В статье раскрывается взаимодействие культурных традиций Востока и Запада и их влияние на формирование модных тенденций. Политические и экономические события на прямую или косвенно оказывают влияние на потребности покупателя, соответственно на моду и тренды. Статья посвящена процессу проектирования современной коллекции на основе культурных традиций двух государств: Древнего Китая, как представителя Востока, древней Греции, как яркого представителя западной цивилизации. Культурное наследие этих государств настолько масштабно и значимо, что не может не оказывать влияние на развитие новых тенденций и трендов в мировой модной индустрии. Тренд на возвращение истории и культуры разных народов, слияние различных культур с применением современных тенденций - интересный эксперимент, в ходе которого могут родиться совершенно новые формы и образы современного костюма. В статье дан аналитический обзор костюмного комплекса Древнего Китая и Древней Греции, проведен сравнительный анализ формы, конструкции, символического, орнаментального, колористического решения женской и мужской одежды в исторической ретроспективе. Рассмотрены этапы разработки современной женской коллекции с возможностью внедрения искусственных нейронных сетей в качестве инструментария, расширяющего возможности дизайнера - от поиска идеи до его представления в виртуальном пространстве. Важным в создании коллекции является этап художественного эскизного проектирования, когда ранее полученные в процессе исследования исторических костюмов наработки преобразовываются в новые уникальные современные образы и изделия.
В статье подробно представлена методика создания специализированной базы данных изображений дефектов посадки одежды с использованием пассивных методов сбора визуальной информации. Исследование охватывает три основных подхода: поиск, по ключевым словам, анализ архивов производственного брака швейных фабрик и сбор пользовательских изображений с торговых онлайн платформ. Пассивные методы продемонстрировали свою эффективность, позволив за 3 месяца собрать более 2 500 изображений, детально показывающих различные типов дефектов. Такой подход оказался менее затратным по сравнению с организацией специальных съемок и показал огромное преимущество. Особую ценность представляют данные полученные с маркетплейсов, отражающие реальные эксплуатационные проблемы, которые сложно воспроизвести искусственно в лабораторных условиях. Созданная база данных классифицирует дефекты по пяти основным типам: горизонтальные складки, вертикальные складки, наклонные складки, угловые заломы. База данных реализована в формате интерактивных форм, предусмотрена возможность фильтрации по нескольким параметрам, включая тип изделия, размерную группу и материал. Перспективы работы связаны с дополнением базы данными, полученными активными методами, такими как 3D-моделирование, что позволит охватить редкие и сложные виды дефектов, которые имеют важное значение для полноценного исследования проблем, возникающих при посадки одежды. Полученные результаты исследования представляют практическую выгоду для производства одежды, экспериментального цеха, а также для разработчиков систем автоматизированного контроля качества продукции.
В статье рассматривается актуальность использования рабочих перчаток как средств индивидуальной защиты (СИЗ) на промышленных предприятиях РФ, включая металлообрабатывающие, деревообрабатывающие и сельскохозяйственные компании. Проанализированы различные типы защитных перчаток (химические, термостойкие, устойчивые к порезам и проколам) и соответствующие технологии производства. Особое внимание уделено классификации перчаток по категориям безопасности (I, II, III) и ценовым сегментам, отражающим уровень защиты, за счет использования более прочных нитей. Обозначена проблема высокого уровня травматизма верхних конечностей на предприятиях, особенно в деревообрабатывающей и текстильной отраслях. Предлагается решение в виде разработки модели перчатки из смесовой пряжи с усилением опасных зон арамидной нитью, созданной с использованием цифрового станочного моделирования и нейросети YandexART, что позволит повысить безопасность и снизить производственный травматизм. Эффективность СИЗ, в частности рабочих перчаток, напрямую связана со снижением риска производственных травм. Согласно статистике, травмы рук составляют значительную долю общего количества несчастных случаев на производстве. Использование неподходящих или изношенных перчаток нивелирует защитный эффект, что приводит к увеличению числа повреждений. Внедрение инновационных решений в производство СИЗ является необходимым условием для повышения уровня безопасности на промышленных предприятиях. Использование в разработанной модели перчатки современных технологий, таких как цифровое станочное моделирование, искусственный интеллект, позволяет создавать более эффективные и эргономичные средства защиты, адаптированные к конкретным условиям труда.
В данной статье представлен подход к разработке и реализации нейронной сети на языке Python, направленной на автоматическое распознавание одежды на основе изображений из датасета, состоящего из шести категорий. Технология может быть использована для создания базы данных, где описание станет ключом к нахождению определенного вида одежды.
Основная цель исследования заключалась в создании модели машинного обучения, способной классифицировать текстильные изделия. В рамках работы был использован датасет, включающий изображения одежды, разделенные на категории верхней одежды: жакеты, рубашки, рубашки поло, майки, футболки и худи. Несмотря на тщательную предобработку данных, предполагающую изменение размера изображений и нормализацию цветовых значений, точность распознавания категорий одежды составила всего 16 %. Это стало следствием недостаточной размерности датасета и схожести двух категорий, что значительно затрудняло процесс их различения. Код нейронной сети включает в себя несколько ключевых компонентов: предобученная сеть VGG16, два полносвязных слоя (Dense), слои Flatten и Dropout. Архитектура сети была настроена в соответствии с лучшими практиками, однако ограничения исходных данных оказали негативное влияние на итоговые результаты.
Результаты эксперимента подчеркивают необходимость использования более обширных и разнообразных наборов данных для повышения точности классификации. В статье обсуждаются возможные пути улучшения модели, включая методы обогащения данных, которые могут помочь повысить точность модели.
Заключение статьи акцентирует внимание на вызовах в области применения глубинного обучения для распознавания объектов и их классификации, а также подчеркивает важность адекватного выбора и подготовки данных для успешной работы нейронных сетей в реальных задачах.