时尚界已经成长在过去十年每年5.5％，根据麦肯锡全球时尚指数， 2016年估计价值2.4万亿美元。
同一份报告中说，它已被挑战追逐。销售增长放缓至最多百分之三通过的2016年报告的结尾还表示，服装企业已在内部创新，重塑行业，如缩短时尚周期
服装零售商提供的电子邮件营销工具个性化的消息，靶向不同的部分，例如常规的购物者或无活性的购物者，以及那些放弃车。
远离时尚前沿，机器人技术已进入零售商的工厂和仓库，以提高生产力和效率。
本文将重点介绍如何应用程序正在使用的人工智能的策略：
- 市场营销和购买建议
- 市场情报和趋势预测
- 在服装生产机器人
下面的应用程序零售方式使用多种AI技术 - 从计算机视觉的机器人。所有仍然需要从个人消费者还是企业经营者的投入，无论是提供个人信息，电子邮件地址，上传图片。
市场营销和购买建议
亲和
一个独立的推荐引擎是亲和，移动应用程序，使用机器学习和个人用户输入有关的个人风格，贴合，体形，甚至事件的服装是否合适提出了各种长相的。首先，用户需要通过点击一个心脏或X符号，它要求他们对利率的时尚单品的调查。该公司声称，这个过程中所教导的用户的个人风格偏好的算法和该数据发送到应用程序的时尚搜索和推荐工具。
一旦用户已签约，她将接受符合她的风格和喜好是策划项目的每周建议。亲和遵循一个联盟计划的商业模式，用户在亲和的网站或应用程序，这直接带来了他们到零售商的网站点击一个项目。当客户进行购买，这提供亲和与零售商的利润削减。
在iOS移动应用或网站上，该公司展示了多种从运动服装，鞋，服装，牛仔裤，包包，首饰和眼镜产品。在现有的品牌Stella McCartney的，内曼·马库斯，J船员，Louboutin的，纽约Barneys和Jimmy Choo的。目前，该应用需要使用的Android手机。
CEO霍尔茨阿比盖尔在说访问：
“我们使用的技术的东西像大的计算和分析 - 揭开偏好，评级和评分算法等最大的问题[与计算机视觉和机器学习】质量/精确度，虽然它也是构建即使是轻度不错的机型的情况下归类我们所有的属性，可能会需要数年时间，并且需要不断的转动和再培训。随着时间的推移，我们将利用越来越多的计算机视觉和机器学习代替手工人类的过程，但我们会一直重点发展解决远高于全自动化的问题。”
在创立亲和力，霍尔茨在谷歌的一名产品经理，从2010年它不是然而很清楚，谁是负责在公司或者霍尔茨管理AI相关的项目AI的进步。
从我们的研究，我们找不到有关该公司与零售商工作的任何案例。
服饰
服饰是询问用户输入他们的电子邮件地址和许可的方式购买访问电子邮件收据衣橱管理应用程序。然后，它声称能确定已经在用户的衣柜什么服装。利用这些数据，该公司声称，它的算法可以建议使用用户现有的片外观，并且可以匹配用户当前的风格的服装建议。据该公司介绍，该应用程序的收藏功能，建议还没有被购买，可以推荐能够完成用户的衣柜项目衣柜的识别方面。
应用显示了3分钟的视频回顾了用户如何将项目添加到衣柜和收藏。点击产品图片上提供了有关该项目的用户详细信息。该应用程序或网站还设有一些设计师从他们的用户可能会发现提示。
在公司内部，奥斯卡·梅希亚导致机器学习的发展。他拥有哈佛大学计算机软件工学硕士学位。
从网站上看，不清楚哪些品牌和零售商是Finery的客户。我们找不到这种产品的案例研究。
钩
钩是销售给消费者哪些，该公司声称，可以随时掌握全球流行趋势，收集客户数据点，找到多个零售商外观相似的物品的搜索引擎。
由开发智能节点在美国，该应用程序声称使用深度学习算法，让零售商能够收集和分析客户数据点——具体的关键字、在线导航模式、购物车中的价格点、实际购买情况和他们的“喜好”等等——从而确定用户搜索的内容。
此外，据报道，该应用程序能够跟踪准确的和接近的匹配他们的产品，潜在地给零售商机会来区分自己，该公司声称。据该网站称，该应用程序包含了超过5000个品牌的商品，如Gap、JC Penny、H&M、Old Navy、TopShop和耐克。
在消费者方面，使用移动应用程序或在线网站，他们可以比较价格，找到相似的产品，收到销售提醒，并跟踪数百个品牌的时尚趋势。
首先，用户可以上传他们想要搜索和购买的服装的图像。应用程序的算法访问在线目录它携带，并配备了策划的建议，显示在下面的视频短片。视频也叫裁缝另一个推荐引擎比较挂钩。
雅森G.季米特洛夫是首席分析和首席数据官智能节点四年。在公司内部，他所领导的数据科学团队，负责的实际运作使用机器学习的分析。
从我们的研究中，我们找不到任何关于胡克与任何零售商工作的任何案例。我们也找不到关于智能节点的网站该特定产品的案例研究。
Vue.ai
Vue.ai，一个电子商务平台开发的疯狂街窝，声称它的AI驱动的电子邮件营销解决方案称为VueMail实时报价电子邮件个性化让客户参与后，他们离开了Vue的电子商务网站。
类似于其他应用程序，Vue公司的网站声称，以允许用户做出偏好档案，同时还挑选一种不同的产品。当用户将放弃购物车，机器学习算法注意到产品的详细信息，并发送个性化的电子邮件，其建议具有相似的颜色，图案，削减和风格类似的产品。
该公司声称，该算法也有区别普通消费者的能力，并装备建议发送个性化的电子邮件。该算法选择基于之前由顾客购买的产品的建议。
个性化的电子邮件的另一种类型包含产品促销活动，旨在提高购物者的持续忠诚度的机会。按照网站，这些电子邮件发送给不活跃的客户，并展示基于其购买历史策划建议和报价。
下面给出了2分钟的视频Vue.ai电子商务网站，并解释机器学习，深度学习和计算机视觉技术如何协同工作，为每个网站访问者的个性化内容。
根据视频，第一次使用的用户最初显示在主页上流行的品牌或产品类别。该算法注意到用户的行为，如通过产品类别浏览，包括摄像机，或品牌，如三星。将更多的时间购物者在网站上花费，更多的数据收集的关于他们的行为，其训练的AI技术更好。
在案例分析，Vue.ai宣称的电子商务市场实现发送VueMail个性化电子邮件给客户后，在收入增长5至15个百分点。在点选打开率的另一个不愿透露姓名的美国服装零售商的电子商务锯46％的增长，实现双后VueMail行业平均水平的收益。客户是不知名的，所以我们建议读者采取有所保留的结果。
在个性化的电子邮件的顶部，Vue.ai通过疯狂的街头小室还声称对AI供电目录标签提供的解决方案，造型和搜索，并针对目录经理，采购员和产品经理。一种解决方案称为VueTag用于牧师项在在线目录与属性，例如类别，性别，颜色，图案，衣长，袖长及领口。
开始使用VueTag，用户首先上载图像和产品说明给应用程序。应用程序的计算机视觉算法被训练以提取产品的视觉属性，例如类别，性别，颜色，图案，套筒长度，领口，剪影。他们还可以基于文本信息的标签图像。一旦标签被提取，该程序发送标签到Vue公司的团队成员的质量保证。如果他们发现的形象已经不准确标记，其被发送回系统的再培训。最后，已标记的图像传送到在线目录。
Zilingo是一个汇集东南亚时尚品牌的电子商务市场。公司使用了一套Vue。人工智能应用时，它正在建立网站。为了帮助商家简化产品描述和图片的管理，该公司表示他们使用了VueTag。这帮助了该公司的数千名卖家，他们每个月销售5000至10000件产品。
客户声称，该应用程序简化了卖家的流程，因为它消除了人工输入产品细节的需要。客户补充说，这不仅使策展更快，而且更准确。Zilingo的首席执行官Ankiti Bose说:“可购物的视频和自动标签让我们的生活变得更加美好。”
该公司列出的Levis，梅西，柴油和Cosabella都是其客户之一。
科斯塔科尔伯特，首席科学官狂街小室，在电气工程和计算机科学理学硕士学位;以及来自约翰霍普金斯大学生物医学工程。他还拥有医学博士学位，从弗吉尼亚大学神经科学。
市场情报和趋势预测
Stylumia
Stylumia是该公司声称可以尝试预测流行趋势与深度学习和人工智能技术的帮助下，市场的智能应用。据该公司的网站，应用程序能够利用非结构化计算机视觉，自然语言处理，行为数据并将其转换为时尚的见解。
这个应用程序是针对服装及服饰制造商，品牌商，零售商或者谁可能使用这些分析数据来做出明智的决策以及对未来流行趋势的见解的时尚和生活方式的影响力。
要使用该应用程序或网站，零售客户可以登录和搜索的颜色，产品或样式。该公司声称，它的应用程序可以然后收集照片零售商的电子商务网站，社交媒体和客户行为数据的文字说明显示在客户端的数据，直观的图表为中心周围，他们已经搜查了产品或风格的仪表盘。该公司声称，它也可以使用这些分析提供了一个未来的展望图形可视化和有一定时尚潮流是否会成功的建议。
用例这种应用的一个例子是，在一个时装秀。在一个博客岗位Stylumia网站上，该公司介绍了如何应用程序可以从各大时尚活动中提取数据，其中40名设计师可以提出共24000件衣服了一个赛季。
Stylumia的博客指出，应用程序也有能力使用的计算机启用视觉镜头的服装拍摄图像。虽然时装秀正在进行，应用程序的算法将开始通过颜色和形状将类似衣物的图像：动物印花连衣裙，解构和服和外套，黑色和红色为主题的服装，以及其他类似的趋势在事件。
据该公司称，这些数据可以被时装秀的组织者和设计师分析，他们需要发现趋势并预测下一季的趋势。
另一个由创始人兼CEO Ganesh Subramanian描述的用例是基于文本的关键字搜索由设计师或服装生产厂家。用户可以描述他们正在寻找的风格，比如“黄色和紫色条纹的衬衫。”应用程序的自然语言处理算法将抓取通过网络查找该项目的图像。
该公司声称机器学习应用程序可以识别社交媒体网站，如Instagram的Pinterest的和发展趋势，并可以训练的颜色和轮廓。它也将搜索即使关键字拼写错误的正确项。
该应用程序的计算机视觉技术可以区分物品的正确的颜色，已经在RGB（红，绿，蓝）系统的确切属性和颜色值的培训。
Subramanian还声称，该算法可以在视频中爬行，使用深度学习神经网络通过光学映射确定服装的颜色，并提取视频中服装的颜色直方图。
在案例研究中，一位不愿透露姓名客户希望在2017年开始设计T恤的收集，利用当地和国际品牌为灵感在过去的两个月里展开设计。客户端指定的最畅销的前10％的设计和Stylumia返回与设计根据人气排名。该设计包括迷彩印花，对比色的口袋，圆领插肩和水平条纹。
设计者然后合并这些趋势，并收到了来自业务团队审批看到由应用程序提供的排名后产生一定的数量。案例研究声称，衬衫三周内五个交易市场在赛季结束售罄。
该公司声称，有40个客户，其中包括Aeropostale的，Myntra，Wrogn，了Fastrack，W，比芭，全球德西和彪马。
目前，该公司没有一位高管拥有深厚的人工智能专业知识。boost首席数据科学家阿布舍克•塔库尔(Abhishek Thakur)表示。ai，作为Stylumia的ai顾问。他拥有波恩大学的计算机科学硕士学位。
在服装生产机器人
抓住它
抓住它声称其机器人称为Stackit是自动化系统，该系统的用途机器人，机器学习，计算机视觉和算法，以自动化鞋的生产。该公司表示，机器人的机器学习算法能够分层项目比人类快20倍。
其手中都配有产生静电，可以处理材料，如皮革上的电夹持器;网格和复合纤维;和其他材料薄于一个横行。它也可以处理重达50公斤箱。
Stackit的设计工作，全厂员工。计算机视觉算法确定所述材料应如何堆叠，并且点亮一连接玻璃表所在的工厂雇员应该设置产品下来的部分。机器人的性电平台拿起材料，而计算机视觉功能的摄像机监控进度。该机器还可以移动到一个部分完成的鞋的鞋并将其放到热压。
下面的短视频演示Stackit如何处理各种类型的材料从金属织物，玻璃和印刷电路板，等等。机器人的夹持器的用途技术电粘附，这是当它们经受静电两个表面的粘合性。
公司有投资人募集资金25亿$，与耐克。
该公司没有官方的案例研究，但新闻报道据称，组装一双耐克鞋需要堆积多达40块材料才能制成鞋面，而这一过程需要人工花费20分钟才能完成。报告称，使用Stackit，这一过程的速度将提高20倍，每双鞋面速度为50秒，或在8小时内学习300至600双耐克鞋面。报告称，按照这个速度，耐克将在两年后获得投资回报。
除了鞋子，该公司的网站声称，该机器人还可以在制造的服装，汽车和航空航天工艺被应用。一种耐克新闻发布报道说，Grabit目前的客户包括一些世界500家强企业等行业的自动化立体仓库，包裹处理，消费电子产品和纺织品。目前的投资者包括形成8，德雷珀的Nexus，蛋花资本，耐克，三星，兄弟工业，ABB，上海电气，弯曲，NTT DoCoMo和溢达集团
戒普拉拉德，是联合创始人兼技术与产品官Grabit。此前，他率领的高级零部件集团在SRI国际和发明了人工肌肉公司，由拜耳材料科技收购。他获得了博士学位和M.S.来自马里兰大学，和他的理学士学位航空航天工程从技术研究院在特利奇，印度工程机械。
SewBots
SewBots通过SoftWear自动化据该公司介绍，这是一款电脑视觉机器人，可以缝制鞋类、t恤、枕头、浴垫、汽车脚垫和毛巾。该公司的网站解释说，这些机器人的设计目的是通过“映射”布料和其他材料的表面来稳定和缝制布料和其他材料。
Sewbot的计算机视觉算法检测织物扭曲和机器人对其进行调整。计算机视觉还引导在切削机器人，缝合接缝，增加一个套筒，以及跨一个70英尺长的T恤生产线检查物品的质量。缝制过程移动至针，而不是通过一个固定的缝纫机的织物运动。
机器人的机器视觉系统能够准确，该公司声称的半毫米内精确跟踪针放置到的。其图像处理算法驱动的相机可以捕捉超过每秒1000帧，以查看每个线程，添加的CEO。
总部位于亚特兰大的机器视觉和机器人启动后七年的研发与DARPA和沃尔玛基金会的项目工作纺佐治亚理工学院出来。
CEO Palaniswamy拉詹描述了这样的一个人裁缝的机器人的缝制工艺，
“他们做的第一件事就是用自己的眼睛，并根据他们的眼睛，他们与他们的手指和手和胳膊肘和脚织物的微观和宏观的操作。因此，一个机器人复制所有这些功能。”
下面的视频有前任CEO KP雷迪解释了机器人利用计算机视觉相机在织物的顶部和底部如何缝钮扣：
目前，“下水道机器人”只能批量生产简单的物件，这些物件需要有限的缝纫技能，比如缝边和装订。根据该网站的说法，这些机器能够生产一台T恤衫22秒。该鞋子上workline可以产生一个在26秒内上缝合。
一个客户是天源服装有限公司苏州，中国，大规模生产衬衫阿迪达斯全球的。该公司也是它的客户中计艾利丹尼森：提供压敏功能材料的公司;品牌;纺织和标签解决方案的零售服装市场。
首席技术官巴雷特·克拉克负责“岁月号”的开发和部署。他在俄亥俄州立大学获得了机械工程硕士学位。
最后的想法
从我们的研究，我们看到，很多侯爵时装零售商都给予支付，如购买的切割，才能有自己的产品特色和出售电子商务网站与推荐引擎。这似乎寻找到像钩服饰与应用程序时是这样。通过其他的研究中，我们也看到，许多零售商都带来了第三方内置的推荐引擎专门为自己的网站。
我们也看到在机器人设计和设计趋势预测应用的增长，这可能与侯爵公司怎么样关联亚马逊和Facebook的均与人工智能技术设计clothes.While试验IBM还与Tommy Hilfiger的技术的时装学院合作，谷歌展示了其新款服装通过项目慕泽。
但是，它可能需要一段时间的设计工作离开了人的手，并传递给机器人，根据MIT技术评论，作为人类仍具有较强的优势，当谈到创新。随着机器人的应用程序在此列表中指出的那样，我们同样看到，机器人检测和管理简单所需的任务，同时还需要人来处理复杂的设计策略。
标题图片来源：Pixabay
