Loading
f5c7f3f4d850bad5bc0dcf538bce183f

Украинский стартап Cluise создал приложение, которое само подбирает пользователю одежду в магазине

Команда Cluise уже больше года разрабатывает приложение — «умного» стилиста для шоппинга. Стартап получил инвестиции от Дмитрия Сергеева, основателя Depositphotos, а также попал на страницы Washington Post. Сегодня команда выкатила большое обновление своего приложения для iOS и Android, которое теперь умеет само подбирать пользователю одежду из ассортимента в магазине, при этом ее сразу можно купить. В связи с крупным обновлением разработчики опубликовали приложение на Product Hunt.

Раньше приложение могло анализировать стиль пользователя на основе загруженных фото одежды, рекомендовать то, что подойдет к персональному стилю, советовать продать то, что пользователь редко носит, создавать ежедневные образы, в том числе – на основании и погоды за окном. Когда пользователь начинает пользоваться приложением и нажимает на кнопку «Одень меня», Cluise предлагает базовые образы. Но когда владелец смартфона начинает добавлять свои вещи и луки, приложение учится подбирать новые комбинации под его стиль и вкус.

Украинский стартап Cluise создал приложение, которое само подбирает пользователю одежду в магазине

После обновления приложение научилось подбирать вещи из магазина – сейчас стартап сотрудничает уже с 25 украинскими магазинами, где продаются вещи украинских брендов (Podolyan, Kachorovska и т.д.). Эти рекомендации базируются на загруженных фото одежды, а также истории лайков этих фото. Понравившуюся одежду пользователь может купить прямо из приложения. Появилась и функция виртуальной примерки: она показывает, с какими вещами из собственного гардероба покупка лучше сочетается. Процесс подбора выглядит так:

Украинский стартап Cluise создал приложение, которое само подбирает пользователю одежду в магазине

Все эти «фишки» работают на машинном обучении, как рассказывает Кирилл Трусковский, machine learning software engineer. «Для распознавания вещей мы используем Convolutional neural networks и на данный момент достигли точности 89%, это очень хороший результат. Для системы рекомендаций мы используем content based recommender – предлагаем пользователю вещи основываясь на том, что у него уже есть и что ему нравится», – говорит  он.

Напомним, ранее мы писали об украинской команде, которая создала модный кулон SenStone, умеющий переводить голосовые записи в текст.

Источник

1

Автор публикации

не в сети 6 лет

Alexa

42
Комментарии: 3Публикации: 76Регистрация: 28-03-2012

Отправить ответ

Оставьте первый комментарий!

Войти с помощью: 
  Subscribe  
Notify of
Авторизация
*
*
Войти с помощью: 
Регистрация
*
*
*
Войти с помощью: 
Генерация пароля