Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales

La digitalización en la industria de la moda está atrayendo la atención tanto de los consumidores como de los servicios de compra online. Por ello, cada vez es más importante contar con un sistema de recomendación personalizado y eficaz. Sin embargo, la mayoría de los sistemas tradicionales se centr...

Full description

Autores:
Padilla Reyes, Laura Juliana
Bonifaz Oviedo, Natalia
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/34732
Acceso en línea:
http://hdl.handle.net/11634/34732
Palabra clave:
Intelligence Systems and applications
Intelligence Systems
Deep Learning
Technological innovations -- Neural networks
Technological innovations -- Neural networks
Online services for consumers
Innovaciones tecnologicas -- Redes neuronales
Srvicios en linea para consumidores
Prendas de vestir
Sistemas de Inteligencia y aplicaciones
Inteligencia artificial
Deep Learning
Rights
openAccess
License
CC0 1.0 Universal
id SANTTOMAS2_28179fe7fb08314c68099f9e199721d6
oai_identifier_str oai:repository.usta.edu.co:11634/34732
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
title Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
spellingShingle Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
Intelligence Systems and applications
Intelligence Systems
Deep Learning
Technological innovations -- Neural networks
Technological innovations -- Neural networks
Online services for consumers
Innovaciones tecnologicas -- Redes neuronales
Srvicios en linea para consumidores
Prendas de vestir
Sistemas de Inteligencia y aplicaciones
Inteligencia artificial
Deep Learning
title_short Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
title_full Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
title_fullStr Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
title_full_unstemmed Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
title_sort Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales
dc.creator.fl_str_mv Padilla Reyes, Laura Juliana
Bonifaz Oviedo, Natalia
dc.contributor.advisor.none.fl_str_mv Calderon, Juan Manuel
dc.contributor.author.none.fl_str_mv Padilla Reyes, Laura Juliana
Bonifaz Oviedo, Natalia
dc.contributor.corporatename.spa.fl_str_mv Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv Intelligence Systems and applications
Intelligence Systems
Deep Learning
Technological innovations -- Neural networks
Technological innovations -- Neural networks
Online services for consumers
topic Intelligence Systems and applications
Intelligence Systems
Deep Learning
Technological innovations -- Neural networks
Technological innovations -- Neural networks
Online services for consumers
Innovaciones tecnologicas -- Redes neuronales
Srvicios en linea para consumidores
Prendas de vestir
Sistemas de Inteligencia y aplicaciones
Inteligencia artificial
Deep Learning
dc.subject.lemb.spa.fl_str_mv Innovaciones tecnologicas -- Redes neuronales
Srvicios en linea para consumidores
Prendas de vestir
dc.subject.proposal.spa.fl_str_mv Sistemas de Inteligencia y aplicaciones
Inteligencia artificial
Deep Learning
description La digitalización en la industria de la moda está atrayendo la atención tanto de los consumidores como de los servicios de compra online. Por ello, cada vez es más importante contar con un sistema de recomendación personalizado y eficaz. Sin embargo, la mayoría de los sistemas tradicionales se centran en las recomendaciones sin tener en cuenta la relación entre la ropa y el usuario, lo que disminuye la precisión de las recomendaciones. Por ello, se propone un sistema de recomendación de moda basado en las preferencias del usuario. La capacidad de adaptación del sistema viene dada por dos fases. La primera genera una memoria a corto plazo que se actualiza constantemente con las interacciones del usuario. La segunda crea una memoria a largo plazo basada en una DNN. El sistema de recomendación está estructurado en 3 fases: Generador de Bases de Datos, Clasificación de Modelos y Perfilado Implícito. El Generador de Bases de Datos codifica las características visuales de las prendas. El Modelo de Clasificación se ocupa de la puntuación de las recomendaciones. El perfil implícito actualiza la clasificación según las preferencias del usuario. Por último, el sistema se evalúa utilizando imágenes proporcionadas por el usuario. A través de experimentos basados en la interacción con el usuario, el sistema demuestra su capacidad de adaptación al recomendar conjuntos similares a las selecciones anteriores del usuario. El sistema propuesto demostró la capacidad de ajustarse a las preferencias del usuario a través de las interacciones hombre-máquina, tal y como se requiere para este tipo de sistema de recomendación.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-07-03T04:20:29Z
dc.date.available.none.fl_str_mv 2021-07-03T04:20:29Z
dc.date.issued.none.fl_str_mv 2021-06-30
dc.type.local.spa.fl_str_mv Trabajo de grado
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.category.spa.fl_str_mv Formación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.spa.fl_str_mv Bonifaz, N, & Padilla, L. (2021). Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales [Tesis de pregrado, Universidad Santo Tómas]. Repositorio Institucional
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/34732
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.usta.edu.co
identifier_str_mv Bonifaz, N, & Padilla, L. (2021). Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales [Tesis de pregrado, Universidad Santo Tómas]. Repositorio Institucional
reponame:Repositorio Institucional Universidad Santo Tomás
instname:Universidad Santo Tomás
repourl:https://repository.usta.edu.co
url http://hdl.handle.net/11634/34732
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv J. Entwistle,El cuerpo y la moda: una visión sociológica. PaidósBarcelona, 2002
“Globalfashionstatics,”https://fashionunited.com/global-fashion-industry-statistics/, 2021, accessed: 2021-03-20
Online marketing trends -clothing/fashion. available online:,” 2019.[Online]. Available: http://www.econovill.com/news/ArticleView.html?idxno=376137
X. Li, X. Wang, X. He, L. Chen, J. Xiao, and T.-S. Chua, “Hierarchicalfashion graph network for personalized outfit recommendation,” inProceedings of the 43rd International ACM SIGIR Conference onResearch and Development in Information Retrieval, 2020, pp. 159–168
N. Squicciarino and J. L. A. Sánchez,El vestido habla: consideracionespsico-sociológicas sobre la indumentaria. Cátedra Barcelona, 1990.
“Informe del sistema moda noviembre 2020 – sala deprensa.” [Online]. Available: http://www.saladeprensainexmoda.com/informe-noviembre
M. N. Casá, “La mirada semiótica de la moda: la dimensióncomunicativa del vestido,” B.S., Facultad de Ciencia Política yRelaciones Internacionales, 2019
K. Zielnicki, “Simulacra and selection: Clothing set recommendationat stitch fix,” inProceedings of the 42nd International ACM SIGIRConference on Research and Development in Information Retrieval,2019, pp. 1379–1380
“Project muze: Fashion inspired by you, designed by code,”2019. [Online]. Available: https://blog.google/around-the-globe/google-europe/project-muze-fashion-inspired-by-you
R. Díaz Badra, “Clasificador de vestimenta basado en redesneuronales,” B.S. thesis, 2018.
Y. Liang, S.-H. Lee, and J. E. Workman, “Implementation of artificialintelligence in fashion: Are consumers ready?”Clothing and TextilesResearch Journal, vol. 38, no. 1, pp. 3–18, 2020
G. Shani and A. Gunawardana, “Evaluating recommendation systems,”inRecommender systems handbook. Springer, 2011, pp. 257–297
J. Bobadilla, A. Hernando, F. Ortega, and J. Bernal, “A frameworkfor collaborative filtering recommender systems,”Expert Systems withApplications, vol. 38, no. 12, pp. 14 609–14 623, 2011
K. Christidis and G. Mentzas, “A topic-based recommender system forelectronic marketplace platforms,”Expert Systems with Applications,vol. 40, no. 11, pp. 4370–4379, 2013
A. D. R. Oliveira, L. N. Bessa, T. R. Andrade, L. V. L. Filgueiras,and J. S. Sichman, “Trust-based recommendation for the social web,”IEEE Latin America Transactions, vol. 10, no. 2, pp. 1661–1666, 2012
J. B. Schafer, D. Frankowski, J. Herlocker, and S. Sen, “Collaborativefiltering recommender systems,” inThe adaptive web. Springer, 2007,pp. 291–324.
. Sánchez-Contador Uría, “La identidad a través de la moda,”Revistade Humanidades, vol. 29, pp. 131–152, 2016
D. Le Breton,La sociología del cuerpo. Siruela, 2018, vol. 99
A. Lurie,The language of clothes. Random House Inc, 1981
E. C. Hirschman and M. B. Holbrook, “Hedonic consumption: emergingconcepts, methods and propositions,”Journal of marketing, vol. 46,no. 3, pp. 92–101, 1982.
M. N. Casá, “La mirada semiótica de la moda: la dimensióncomunicativa del vestido,” B.S., Facultad de Ciencia Política yRelaciones Internacionales, 2019
P. CHACÓN and L. CASABLANCA, “El hombre vestido. una visiónsociologica, psicologica y comunicativa sobre la moda.”Cartaphilus,no. 13, 2014
M. Margulis and M. Urresti, “Moda y juventud,”Estudios sociológicos,pp. 109–120, 1995
S. Monrós-Sánchez, “Cómo educar la autoestima en educación infantil,”B.S., 2013
F. Sancho Caparrini, “Introducción al aprendizaje automático,”Recuperado de http://www. cs. us. es/ ̃ fsancho, 2017
. Pury, “Fundamentos de aprendizaje automático,”Córdoba, España.Recuperado de http://www. famaf. proed. unc. edu. ar/pluginfile.php/19002/mod_resource/content/2/01. introduccion. pdf, 2015
K. O’Shea and R. Nash, “An introduction to convolutional neuralnetworks,”arXiv preprint arXiv:1511.08458, 2015
S. Khan, Rahmani and Bennamoun,A Guide to Convolutional NeuralNetworks for Computer Vision, ser. Synthesis Lectures on ComputerVision. Morgan and Claypool Publishers, 2018
W. SARLE, “Neural networks and statistical models,” inProceedingsOf The 19th Annual SAS Users Group International Conference. SASInstitute, 1994, pp. 1538–1550.
R. S. Sutton and A. G. Barto,Reinforcement learning: An introduction.MIT press, 2018
D. López and A. Fernández, “Aplicación en los medios de prensade un agrupamiento k-means(clustering k-means),”Revista chilena deeconomía y sociedad., vol. 12, no. 1, 2018
J. Pérez, M. Henriques, R. Pazos, L. Cruz, G. Reyes, J. Salinas, andA. Mexicano, “Mejora al algoritmo de agrupamiento k-means medianteun nuevo criterio de convergencia y su aplicación a bases de datospoblacionales de cáncer,”Liver-2do Taller Latino Iberoamericano deInvestigacion de Operaciones “la IO aplicada a la solución de problemasregionales, pp. 1–7, 2007
W. O. Quesada Moncayoet al., “Generación de comportamientosde enjambre en robots móviles a través del uso del aprendizaje porrefuerzo.” 2019.
L. Sharma and A. Gera, “A survey of recommendation system:Research challenges,”International Journal of Engineering Trends andTechnology (IJETT), vol. 4, no. 5, pp. 1989–1992, 2013
A. Bhardwaj, V. Jagadeesh, W. Di, R. Piramuthu, and E. Churchill,“Enhancing visual fashion recommendations with users in the loop,”arXiv preprint arXiv:1405.4013, 2014
W.-C. Kang, C. Fang, Z. Wang, and J. McAuley, “Visually-awarefashion recommendation and design with generative image models,” in2017 IEEE International Conference on Data Mining (ICDM). IEEE,2017, pp. 207–216
. Jagadeesh, R. Piramuthu, A. Bhardwaj, W. Di, and N. Sundaresan,“Large scale visual recommendations from street fashion images,” inProceedings of the 20th ACM SIGKDD international conference onKnowledge discovery and data mining, 2014, pp. 1925–1934
W. Li and B. Xu, “Aspect-based fashion recommendation withattention mechanism,”IEEE Access, vol. 8, pp. 141 814–141 823, 2020
. Li, L. Cao, J. Zhu, and J. Luo, “Mining fashion outfit compositionusing an end-to-end deep learning approach on set data,”IEEETransactions on Multimedia, vol. 19, no. 8, pp. 1946–1955, 2017
Y. Lin, P. Ren, Z. Chen, Z. Ren, J. Ma, and M. de Rijke, “Improvingoutfit recommendation with co-supervision of fashion generation,” inThe World Wide Web Conference, 2019, pp. 1095–1105
D. Verma, K. Gulati, and R. R. Shah, “Addressing the cold-startproblem in outfit recommendation using visual preference modelling,”in2020 IEEE Sixth International Conference on Multimedia Big Data(BigMM). IEEE, 2020, pp. 251–256
W. Yu, H. Zhang, X. He, X. Chen, L. Xiong, and Z. Qin, “Aesthetic-based clothing recommendation,” inProceedings of the 2018 world wideweb conference, 2018, pp. 649–658.
L. De Divitiis, F. Becattini, C. Baecchi, and A. Del Bimbo, “Garmentrecommendation with memory augmented neural networks,”arXivpreprint arXiv:2012.06200, 2020
M. Hou, L. Wu, E. Chen, Z. Li, V. W. Zheng, and Q. Liu,“Explainable fashion recommendation: A semantic attribute regionguided approach,”arXiv preprint arXiv:1905.12862, 2019
C. Li, Z. Liu, M. Wu, Y. Xu, H. Zhao, P. Huang, G. Kang, Q. Chen,W. Li, and D. L. Lee, “Multi-interest network with dynamic routingfor recommendation at tmall,” inProceedings of the 28th ACMInternational Conference on Information and Knowledge Management,2019, pp. 2615–2623
A. Veit, B. Kovacs, S. Bell, J. McAuley, K. Bala, and S. Belongie,“Learning visual clothing style with heterogeneous dyadic co-occurrences,” inProceedings of the IEEE International Conference onComputer Vision, 2015, pp. 4642–4650
C. Quintero, S. Rodríguez, K. Pérez, J. López, E. Rojas, andJ. Calderón, “Learning soccer drills for the small size league ofrobocup,” inRobot Soccer World Cup. Springer, 2014, pp. 395–406
S. Rodríguez, E. Rojas, K. Pérez, J. López, C. Quintero, andJ. Calderón, “Fast path planning algorithm for the robocup small sizeleague,” inRobot Soccer World Cup. Springer, 2014, pp. 407–418.
G. A. Cardona, W. Moreno, A. Weitzenfeld, and J. M. Calderon,“Reduction of impact force in falling robots using variable stiffness,” inSoutheastCon 2016. IEEE, 2016, pp. 1–6
E. Elibol, J. Calderon, M. Llofriu, C. Quintero, W. Moreno, andA. Weitzenfeld, “Power usage reduction of humanoid standing processusing q-learning,” inRobot Soccer World Cup. Springer, 2015, pp.251–263
E. Elibol, J. Calderon, M. Llofriu, W. Moreno, and A. Weitzenfeld,“Analyzing and reducing energy usage in a humanoid robot duringstanding up and sitting down tasks,”International Journal ofHumanoid Robotics, vol. 13, no. 04, p. 1650014, 2016.
J. Calderon, G. A. Cardona, M. Llofriu, M. Shamsi, F. Williams,W. Moreno, and A. Weitzenfeld, “Impact force reduction using variablestiffness with an optimal approach for falling robots,” inRobot WorldCup. Springer, 2016, pp. 404–415
J. M. Calderon, E. R. Rojas, S. Rodriguez, H. R. Baez, and J. A. Lopez,“A robot soccer team as a strategy to develop educational iniciatives,”inLatin American and Caribbean Conference for Engineering andTechnology, Panama City, Panama, 2012
J. G. G. Marin, G. C. O. Díaz, A. F. T. Rodríguez, and É. C. C. Poveda,“Entorno pedagógico para la enseñanza en básica primaria mediante eluso de sistema robótico comercial,”Ingeniería, vol. 26, no. 1, 2021
H. Báez, K. Perez, E. Rojas, S. Rodriguez, J. López, C. Quintero,and J. M. Calderón, “Application of an educational strategy based ona soccer robotic platform,” in2013 16th International Conference onAdvanced Robotics (ICAR). IEEE, 2013, pp. 1–6.
C. Higuera, F. Lozano, E. C. Camacho, and C. H. Higuera, “Multiagentreinforcement learning applied to traffic light signal control,” inInternational Conference on Practical Applications of Agents andMulti-Agent Systems. Springer, 2019, pp. 115–126.
G. A. Cardona and J. M. Calderon, “Robot swarm navigation andvictim detection using rendezvous consensus in search and rescueoperations,”Applied Sciences, vol. 9, no. 8, p. 1702, 2019.
G. A. Cardona, J. Ramirez-RugelesMojica-Nava, and J. M.Calderon, “Visual v, E. ictim detection and quadrotor-swarm coordinationcontrol in search and rescue environment.”International Journal ofElectrical & Computer Engineering (2088-8708), vol. 11, no. 3, 2021.
. León, G. A. Cardona, A. Botello, and J. M. Calderón, “Robot swarmstheory applicable to seek and rescue operation,” inInternationalConference on Intelligent Systems Design and Applications. Springer,2016, pp. 1061–1070
J. Calderon, A. Obando, and D. Jaimes, “Road detection algorithmfor an autonomous ugv based on monocular vision,” inElectronics,Robotics and Automotive Mechanics Conference (CERMA 2007).IEEE, 2007, pp. 253–259.
J. G. Guarnizo and L. F. Niño, “Clonal selection algorithm applied toobject recognition in mobile robots.” inMLDM (1), 2019, pp. 49–62.
S. Amaya and A. Mateus, “Tasks allocation for rescue robotics:a replicator dynamics approach,” inInternational Conference onArtificial Intelligence and Soft Computing. Springer, 2019, pp. 609–621.
Y. Suarez, C. Higuera, and E. C. Camacho, “Inverse reinforcementlearning application for discrete and continuous environments,”inInternational Conference on Advanced Engineering Theory andApplications. Springer, 2019, pp. 345–355
H. O. Alejandres-Sánchez, J. G. González-Serna, and N. González-Franco, “Efecto de explicaciones sobre la confianza del usuario en sistemas de recomendación sensibles al contexto,”Ingeniería,investigación y tecnología, vol. 17, no. 4, pp. 419–428, 2016
W. Chen, P. Huang, J. Xu, X. Guo, C. Guo, F. Sun, C. Li, A. Pfadler,H. Zhao, and B. Zhao, “Pog: Personalized outfit generation for fashionrecommendation at alibaba ifashion,” inProceedings of the 25th ACMSIGKDD International Conference on Knowledge Discovery & DataMining, 2019, pp. 2662–2670
K. Simonyan and A. Zisserman, “Very deep convolutional networks forlarge-scale image recognition,”arXiv preprint arXiv:1409.1556, 2014
dc.rights.*.fl_str_mv CC0 1.0 Universal
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv CC0 1.0 Universal
Abierto (Texto Completo)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.campus.spa.fl_str_mv CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería Electrónica
institution Universidad Santo Tomás
bitstream.url.fl_str_mv https://repository.usta.edu.co/bitstream/11634/34732/2/license_rdf
https://repository.usta.edu.co/bitstream/11634/34732/5/2021laurapadilla.pdf
https://repository.usta.edu.co/bitstream/11634/34732/4/Carta_aprobacion_Biblioteca.%20%20Padilla%20Reyes%20y%20Bonifaz%20Oviedo.pdf
https://repository.usta.edu.co/bitstream/11634/34732/6/autorizacionfirmada%20%281%29.pdf
https://repository.usta.edu.co/bitstream/11634/34732/7/license.txt
https://repository.usta.edu.co/bitstream/11634/34732/8/2021laurapadilla.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/34732/9/Carta_aprobacion_Biblioteca.%20%20Padilla%20Reyes%20y%20Bonifaz%20Oviedo.pdf.jpg
https://repository.usta.edu.co/bitstream/11634/34732/10/autorizacionfirmada%20%281%29.pdf.jpg
bitstream.checksum.fl_str_mv 42fd4ad1e89814f5e4a476b409eb708c
258d795d952431d165062b4fe07a9ca9
c1160223a5d10c50219405ec6daca537
bff8226e88bb1167fe142146724bd96b
aedeaf396fcd827b537c73d23464fc27
a6a72ce49625d6253f636812a75f3674
786f1fcb0fd126e0502aba8bce2b8fb1
51fb4f477120d21a4f2d42694f073474
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv repositorio@usantotomas.edu.co
_version_ 1782026302534975488
spelling Calderon, Juan ManuelPadilla Reyes, Laura JulianaBonifaz Oviedo, NataliaUniversidad Santo Tomás2021-07-03T04:20:29Z2021-07-03T04:20:29Z2021-06-30Bonifaz, N, & Padilla, L. (2021). Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronales [Tesis de pregrado, Universidad Santo Tómas]. Repositorio Institucionalhttp://hdl.handle.net/11634/34732reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coLa digitalización en la industria de la moda está atrayendo la atención tanto de los consumidores como de los servicios de compra online. Por ello, cada vez es más importante contar con un sistema de recomendación personalizado y eficaz. Sin embargo, la mayoría de los sistemas tradicionales se centran en las recomendaciones sin tener en cuenta la relación entre la ropa y el usuario, lo que disminuye la precisión de las recomendaciones. Por ello, se propone un sistema de recomendación de moda basado en las preferencias del usuario. La capacidad de adaptación del sistema viene dada por dos fases. La primera genera una memoria a corto plazo que se actualiza constantemente con las interacciones del usuario. La segunda crea una memoria a largo plazo basada en una DNN. El sistema de recomendación está estructurado en 3 fases: Generador de Bases de Datos, Clasificación de Modelos y Perfilado Implícito. El Generador de Bases de Datos codifica las características visuales de las prendas. El Modelo de Clasificación se ocupa de la puntuación de las recomendaciones. El perfil implícito actualiza la clasificación según las preferencias del usuario. Por último, el sistema se evalúa utilizando imágenes proporcionadas por el usuario. A través de experimentos basados en la interacción con el usuario, el sistema demuestra su capacidad de adaptación al recomendar conjuntos similares a las selecciones anteriores del usuario. El sistema propuesto demostró la capacidad de ajustarse a las preferencias del usuario a través de las interacciones hombre-máquina, tal y como se requiere para este tipo de sistema de recomendación.\Digitalization in the fashion industry is attracting the attention of both consumers and online shopping services. Therefore, a personalized and efficient recommendation system is becoming increasingly important. However, most of the traditional systems focus on recommendations without considering the outfit-user relationship, decreasing the accuracy of the recommendations. Therefore, we propose a fashion recommendation system based on user preferences. The adaptive capacity of the system is given by two phases. The first one generates a short-term memory that is constantly updated with the user's interactions. The second one creates a long-term memory based on a DNN. The recommendation system is structured in 3 stages: Database Generator, Model Ranking, and implicit profiling. The Database Generator encodes the visual characteristics of the garments. The Ranking Model deals with the scoring of the recommendations. The implicit profiling updates the ranking according to the user's preferences. Finally, the system is evaluated using images provided by the user. Through experiments based on user interaction, the system demonstrates adaptation capabilities by recommending similar outfits to the previous user selections. The proposed system demonstrated the ability to adjust to user preferences through human-machine interactions, as required for this type of recommendation system.Ingeniero Electronicohttp://unidadinvestigacion.usta.edu.coPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaCC0 1.0 UniversalAbierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Desarrollo de un sistema de recomendación inteligente para selección de prendas utilizando análisis de imágenes con redes neuronalesIntelligence Systems and applicationsIntelligence SystemsDeep LearningTechnological innovations -- Neural networksTechnological innovations -- Neural networksOnline services for consumersInnovaciones tecnologicas -- Redes neuronalesSrvicios en linea para consumidoresPrendas de vestirSistemas de Inteligencia y aplicacionesInteligencia artificialDeep LearningTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA BogotáJ. Entwistle,El cuerpo y la moda: una visión sociológica. PaidósBarcelona, 2002“Globalfashionstatics,”https://fashionunited.com/global-fashion-industry-statistics/, 2021, accessed: 2021-03-20Online marketing trends -clothing/fashion. available online:,” 2019.[Online]. Available: http://www.econovill.com/news/ArticleView.html?idxno=376137X. Li, X. Wang, X. He, L. Chen, J. Xiao, and T.-S. Chua, “Hierarchicalfashion graph network for personalized outfit recommendation,” inProceedings of the 43rd International ACM SIGIR Conference onResearch and Development in Information Retrieval, 2020, pp. 159–168N. Squicciarino and J. L. A. Sánchez,El vestido habla: consideracionespsico-sociológicas sobre la indumentaria. Cátedra Barcelona, 1990.“Informe del sistema moda noviembre 2020 – sala deprensa.” [Online]. Available: http://www.saladeprensainexmoda.com/informe-noviembreM. N. Casá, “La mirada semiótica de la moda: la dimensióncomunicativa del vestido,” B.S., Facultad de Ciencia Política yRelaciones Internacionales, 2019K. Zielnicki, “Simulacra and selection: Clothing set recommendationat stitch fix,” inProceedings of the 42nd International ACM SIGIRConference on Research and Development in Information Retrieval,2019, pp. 1379–1380“Project muze: Fashion inspired by you, designed by code,”2019. [Online]. Available: https://blog.google/around-the-globe/google-europe/project-muze-fashion-inspired-by-youR. Díaz Badra, “Clasificador de vestimenta basado en redesneuronales,” B.S. thesis, 2018.Y. Liang, S.-H. Lee, and J. E. Workman, “Implementation of artificialintelligence in fashion: Are consumers ready?”Clothing and TextilesResearch Journal, vol. 38, no. 1, pp. 3–18, 2020G. Shani and A. Gunawardana, “Evaluating recommendation systems,”inRecommender systems handbook. Springer, 2011, pp. 257–297J. Bobadilla, A. Hernando, F. Ortega, and J. Bernal, “A frameworkfor collaborative filtering recommender systems,”Expert Systems withApplications, vol. 38, no. 12, pp. 14 609–14 623, 2011K. Christidis and G. Mentzas, “A topic-based recommender system forelectronic marketplace platforms,”Expert Systems with Applications,vol. 40, no. 11, pp. 4370–4379, 2013A. D. R. Oliveira, L. N. Bessa, T. R. Andrade, L. V. L. Filgueiras,and J. S. Sichman, “Trust-based recommendation for the social web,”IEEE Latin America Transactions, vol. 10, no. 2, pp. 1661–1666, 2012J. B. Schafer, D. Frankowski, J. Herlocker, and S. Sen, “Collaborativefiltering recommender systems,” inThe adaptive web. Springer, 2007,pp. 291–324.. Sánchez-Contador Uría, “La identidad a través de la moda,”Revistade Humanidades, vol. 29, pp. 131–152, 2016D. Le Breton,La sociología del cuerpo. Siruela, 2018, vol. 99A. Lurie,The language of clothes. Random House Inc, 1981E. C. Hirschman and M. B. Holbrook, “Hedonic consumption: emergingconcepts, methods and propositions,”Journal of marketing, vol. 46,no. 3, pp. 92–101, 1982.M. N. Casá, “La mirada semiótica de la moda: la dimensióncomunicativa del vestido,” B.S., Facultad de Ciencia Política yRelaciones Internacionales, 2019P. CHACÓN and L. CASABLANCA, “El hombre vestido. una visiónsociologica, psicologica y comunicativa sobre la moda.”Cartaphilus,no. 13, 2014M. Margulis and M. Urresti, “Moda y juventud,”Estudios sociológicos,pp. 109–120, 1995S. Monrós-Sánchez, “Cómo educar la autoestima en educación infantil,”B.S., 2013F. Sancho Caparrini, “Introducción al aprendizaje automático,”Recuperado de http://www. cs. us. es/ ̃ fsancho, 2017. Pury, “Fundamentos de aprendizaje automático,”Córdoba, España.Recuperado de http://www. famaf. proed. unc. edu. ar/pluginfile.php/19002/mod_resource/content/2/01. introduccion. pdf, 2015K. O’Shea and R. Nash, “An introduction to convolutional neuralnetworks,”arXiv preprint arXiv:1511.08458, 2015S. Khan, Rahmani and Bennamoun,A Guide to Convolutional NeuralNetworks for Computer Vision, ser. Synthesis Lectures on ComputerVision. Morgan and Claypool Publishers, 2018W. SARLE, “Neural networks and statistical models,” inProceedingsOf The 19th Annual SAS Users Group International Conference. SASInstitute, 1994, pp. 1538–1550.R. S. Sutton and A. G. Barto,Reinforcement learning: An introduction.MIT press, 2018D. López and A. Fernández, “Aplicación en los medios de prensade un agrupamiento k-means(clustering k-means),”Revista chilena deeconomía y sociedad., vol. 12, no. 1, 2018J. Pérez, M. Henriques, R. Pazos, L. Cruz, G. Reyes, J. Salinas, andA. Mexicano, “Mejora al algoritmo de agrupamiento k-means medianteun nuevo criterio de convergencia y su aplicación a bases de datospoblacionales de cáncer,”Liver-2do Taller Latino Iberoamericano deInvestigacion de Operaciones “la IO aplicada a la solución de problemasregionales, pp. 1–7, 2007W. O. Quesada Moncayoet al., “Generación de comportamientosde enjambre en robots móviles a través del uso del aprendizaje porrefuerzo.” 2019.L. Sharma and A. Gera, “A survey of recommendation system:Research challenges,”International Journal of Engineering Trends andTechnology (IJETT), vol. 4, no. 5, pp. 1989–1992, 2013A. Bhardwaj, V. Jagadeesh, W. Di, R. Piramuthu, and E. Churchill,“Enhancing visual fashion recommendations with users in the loop,”arXiv preprint arXiv:1405.4013, 2014W.-C. Kang, C. Fang, Z. Wang, and J. McAuley, “Visually-awarefashion recommendation and design with generative image models,” in2017 IEEE International Conference on Data Mining (ICDM). IEEE,2017, pp. 207–216. Jagadeesh, R. Piramuthu, A. Bhardwaj, W. Di, and N. Sundaresan,“Large scale visual recommendations from street fashion images,” inProceedings of the 20th ACM SIGKDD international conference onKnowledge discovery and data mining, 2014, pp. 1925–1934W. Li and B. Xu, “Aspect-based fashion recommendation withattention mechanism,”IEEE Access, vol. 8, pp. 141 814–141 823, 2020. Li, L. Cao, J. Zhu, and J. Luo, “Mining fashion outfit compositionusing an end-to-end deep learning approach on set data,”IEEETransactions on Multimedia, vol. 19, no. 8, pp. 1946–1955, 2017Y. Lin, P. Ren, Z. Chen, Z. Ren, J. Ma, and M. de Rijke, “Improvingoutfit recommendation with co-supervision of fashion generation,” inThe World Wide Web Conference, 2019, pp. 1095–1105D. Verma, K. Gulati, and R. R. Shah, “Addressing the cold-startproblem in outfit recommendation using visual preference modelling,”in2020 IEEE Sixth International Conference on Multimedia Big Data(BigMM). IEEE, 2020, pp. 251–256W. Yu, H. Zhang, X. He, X. Chen, L. Xiong, and Z. Qin, “Aesthetic-based clothing recommendation,” inProceedings of the 2018 world wideweb conference, 2018, pp. 649–658.L. De Divitiis, F. Becattini, C. Baecchi, and A. Del Bimbo, “Garmentrecommendation with memory augmented neural networks,”arXivpreprint arXiv:2012.06200, 2020M. Hou, L. Wu, E. Chen, Z. Li, V. W. Zheng, and Q. Liu,“Explainable fashion recommendation: A semantic attribute regionguided approach,”arXiv preprint arXiv:1905.12862, 2019C. Li, Z. Liu, M. Wu, Y. Xu, H. Zhao, P. Huang, G. Kang, Q. Chen,W. Li, and D. L. Lee, “Multi-interest network with dynamic routingfor recommendation at tmall,” inProceedings of the 28th ACMInternational Conference on Information and Knowledge Management,2019, pp. 2615–2623A. Veit, B. Kovacs, S. Bell, J. McAuley, K. Bala, and S. Belongie,“Learning visual clothing style with heterogeneous dyadic co-occurrences,” inProceedings of the IEEE International Conference onComputer Vision, 2015, pp. 4642–4650C. Quintero, S. Rodríguez, K. Pérez, J. López, E. Rojas, andJ. Calderón, “Learning soccer drills for the small size league ofrobocup,” inRobot Soccer World Cup. Springer, 2014, pp. 395–406S. Rodríguez, E. Rojas, K. Pérez, J. López, C. Quintero, andJ. Calderón, “Fast path planning algorithm for the robocup small sizeleague,” inRobot Soccer World Cup. Springer, 2014, pp. 407–418.G. A. Cardona, W. Moreno, A. Weitzenfeld, and J. M. Calderon,“Reduction of impact force in falling robots using variable stiffness,” inSoutheastCon 2016. IEEE, 2016, pp. 1–6E. Elibol, J. Calderon, M. Llofriu, C. Quintero, W. Moreno, andA. Weitzenfeld, “Power usage reduction of humanoid standing processusing q-learning,” inRobot Soccer World Cup. Springer, 2015, pp.251–263E. Elibol, J. Calderon, M. Llofriu, W. Moreno, and A. Weitzenfeld,“Analyzing and reducing energy usage in a humanoid robot duringstanding up and sitting down tasks,”International Journal ofHumanoid Robotics, vol. 13, no. 04, p. 1650014, 2016.J. Calderon, G. A. Cardona, M. Llofriu, M. Shamsi, F. Williams,W. Moreno, and A. Weitzenfeld, “Impact force reduction using variablestiffness with an optimal approach for falling robots,” inRobot WorldCup. Springer, 2016, pp. 404–415J. M. Calderon, E. R. Rojas, S. Rodriguez, H. R. Baez, and J. A. Lopez,“A robot soccer team as a strategy to develop educational iniciatives,”inLatin American and Caribbean Conference for Engineering andTechnology, Panama City, Panama, 2012J. G. G. Marin, G. C. O. Díaz, A. F. T. Rodríguez, and É. C. C. Poveda,“Entorno pedagógico para la enseñanza en básica primaria mediante eluso de sistema robótico comercial,”Ingeniería, vol. 26, no. 1, 2021H. Báez, K. Perez, E. Rojas, S. Rodriguez, J. López, C. Quintero,and J. M. Calderón, “Application of an educational strategy based ona soccer robotic platform,” in2013 16th International Conference onAdvanced Robotics (ICAR). IEEE, 2013, pp. 1–6.C. Higuera, F. Lozano, E. C. Camacho, and C. H. Higuera, “Multiagentreinforcement learning applied to traffic light signal control,” inInternational Conference on Practical Applications of Agents andMulti-Agent Systems. Springer, 2019, pp. 115–126.G. A. Cardona and J. M. Calderon, “Robot swarm navigation andvictim detection using rendezvous consensus in search and rescueoperations,”Applied Sciences, vol. 9, no. 8, p. 1702, 2019.G. A. Cardona, J. Ramirez-RugelesMojica-Nava, and J. M.Calderon, “Visual v, E. ictim detection and quadrotor-swarm coordinationcontrol in search and rescue environment.”International Journal ofElectrical & Computer Engineering (2088-8708), vol. 11, no. 3, 2021.. León, G. A. Cardona, A. Botello, and J. M. Calderón, “Robot swarmstheory applicable to seek and rescue operation,” inInternationalConference on Intelligent Systems Design and Applications. Springer,2016, pp. 1061–1070J. Calderon, A. Obando, and D. Jaimes, “Road detection algorithmfor an autonomous ugv based on monocular vision,” inElectronics,Robotics and Automotive Mechanics Conference (CERMA 2007).IEEE, 2007, pp. 253–259.J. G. Guarnizo and L. F. Niño, “Clonal selection algorithm applied toobject recognition in mobile robots.” inMLDM (1), 2019, pp. 49–62.S. Amaya and A. Mateus, “Tasks allocation for rescue robotics:a replicator dynamics approach,” inInternational Conference onArtificial Intelligence and Soft Computing. Springer, 2019, pp. 609–621.Y. Suarez, C. Higuera, and E. C. Camacho, “Inverse reinforcementlearning application for discrete and continuous environments,”inInternational Conference on Advanced Engineering Theory andApplications. Springer, 2019, pp. 345–355H. O. Alejandres-Sánchez, J. G. González-Serna, and N. González-Franco, “Efecto de explicaciones sobre la confianza del usuario en sistemas de recomendación sensibles al contexto,”Ingeniería,investigación y tecnología, vol. 17, no. 4, pp. 419–428, 2016W. Chen, P. Huang, J. Xu, X. Guo, C. Guo, F. Sun, C. Li, A. Pfadler,H. Zhao, and B. Zhao, “Pog: Personalized outfit generation for fashionrecommendation at alibaba ifashion,” inProceedings of the 25th ACMSIGKDD International Conference on Knowledge Discovery & DataMining, 2019, pp. 2662–2670K. Simonyan and A. Zisserman, “Very deep convolutional networks forlarge-scale image recognition,”arXiv preprint arXiv:1409.1556, 2014CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repository.usta.edu.co/bitstream/11634/34732/2/license_rdf42fd4ad1e89814f5e4a476b409eb708cMD52open accessORIGINAL2021laurapadilla.pdf2021laurapadilla.pdfapplication/pdf16177340https://repository.usta.edu.co/bitstream/11634/34732/5/2021laurapadilla.pdf258d795d952431d165062b4fe07a9ca9MD55open accessCarta_aprobacion_Biblioteca. Padilla Reyes y Bonifaz Oviedo.pdfCarta_aprobacion_Biblioteca. Padilla Reyes y Bonifaz Oviedo.pdfapplication/pdf172933https://repository.usta.edu.co/bitstream/11634/34732/4/Carta_aprobacion_Biblioteca.%20%20Padilla%20Reyes%20y%20Bonifaz%20Oviedo.pdfc1160223a5d10c50219405ec6daca537MD54metadata only accessautorizacionfirmada (1).pdfautorizacionfirmada (1).pdfapplication/pdf411471https://repository.usta.edu.co/bitstream/11634/34732/6/autorizacionfirmada%20%281%29.pdfbff8226e88bb1167fe142146724bd96bMD56metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/34732/7/license.txtaedeaf396fcd827b537c73d23464fc27MD57open accessTHUMBNAIL2021laurapadilla.pdf.jpg2021laurapadilla.pdf.jpgIM Thumbnailimage/jpeg5102https://repository.usta.edu.co/bitstream/11634/34732/8/2021laurapadilla.pdf.jpga6a72ce49625d6253f636812a75f3674MD58open accessCarta_aprobacion_Biblioteca. Padilla Reyes y Bonifaz Oviedo.pdf.jpgCarta_aprobacion_Biblioteca. Padilla Reyes y Bonifaz Oviedo.pdf.jpgIM Thumbnailimage/jpeg6292https://repository.usta.edu.co/bitstream/11634/34732/9/Carta_aprobacion_Biblioteca.%20%20Padilla%20Reyes%20y%20Bonifaz%20Oviedo.pdf.jpg786f1fcb0fd126e0502aba8bce2b8fb1MD59open accessautorizacionfirmada (1).pdf.jpgautorizacionfirmada (1).pdf.jpgIM Thumbnailimage/jpeg7609https://repository.usta.edu.co/bitstream/11634/34732/10/autorizacionfirmada%20%281%29.pdf.jpg51fb4f477120d21a4f2d42694f073474MD510open access11634/34732oai:repository.usta.edu.co:11634/347322022-11-22 03:12:17.628open accessRepositorio Universidad Santo Tomásrepositorio@usantotomas.edu.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

Publicaciones similares