Los sistemas de búsqueda tradicionales de las webs o aplicaciones móviles que realizan las búsquedas mediante un simple texto han evolucionado, dando paso así a los nuevos sistemas basados en la búsqueda por imágenes.
En el caso de las empresas del sector de la moda, la búsqueda por imágenes permite encontrar recomendaciones de productos similares al que aparece en una imagen subida por un usuario. La gran mayoría de estos sistemas utilizan técnicas de aprendizaje profundo, ideales para trabajar con datos no estructurados como lo son las imágenes. A pesar de ello, algunos de estos modelos presentan ciertos problemas, sus recomendaciones no son lo precisas que deberían ser.
El presente trabajo detalla la generación de un sistema completo, siguiendo para ello la metodología de desarrollo del “ciclo de vida clásico” del software. El sistema permite a un usuario obtener mejores recomendaciones en tiempo real que las ofrecidas por algunos de los sistemas actuales.
Para lograrlo se ha investigado e implementado varios modelos de redes neuronales convolucionales (CNN) en Python, siguiendo una metodología propia para esta tarea CRISP-DM. Para el entrenamiento y la validación se hace uso de un gran paquete de imágenes etiquetadas, mientras que para la generación de las propias redes se utiliza la API de Keras. Cada red extrae uno de los atributos del producto de una imagen, gracias a la combinación de estos, es posible encontrar otros productos similares.
El sistema se compone de un servidor en Python que hace uso de las redes neuronales y de un cliente para Android desarrollado en Android Studio, creado a partir de algunos bocetos. Integradas ambas partes, se muestran los satisfactorios resultados de las recomendaciones obtenidas en la aplicación móvil para diferentes productos.
Buscar en Dimension
