Durante o re:MARS 2019, um evento promovido pela Amazon com foco em machine learning, automação, robótica e espaço, que aconteceu no início de junho em Las Vegas, Estados Unidos, a própria empresa organizadora anunciou o lançamento de um novo recurso disponível nos seus canais de compra chamado StyleSnap, que pretende ser uma ajuda revolucionária na hora de comprar roupas com determinado estilo.
O vocabulário da moda é complexo e às vezes parece complicado encontrar termos para declarar certas características, sejam tipos de cortes e estampas, sejam questões de caimento. É difícil descrever as qualidades de um vestuário que nos parecem atraentes quando vemos uma foto em rede social ou em uma revista. Se quisermos comprar um item similar, nos deparamos com a árdua tarefa de traduzir nossas preferências a um mecanismo de busca. Por isso, muitas pessoas desistem da comodidade de comprar pela internet e decidem ir até uma loja física para interagir com um vendedor que pode auxiliá-los. É exatamente aí que entra o StyleSnap. A proposta é que o cliente faça o upload de uma foto ou de uma captura de tela contendo o item de vestuário que despertou seu interesse, e a ferramenta fará recomendações de itens à venda no site que correspondam ao estilo original.
O StyleSnap usa princípios de visão computacional e redes de aprendizagem profunda (deep learning) para classificar as imagens recebidas dos clientes, e escolher sugestões entres os milhares de produtos disponíveis. Para tanto, ele foi treinado com imagens de celebridades e influencers, que geralmente são a fonte de inspiração para seu público consumidor. Essas imagens costumam contemplar pessoas nas mais variadas situações, de forma que a rede precisou ser treinada para extrair as informações correspondentes ao vestuário. Como o número de classes finais é elevado, a rede neural contém um número grande de camadas empilhadas. As primeiras camadas, como é característico dessas redes, detecta conceitos como bordas e cores, enquanto que as camadas intermediárias detectam padrões como floral ou jeans. O nível de refinamento da classificação aumenta com a profundidade, e no final do processo, é possível identificar características como caimento e estilo. O StyleSnap ainda considera fatores como marca, faixa de preço e reviews de consumidores, para restringir as recomendações de forma a atender as expectativas do cliente.
Para contornar o problema do vanishing gradient, que faz com que redes muito profundas percam a capacidade de aprender e fiquem estagnadas no processo de treinamento, o algoritmo faz uso de redes residuais, que usam atalhos para permitir que o sinal de treinamento pule algumas das camadas da rede. Essa abordagem permite que a rede aprenda conceitos simples como contornos e estampas primeiro, para focar em conceitos mais complexos apenas nas etapas mais avançadas da rede. Os pesquisadores da Amazon desenvolveram eles próprios um método recorrente para que a rede não se esqueça de aprendizados anteriores, o que potencializa a eficiência do algoritmo no processamento de grandes volumes de dados.
O StyleSnap é uma ferramenta inovativa que pretende aumentar as vendas de vestuário pela internet, ao aproximar o nível de personalização das recomendações com aquele encontrado com atendentes reais. Em paralelo, a Amazon mantém um programa voltado a influencers da moda, que podem se cadastrar e receber comissões pelas compras que eles inspiraram. É uma forma interessante de recompensar todos os integrantes que estimulam o funcionamento do mercado e entregam satisfação ao público consumidor.
