Uppdaterat öppet dataset tar AI för cirkulärt mode till nästa nivå
Det världsunika dataset för second hand-kläder som utvecklades inom projektet AI för cirkulärt mode har fått en rejäl uppgradering. Tack vare en omfattande omarbetning av materialet blir det betydligt lättare för forskare och utvecklare att träna AI-modeller för att analysera och sortera textilier. Resultatet: ett skarpare verktyg i arbetet för en cirkulär textilindustri.
Det ursprungliga datasetet omfattade över 90 000 bilder med annoteringar kopplade till bland annat material, användningsområde, stil och skick. Mathias Bräck, innovationstekniker på Science Park Borås, har nu vidareutvecklat materialet genom flera viktiga åtgärder.
- Bakgrundsborttagning för att minska visuellt brus och stärka modellens fokus på plagget.
- Standardisering av bildstorlek för integrering i djupinlärningsmodeller.
- Datarensning och strukturering för förbättrad kvalitet, konsekvens och användarvänlighet.
Resultatet är ett renare, mer enhetligt och optimerat dataset som bevarar all värdefull metadata från originalet och samtidigt öppnar för helt nya användningsområden. Databasen är särskilt väl lämpad för att träna och finjustera moderna bildmodeller som Vision Transformers (ViT). Det omarbetade datasetet finns publicerat på Hugging Face vilket gör det lättillgängligt för forskare och utvecklare världen över.
– Genom att standardisera och rensa datasetet har vi skapat ett verktyg som är betydligt mer användbart för AI-utvecklare. Det här gör att forskare och företag kan träna modeller på ett mer effektivt sätt och snabbare testa nya idéer. Att datasetet dessutom är tillgängligt öppet via Hugging Face underlättar spridningen och skapar samarbetsmöjligheter på en global nivå, säger Mathias Bräck, innovationstekniker på Science Park Borås.
Nya möjligheter för AI och cirkulära flöden
Med hjälp av Hugging Face-plattformen kan användare enkelt ladda ner datasetet, integrera det i träningsskript, använda det direkt i Python och dra nytta av inbyggd versionshantering och dokumentation för bättre reproducerbarhet.
Arbetet skapar förutsättningar för nästa steg: att bygga AI-modeller som inte bara lär sig känna igen enskilda egenskaper hos textilier, utan även kombinationer, något som kan få stor betydelse för utvecklingen av automatiserad sortering och analys av textila flöden. Ett annat framtida spår är att komplettera datamängden genom augmentering, vilket kan förbättra balansen mellan olika kategorier i datasetet.
– AI spelar en central roll i att bygga framtidens cirkulära textilindustri. Genom att utveckla och dela öppna dataset kan vi påskynda innovationen och bidra till nya lösningar som gör återanvändning och materialåtervinning mer effektiv. Arbetet med det här datasetet visar på vilken kraft som finns när öppenhet, teknik och hållbarhet förenas, säger Susanne Eriksson, projektledare på Wargön Innovation.
Arbetet med att ombearbeta datasetet har genomförts inom ramen för det projektet Innovationsmiljö för hållbar produktion och cirkulära flöden, finansierat av Europeiska Regionala Utvecklingsfonden, Västra Götalandsregionen, Vänersborgs kommun och Fyrbodals kommunalförbund.