Šio darbo tikslas - ištirti klasifikatorių taikymus drabužių madų imtims. Sukurti modeliai turėtų būti pateikiami kaip taikomoji programa arba integruoti į elektroninės parduotuvės ar kitą panašią informacinę sistemą.
Duomenų šaltiniai: https://www.kaggle.com/datasets/paramaggarwal/fashion-product-images-dataset/data https://www.kaggle.com/datasets/zalando-research/fashionmnist/data
Galimi šaltiniai: „Gilaus mokymosi vaizdų klasifikavimas mados dizainui“ – Šiame straipsnyje nagrinėjamas konvoliucinių neuroninių tinklų (CNN) naudojimas mados vaizdams klasifikuoti naudojant „Fashion-MNIST“ duomenų rinkinį. Jame aptariamos įvairios CNN architektūros, aktyvinimo funkcijos, optimizatoriai ir iškritimo rodikliai, siekiant optimizuoti našumą. https://onlinelibrary.wiley.com/doi/pdf/10.1155/2022/7549397
„Mados vaizdų klasifikavimas naudojant mašininio mokymosi metodus“ – Šiame tyrime pristatomas CNN pagrįstas mados prekių klasifikavimo į kategorijas metodas, naudojant „Fashion-MNIST“ duomenų rinkinį. Jame taip pat įtraukiami tokie metodai kaip perkėlimo mokymasis ir duomenų papildymas, siekiant pagerinti tikslumą. https://ijrpr.com/uploads/V4ISSUE12/IJRPR20242.pdf
„Mados vaizdų klasifikavimas naudojant mašininį mokymąsi“ – Šiame straipsnyje daugiausia dėmesio skiriama CNN naudojimui su „Fashion-MNIST“ duomenų rinkiniu, kuriame yra Zalando stiliaus drabužių vaizdai. Jame pateikiamos įžvalgos apie modelių mokymą ir vertinimas. https://link.springer.com/chapter/10.1007/978-981-99-1909-3_41
The aim of this work is to investigate the applications of classifiers to clothing fashion samples. The developed models should be presented as an application or integrated into an e-commerce or other similar information system.
Data sources: https://www.kaggle.com/datasets/paramaggarwal/fashion-product-images-dataset/data https://www.kaggle.com/datasets/zalando-research/fashionmnist/data
Available sources: Deep Learning Image Classification for Fashion Design” – This paper explores the use of convolutional neural networks (CNNs) for classifying fashion images using the Fashion-MNIST dataset. It discusses various CNN architectures, activation functions, optimizers, and dropout rates to optimize performance. https://onlinelibrary.wiley.com/doi/pdf/10.1155/2022/7549397
“Fashion Images Classification using Machine Learning Techniques” – This study presents a CNN-based approach for classifying fashion items into categories using the Fashion-MNIST dataset. It also incorporates techniques like transfer learning and data augmentation to improve accuracy. https://ijrpr.com/uploads/V4ISSUE12/IJRPR20242.pdf
“Fashion Image Classification Using Machine Learning” – This article focuses on using CNNs with the Fashion-MNIST dataset, which includes Zalando-style clothing images. It provides insights into model training and evaluation. https://link.springer.com/chapter/10.1007/978-981-99-1909-3_41
| Bakalauro kursinio darbo | | Bakalauro baigiamojo darbo |
| Duomenų modeliavimas (reliacinių, struktūruotų ir nestruktūruotų duomenų modeliavimas, duomenų valdymo ir specializuotų duomenų bazių taikymai ir tyrimai) |
| Moderniosios interneto paslaugos (moderniųjų interneto paslaugų kūrimas ir jų tyrimai kontekstualizuotose aplinkose, pavyzdžiui, mobiliose, mikro servisuose) |
| Paslaugų integracija (moderniųjų informacinių sistemų, paslaugų ar kitų išorinių komponentų integracija pagal taikymo sritį, architektūrinių sprendinių kūrimas bei tyrimai, įskaitant įvairių taikomųjų sričių signalų apdorojimo uždavinius) |