时尚电商:使用计算机视觉寻找合身的衣服
目录
一、网购服装的问题
2.SmartTry如何利用计算机视觉让买布变得更简单
3.教程
4.Jupyter-Notebook 幻灯片
5、架构与实现
6.潜在收益机型
那是 2019 年 10 月,我表弟的婚礼大约在一周后举行。和其他人一样,我面临着两难境地——穿什么?斗争是真实的。
所以我就在商场里和我的兄弟一起挑选衬衫,因为每个人都知道一件很棒的衬衫不会出错,对吧?我挑选了一些,并正在寻找一个可以试穿的地方,然后再决定购买哪些。终于找到合适的地方了。
这是一个合身的房间。
我试穿了它们,在检查了自己(并得到了我哥哥的认可)之后,我买了那些正好合适的。接下来的一周,我穿着其中一件去参加婚礼。我看起来很棒。请叫我GQ。
像许多人一样,我不是特别喜欢购物,但我容忍试衣间,因为它让我有机会在公开场合之前了解一切。第一次得到合适的衣服意味着不必回到商店返回和第 2 轮。我就是这样有效率的。
它有不同的名称——更衣室、更衣室、审判室。你知道,那些带有大镜子和灯光的小隔间让你看起来像《行尸走肉》中的额外角色吗?进门前,工作人员拦住你,吼道:“对不起,一次只能带4件”,然后你就像——“我能把7件都带进来吗?我不会花太长时间的! " ——只是为了让你可以在接下来的 45 分钟内进行装扮?

是啊,他们挺不错的,不是吗?
但随后 2020 年发生了——大多数人会因为一个非常具体的原因而记住这一年。随着社交距离协议和严格的卫生规定,买衣服变得更加困难。
大小问题
这不像 2020 年迫使我们自己纺布。在线订购衣服很简单,但它带来了一系列全新的问题。
我们大多数人都在网上购买过东西。电子产品、家用电器、书籍或厨具。但其中,购买服装往往是最棘手的。购买智能手机、笔记本电脑或其他小工具非常简单——您只需要担心规格和设计是否满足您的需求,以及是否获得正面评价。书籍、手袋甚至珠宝首饰也是如此。
但是衣服?仅靠评论不会削减它。
你可能和我一样讨厌去买衣服。这可能非常令人厌烦。但是你必须承认它至少有点明确。在服装店,挑选自己喜欢的东西往往是最难的部分。但是一旦你找到了一些东西,事情就变得简单了。抓住你的尺码,试穿,看看自己。
然而,随着网上购物,一切都被颠倒了!寻找正确的东西很容易——这要归功于所有主流电子商务平台不断改进的搜索功能。 但是要合身吗? 并不像看起来那么容易。

难怪网上服装购物的平均退货率高达 32%,这让几家电子商务零售商“掏空了口袋”。以下是一些 wrinkle-inducing 统计数据:
-
几乎每 3 件在线购买的服装中就有 1 件被退回。
-
2019年,大约2600亿美元的零售商品被退回,其中300亿美元来自服装。
-
退货成本估计接近15亿美元。每次退货的成本在 5 美元到 15 美元之间。
人们退回在线购买的服装的三大原因是什么?
这里有一些统计数据会在你的额头上产生 creses...,就是这样! -
-
尺码不符是最大的因素,有 43% 的在线购物者将此作为原因。
-
质量和颜色不匹配弥补了29%。
-
22% 的购物者认为有必要在家中模拟试用室。
尽管有这些统计数据,但在线购物并没有消失。越来越多的用户在 COVID 后在线购物:
-
由于美国的 COVID-19,27% 的客户从线下转为线上。
-
即使在 COVID 之后,12% 的客户更愿意继续在线购买。
不用说,在线购物将继续存在。这也包括服装购物,这会带来尺寸不匹配问题。
尺寸不匹配问题导致每年 10 亿美元的退货并影响库存计划,导致电子零售商遭受重大损失。
尺寸不匹配不仅仅是衣柜故障,而是一个巨大的问题!
在Egen,我们决定解决这个问题。
SmartTry
在电子商务时代开始之前,人们如何知道某件衣服是否适合他们?
解决方案很简单。如果您要购买一件新衬衫,您只需将它与您已经拥有的另一件衬衫进行比较——一件已经最适合您的衬衫。最好的部分是,您甚至不需要在试衣间试穿这件衬衫,而且大多数时候它仍然非常适合您!
这就是 SmartTry 所做的——它使用户能够将他们现有的最合身的衣服与他们想要在线购买的新衣服进行比较。
简约到极致,变成优雅。
SmartTry 是如何工作的?
假设您尝试从亚马逊或 mango.com 在线购买 T 恤,如下图所示 -

在您的下一次 Zoom 会议中,您会发现一件极致的白色 T 恤,让您轻松酷炫。但是您以前从未在 Mango 购买过 T 恤,那么您将如何知道它的合身度。 (我们不会对尺寸不一致的咆哮。你知道的。我们都知道。)
你做什么工作?如果不合适,您不想经历必须退货的整个考验!
正是您和许多其他人的痛点。在这里,SmartTry 的用户体验可以保证_让你大吃一惊_!
特点
单击绿色 SmartTry 按钮会在屏幕上的弹出窗口中打开 SmartTry 插件:

-
SmartTry 插件会显示您想要购买的 T 恤或服装,以及您之前最适合您的比较。
-
单击_将新服装添加到比较_图标,您可以将您当前拥有的服装图片上传到 SmartTry 平台。您将使用它来上传您当前最合身的 T 恤的照片。
-
上传服装时,它会被添加到_推荐商品_部分和您的_收藏_,下方有一个显示_比较_的按钮。单击左侧的 Collection 选项卡还将向您显示所有以前的上传内容,这些内容被整齐地组织在类别中:

最后,当您单击 Compare 时,SmartTry 会在后台运行它的魔力,并向您展示您的选择有多合适!

-
蓝色T恤边框代表您当前用于比较的最合适的T恤,而黑色边框是您要购买的T恤。
-
在右侧,您将能够看到您选择的 T 恤和当前最合身的精确尺寸。这有助于您轻松比较两者之间的差异。 (让我们面对现实吧。每个站点都有一个尺寸表。在单击添加到购物车之前,没有人会拿出卷尺。问题解决了。)
-
在此示例中,Small 大小似乎有点太小了 - 67% 匹配。但不用担心!既然你这么喜欢这件T恤,你可以在不同的尺码之间切换:


中号是 94% 的合身度。
您现在可以购买尺寸合适的服装,并且完全知道它会适合您!
生活并不完美,但你的着装该死的可以!
揭开魔法的面纱
如果你是一名程序员,我敢肯定你现在想知道——
SmartTry 如何在幕后真正发挥作用,您如何构建它?
好吧_卷起袖子_,因为我们整理了一个教程供您学习!
你将学到什么
无论用户交互的模式是什么,SmartTry 的力量都来自计算机视觉技术,它可以比较两种不同的服装并分析它们的测量差异。在接下来的几分钟内,我将向您介绍如何构建此算法。
-
您将使用OpenCV,这是最流行和广泛使用的计算机视觉和机器学习库之一。
-
对于编写代码,您将使用Jupyter-Notebook,这是一个开源 Web 应用程序,允许您创建和共享包含实时代码、方程式、可视化和叙述性文本的文档。
致智者的一句话
为了理解本教程,一些 Python 知识是必不可少的。如果您以前没有使用过 Python,我强烈推荐您在继续阅读本文的其余部分之前学习这门关于Python 简介的免费课程。
为什么选择 Python? 因为它相当容易学习,而且 Python 生态系统有很多用于计算机视觉、机器学习等的工具和库。一旦你构建了算法,Python 也有几个 web 框架允许你围绕这个特性构建一个服务。
教程
转到这个github 链接,然后按照说明下载并安装项目依赖项。然后,在项目根目录中运行 jupyter-lab 并创建一个新的 Python3.x 笔记本文件。下一个,
前往Jupyter 教程并按照概述的步骤构建您自己的程序,计算给定 T 恤的准确测量值!
或者
转到下面的 Binder 链接并直接在浏览器中执行代码,无需安装麻烦。
smarttry.ipynb 笔记本有完整的源代码和说明供您阅读。您可以选择直接运行它,或者按照教程在新的笔记本文件中自己编写代码。
幻灯片
如果您更喜欢快速浏览一下逻辑,这里有一个简短的幻灯片:
所以来吧,戴上你的思考帽,玩得开心!
我们在 Egen 开发的第一个 SmartTry 版本实现了 91.7% 的服装测量精度!希望您能够在按照教程编写程序时将其用作性能基准。我很想知道你的准确度得分是什么样的!
后续步骤
一旦你开发了你的程序,你就可以将它集成到一个网络服务中,并通过一个 API 来公开它。这是我们在 Egen 设计的架构实现:

它不止于此!这种功能的未来范围是巨大的:
-
在网站上,SmartTry 可以轻松集成到任何现有的电子商务平台中——作为弹出窗口、可安装插件、平台集成,甚至作为浏览器扩展。
-
将 SmartTry 集成到移动应用程序中,让您更轻松地上传服装照片。
-
您可以维护一个通用的 SmartTry 配置文件,该配置文件将存在于多个电子商务网站中。
-
一个历史页面,可以快速查看过去的比较。
和更多!
潜在收入模型
作为与产品交互的各方之间的中介,是近年来许多企业正在探索的一种模式。 SmartTry 被设计为一个易于添加的高精度插件,使其成为新业务和现有电子商务平台采用的真正有力竞争者。以下是一些非常可行的收入模式(尽管它们绝不是详尽的清单):
-
在线购物的按成本付费SaaS模型。定价可能基于对 SmartTry 平台进行的 API 调用次数,例如,每 1 个 API 调用 0.001 美元。
-
用户的大小和购物数据及其不同的人口统计数据
-
将流量从我们的平台发送到“首选”电子商务网站
-
店内企业包年授权模式
-
免费增值模式,基本功能可免费使用,升级或更高级功能可按月订阅。
总结
正确的东西常常被方便的东西遗忘。显然,在时尚电子商务领域也是如此——如果采用正确的方法,可以节省近 10 亿美元 美元的成本和回报!减少服装退货也将转化为减少碳排放、物流和浪费——从而帮助地球穿上绿色衣服!
积分
开发这个想法和概念的所有功劳归于Egen的 SmartTry 团队,该团队由 Arif、Gagan、Anmol 和 Aatman 组成。 🙌🏼
更多推荐

所有评论(0)