Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
A Prototype of a Machine Learning Based Recognition System for Virtual Fitting Rooms
KTH, School of Information and Communication Technology (ICT).
KTH, School of Information and Communication Technology (ICT).
2017 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

A virtual fitting room is an online application for people to try on clothes by using images of themselves to see how clothes would fit and look. It could be made by recognizing cloth-able sections of a person body on an image and then apply clothes to them. This thesis focuses on the recognition part of a virtual fitting room using machine learning as the method for recognizing a human torso. Recognition was achieved by creating a prototype using the machine learning algorithm AdaBoost to train cascade classifiers to recognize torsos. The prototype is trained to recognize torsos in 1900 positive images and 900 negative images where the conditions were sufficiently lighted to distinct torsos in various backgrounds. When a torso is detected by the prototype it is marked out with a circle. A test data set of 80 images of two subjects is used to verify the prototype. The test data show that the developed prototype identify the correct body part in 44 out of 80 images (60%). The accuracy is continuously increasing with tested higher stages of training. The result show the prototype learned to sometimes recognize the torso of a previously unseen participant as well as the back of the original participant in training. The prototype showed promise for use in future work and could be applied to a virtual fitting room if the rest of the virtual fitting room was built.

Abstract [sv]

Ett virtuellt provrum är en applikation på internet som låter personer testa kläder genom att använda bilder av sig själva för att se hur kläder skulle passa och se ut. Det skulle kunna skapas genom att känna igen klädbara delar av en persons kropp på en bild och sedan klä dem. Det här arbetet fokuserar på igenkänningsdelen av ett virtuellt provrum med maskininlärning som metoden för att känna igen en persons överkropp. Igenkänning uppnås genom att skapa en prototyp som bygger på maskininlärningsalgoritmen AdaBoost som tränar kaskad klassificerare för att känna igen överkroppar. Prototypen är tränad på överkroppsigenkänning på 1900 positiva bilder och 900 negativa bilder där förhållanden var tillräckligt upplysta för att tydligt se överkroppar bland olika bakgrunder. När en överkropp hittas av prototypen markeras den med en cirkel. Ett dataset med 80 bilder av två personer används för att verifiera prototypen. Testbilderna visar att prototypen identifierade korrekt kroppsdel i 44 av 80 bilder (60%). Träffsäkerheten ökade kontinuerligt för testade högre nivåer av träningstillstånd. Resultaten visar att prototypen lärt sig att ibland känna igen överkroppen hos en tidigare osedd person och även bilder av ryggen till personen som använts till träning. Prototypen visar potential för framtida arbeten och skulle kunna användas i ett virtuellt provrum om övriga nödvändiga komponenter redan skulle vara tillgängliga.

Place, publisher, year, edition, pages
2017. , p. 77
Series
TRITA-ICT-EX ; 2017:94
Keywords [en]
AI, Clothing, Recognition, Fitting room, Virtual, Dressing room, Machine learning
Keywords [sv]
AI, Kläder, Igenkänning, Provrum, Virtuell, Maskininlärning
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-215726OAI: oai:DiVA.org:kth-215726DiVA, id: diva2:1149136
Subject / course
Information and Communication Technology
Educational program
Master of Science in Engineering - Information and Communication Technology
Supervisors
Examiners
Available from: 2017-10-13 Created: 2017-10-13 Last updated: 2018-01-13Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
School of Information and Communication Technology (ICT)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 206 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf