Disons que vous êtes en train de feuilleter un magazine de style de vie, ou regarder une photo de salon de quelqu’un, et vous repérez une lampe ou une chaise qui irait bien dans votre propre maison. Mais comment allez-vous trouvez exactement la même ? Un nouveau système, mis au point par des chercheurs de l’Université Cornell, peut faire passer des photos de meubles à travers un réseau d’apprentissage neuronal profond et identifier le fabricant, le modèle et où l’acheter.
Si vous tapez sur Google, une vague description d’un meuble, comme « chaise en cuir rouge», il est fort probable que vous allez récupérer un grand nombre de résultats indésirables. Aussi, le Dr Sean Bell et le professeur Kavita Bala ont conçu un réseau neuronal dans la veine de Shazam, l’application qui écoute un extrait de la musique et en quelques secondes vous fait apparaître le titre, l’artiste, l’album de la chanson et d’autres détails.
Le système développé à l’Université Cornell scanne des photos d’objets, et compare leur forme, couleur et caractéristiques par rapport à une base de données d’«images iconiques» prises à partir des catalogues des fabricants et des sites Web. De là, il renvoie la meilleure correspondance, ainsi que des détails sur le fabricant et sa disponibilité.
« Il semble que beaucoup de personnes veulent acheter des objets qu’ils voient dans la maison de quelqu’un d’autre ou sur une photo, mais ils ne savent pas où chercher», assure Sean Bell, l’un des auteurs de l’article.
Les communautés en ligne comme Houzz, Pinterest et LikeThatDecor permettent aux utilisateurs de partager des informations sur les produits, y compris où les acheter, mais les chercheurs ont voulu automatiser et rationaliser ce processus au sein d’un service.
Des Images de pièces dans des maisons, avec des boîtes tirées autour des éléments d’intérêt, onté alimentées par la foule (crowdsourcing) et introduits dans un réseau neuronal ainsi que leurs images iconiques pour entrainer le système à reconnaître des objets. Plutôt que d’attendre que le système passe en revue toute la base de données, la gamme des correspondances est réduite en analysant d’abord largement l’image sur ses bords et ses lignes, pour éliminer les plus évidentes de mauvaises réponses. Puis le système regarde les parties et les formes plus spécifiques, avant de rechercher des objets entiers dans une liste maintenant beaucoup plus petite.
Les chercheurs ont formé une start-up, Grokstyle, pour mettre en œuvre le service et le faire fonctionner sur une base d’abonnement pour les revendeurs et les concepteurs, et à l’avenir, des systèmes similaires pourraient être développés pour d’autres domaines tels que les vêtements.
http://www.news.cornell.edu/stories/2016/08/where-can-i-buy-chair-app-will-tell-you
http://dl.acm.org/citation.cfm?id=2766959
http://www.cs.cornell.edu/~kb/publications/SIG15ProductNet.pdf
