Was ist Objekterkennung in der Mode?
Eine Aufgabe der Computer Vision, die einzelne Objekte in einem Bild findet und lokalisiert, typischerweise mit Begrenzungsrahmen (Bounding Boxes).
Kurz erklärt
Objekterkennung (Object Detection) ist eine Aufgabe der Computer Vision, die einzelne Artikel in einem Bild findet und lokalisiert, meist indem sie Rahmen um sie zieht. In der Mode kann sie Tasche, Schuhe und Mantel auf einem Foto voneinander trennen, sodass jedes Teil getaggt, gezählt oder ähnlichen Produkten zugeordnet werden kann.
Wie funktioniert es in der Praxis?
Die Klassifikation sagt, was ein Bild insgesamt zeigt. Die Objekterkennung geht weiter und bestimmt jeden Artikel und seine Position im Bild. Auf einem Streetstyle-Foto kann ein Erkennungsmodell Mantel, Hose, Sneaker und Handtasche getrennt markieren. Jeder erkannte Bereich lässt sich dann an andere Modelle für Attribut-Tagging oder visuelle Suche weitergeben.
Anwendungen in Mode und Handel sind:
- Shop-the-Look-Funktionen, die jeden Artikel in einem gestylten Bild mit Produkten verknüpfen.
- Visuelle Suche, bei der Einkäufer einen einzelnen Artikel in einem vollen Foto auswählen können.
- Regal- und Stangenüberwachung, um Artikel zu zählen und Lücken im Store zu erkennen.
- Kontrollen in der Produktion, um Mängel oder fehlende Komponenten zu lokalisieren.
- Prüfung im Lager von Artikeln in Behältern oder Paketen.
Warum ist das wichtig?
Modebilder zeigen selten ein einzelnes Produkt isoliert. Kampagnenmotive, Lookbooks und Showroom-Fotos kombinieren viele Artikel. Objekterkennung macht diese Bilder als Daten nutzbar, verknüpft Inspirationsbilder mit bestellbaren Styles und hilft Teams, Visual Merchandising und Warenpräsentation zu analysieren.
Wie nutzt KI sie?
Objekterkennung ist meist der erste Schritt einer Verarbeitungskette. Sind die Artikel lokalisiert, vergeben Klassifikationsmodelle Kategorien und Attribute, und Embeddings unterstützen die Ähnlichkeitssuche. Für das Training eines Erkennungsmodells braucht es gelabelte Bilder, auf denen Menschen Rahmen um jeden Artikel gezogen haben; das ist Teil des Data Labelling.
Typische Fallstricke
- Überlappende Artikel. Lagenlooks und Accessoires erschweren das Erkennen von Grenzen.
- Kleine Objekte. Schmuck und kleine Lederwaren werden leicht übersehen.
- Teures Labelling. Das Erstellen von Trainingsdaten mit Rahmen kostet Zeit und muss einheitlich erfolgen.
- Datenschutz. Kameraaufnahmen in Stores können Personen erfassen, daher gelten Datenschutzvorschriften.
Häufige Fragen
Was ist der Unterschied zwischen Objekterkennung und Bildklassifikation?
Die Klassifikation vergibt ein Label für das gesamte Bild, während die Objekterkennung mehrere Artikel identifiziert und zeigt, wo sich jeder davon befindet.
Wie wird Objekterkennung in Shop-the-Look-Funktionen eingesetzt?
Sie findet jedes Kleidungsstück und Accessoire in einem gestylten Bild, und anschliessend wird jeder Artikel ähnlichen oder identischen Produkten im Katalog zugeordnet.
