Inspiration
Lo que nos inspiró para llevar a cabo la propuesta fue la posibilidad de aprender más acerca de Adidas, acerca de la forma de trabajar en una de las últimas tecnologías (Machine Learning) mediante un framework de Google (Tensorflow), además de la capacidad que teníamos de hacer un impacto en la empresa proponiendo un incremento comercial en las funcionalidades de la empresa.
What it does
Nuestro proyecto es un concepto, una idea, un prototipo de lo que puede ser una gran idea comercial. Se trata de una nueva sección en la página web de Adidas, donde un usuario cualquiera puede subir una foto de unas zapatillas y mediante operaciones en background de machine learning, nosotros seremos capaces de identificar dichas zapatillas e indicarle el modelo y donde conseguirlos.
How we built it
Lo hemos construido usando Node.js para el servidor y TensorFlow en conjunto con Bazel para la parte de machine learning. El frontend está hecho con HTML5, Javascript, Bootstrap, Jquery y CSS aunque no está integrado con el backend sino que es un simple prototipo. Hemos entrenado la red con cientos de fotos de todos los modelos de zapatillas proporcionados en la ucode y además hemos tomado cientos de fotos de cosas que NO representan zapatillas. En base a eso, hemos conseguido entrenar la red con un 75% de datos de entrenamiento (unas 500 fotos) y 25% de validación, consiguiendo una eficacia del 99% en las predicciones de los modelos de zapatillas proporcionados por la ucode. Además, solemos tener eficiencias del 80% en predicción de cosas que no son zapatillas. Hay un dato curioso sobre esto, que lo hemos enfocado al ámbito comercial, ¿Que pasa si subimos una foto de unas zapatillas que no son de Adidas? Nuestra propuesta es considerarla como si fuera de Adidas, puesto que comercialmente puede interesar redirigir a un usuario a la página de una zapatilla de Adidas parecida a la que el ha introducido.
Challenges we ran into
Los retos abordados empiezan por la adquisición y el entendimineto de una herramienta completamente nueva, comprenderla y ser capaz de configurarla y trabajar con ella de una manera comoda, asi mismo conseguir un buen porcentage de aciertos de manera que la maquina sea capaz de determinar de una manera segura los diferentes modelos. De la misma manera crear un modelo de página usable e intuitiva que pudiera ser escalable con vistas a un futuro negocio dentro de la empresa.
Accomplishments that we're proud of
Nos sentimos orgullosos de nuestra aplicacion porque es innovadora ya que es aplicable al ambito comercial de forma inmediata. Hemos logrado obtener un programa que es capaz de identificar los diferentes modelos de zapatillas con un alto porcentaje de exito logrando obtener una gran cantidad de datos para entrenar la red neuronal. El programa es altamente escalable a mas modelos de zapatillas. Esto lo hemos conseguido gracias a un buen trabajo en equipo, colaborando todos en equipo de forma rapida y ordenada.
What we learned
El reto nos ha aportado una base de conocimiento sobre TensorFlow, facilitando en cierta medida el aprendizaje de nuestra red neuronal sobre productos de Adidas, basandose en la idea de Machine Learning. Además, se ha comprendido la importancia de una gran batería de datos de entrada para generar unos resultados óptimos en el proceso de entrenamiento. Por otra parte, se han asentado ciertos conocimientos en el uso de tecnologías web, enfocados en HTML, CSS y Javascript. Resaltando la dificultad de enlazar ciertos recursos con nuestra página web. Por último, y sin menospreciar al resto de aptitudes, se ha aprendido la importancia de una buena coordinación con el equipo de desarrollo para conseguir unos resultados satisfactorios acordes al reto presentado.
What's next for adidasPhantoms
Lo proximo sería llevar el prototipo a la implementación real, añadiendo una sección nueva en la página web para integrar la funcionalidad comercial de identificar una zapatilla por una foto subida por un cliente.
Log in or sign up for Devpost to join the conversation.