vienkrāsains, svītrains, rūtains utt.

Visbeidzot, viņi ļāva iekārtai zaudēt 15 miljonus fotoattēlu savā datu kopā un pēc tam izmantoja citu algoritmu, lai meklētu attēlu kopas ar līdzīgām vizuālām tēmām un izsekotu, kā tie mainījās laika gaitā un dažādās vietās.

Rezultāti rada interesantu lasīšanu. Klasterizācijas algoritms atrada aptuveni 400 dažādas vizuālās tēmas, piemēram, cilvēki, kas valkā baltus T-kreklus un brilles, vai valkā sarkanus topus ar V-veida kakla izgriezumu vai melnas kleitas, vai vispār nevalkā topus!

Matzen un co pēc tam var izpētīt, kā šīs vizuālās tēmas atšķiras atkarībā no laika un vietas. Viņi, piemēram, atklāja, ka noteiktas krāsas periodiski mainās, jo melnā un brūnā krāsa ir biežāk sastopama ziemā un balta un zila biežāk vasarā.

Citas krāsas parāda dažādus modeļus. Piemēram, sarkanās krāsas popularitāte krītas. Un, lai gan tas ir daudz mazāk periodisks nekā melns vai balts, tas laiku pa laikam pēkšņi kļūst populārs. Matzen un co norāda uz nelielām popularitātes pieaugumu oktobra beigās un decembrī: citiem vārdiem sakot, Helovīnā un Ziemassvētkos. Viņi saka, ka izcēlās liels Ziemassvētku vecīša cepuru sortiments, kā arī negaidīts sarkano Helovīna kostīmu sortiments ar sarkanām cepurēm vai kapucēm.

Viņi arī konstatēja pēkšņu dzelteno kreklu popularitātes pieaugumu Kolumbijā un Brazīlijā 2014. gada jūnija/jūlija futbola Pasaules kausa laikā — abu valstu futbola komandas valkā dzelteno krāsu.

Viņi arī atzīmēja dažādas ģeogrāfiskās tendences. Valstīs, kas atrodas tālāk uz ziemeļiem, mēdz būt vairāk jaku, iespējams, tāpēc, ka ir aukstāks.

Cepures nēsāšana ir arī populārāka aukstākās valstīs. Bet dīvainā kārtā Omāna Tuvajos Austrumos izrādās viena no pasaules galvaspilsētām ar cepurēm. Jo īpaši kuma un masars ir populāri Omānā, jo tie ir svarīgs vīriešu nacionālā tērpa elements, saka Matzens un citi.

Dažas drēbes ir unikālas noteiktām vietām: nigērijas galvassaite ir gele, kas ļoti atšķiras no Lagosas. Un citi stili ir izplatīti visā pasaulē un visa gada garumā, tostarp krekli ar zilu apkakli, rūtaini krekli un melni T-krekli.

Tas ir interesants darbs, kas atklāj mašīnmācības potenciālu, lai izjauktu mūsu sabiedrības kultūras struktūru.

Protams, šī pieeja nav ideāla. Algoritms neiemācījās atšķirt saulesbrilles no recepšu brillēm, kurām sabiedrībā ir atšķirīga loma. Maz ticams, ka attēli atspoguļos visu sabiedrību kopumā, jo Instagram lietotāji ir ļoti novirzīti uz jaunāku demogrāfisko grupu. Un šī tehnika aplūko tikai ķermeņa augšdaļu, jo tiešsaistes attēlos kājas bieži tiek apgrieztas.

Taču pastāv ievērojams potenciāls turpmākajā darbā labot šos trūkumus un iet tālāk. Pastāvīgs izaicinājums mašīnredzēšanā ir noskaidrot, vai cilvēki stāv vai sēž vai ko viņi dara kopumā. Šo datu kopu būtu iespējams arī apvienot ar citiem, piemēram, laikapstākļu un temperatūras datiem.

Kā secina Matzens un viņa kolēģi: lielo datu, mašīnmācīšanās, datorredzes un automatizētas analīzes algoritmu kombinācija radītu ļoti jaudīgu analīzes rīku plašākā veidā modes vizuālajā atklāšanā un daudzās citās jomās.

Skaidrs, ka mums nav jāgaida nākotnes antropologi.

Atsauce: arxiv.org/abs/1706.01869 :StreetStyle: pasaules mēroga apģērbu stilu izpēte no miljoniem fotoattēlu

paslēpties