想想你最近一次被激发去尝试新造型的时候——从Instagram上看到的一件可爱的扎染上衣，到最新一期《Vogue》杂志上一位明星穿着高定连衣裙。后来，当你试图想出最好的词来描述这种样子时，你发现你不是一个诗人。你努力寻找合适的词语来解释领口的形状，或者波点图案的间距，当你尝试基于文本的搜索时，结果与你所追求的趋势相去甚远。

在回复:MARS 2019大会今天，亚马逊宣布了一项功能，可以解决这个问题。

引入StyleSnap

StyleSnap是一项人工智能功能，可以帮助你购物——你所需要做的就是给你喜欢的款式拍张照片或截屏。消费者全球首席执行官Jeff Wilke在re: MARS主题会议上宣布了这一功能，他说:“客户体验的简单性掩盖了其背后技术的复杂性。”

要开始，你所要做的就是点击亚马逊应用程序右上角的相机图标，并选择“StyleSnap”选项;然后只需上传一张你喜欢的时尚造型的照片或截图。StyleSnap将为您推荐亚马逊上与照片中的外观相匹配的类似商品。在提供建议时，StyleSnap会考虑各种因素，如品牌、价格范围和客户评论。

创新的幕后

虽然StyleSnap为客户提供了无缝的体验，但构建此特性并非易事。生活方式的图片和网红的帖子是不可预测的，姿势和地点一样不同——从一个网红在室内café享受羊角面包，到一个名人在阳光明媚的海滩上在伞下享受莫吉托。

StyleSnap使用计算机视觉和深度学习来识别照片中的服装，而不受背景的影响。深度学习技术还有助于将图像中的服装分类为“合身的连衣裙”或“法兰绒衬衫”等类别。

深度学习推动时尚发现

深度学习是指一类基于人工神经网络的机器学习技术，其灵感来自人脑的工作方式。神经网络由数百万个相互连接的人工神经元组成，通过输入一系列图像来“训练”神经网络来检测服装图像。例如，如果我们向一个网络提供数千张及地长裙和手风琴裙的图片，它最终将能够分辨出这两种风格的区别。然而，如果我们给它一条苏格兰短裙，它可能会感到困惑，并预测一个错误的类别，直到提供足够多的例子来训练它。

为了让神经网络识别更多的类，我们可以在彼此之上堆叠更多的层。前几层通常学习诸如边缘和颜色等概念，而中间层则识别诸如“碎花”或“牛仔布”等图案。在通过所有层之后，算法可以准确地识别图像中的合身和服装风格等概念。

然而，我们必须更进一步——前馈神经网络在添加了一定数量的层后将会失速并最终退化。这就是所谓的消失梯度问题，其中来自训练数据的信号在层之间如此分散，以至于完全丢失。

Amazon使用剩余网络来克服这个问题，因为他们使用捷径来允许训练信号跳过网络中的一些层。这有助于网络首先学习“边缘”和“模式”等基本特征，然后专注于复杂的概念。Amazon研究人员开发的一种独特方法允许网络在学习新概念的同时记住过去学过的东西——这对于使StyleSnap能够有效地处理大量数据至关重要。

影响接触

StyleSnap可以让客户通过简单地截取他们喜欢的服装的截图来发现鼓舞人心的时尚发现，它还可以帮助时尚网红扩大他们的社区。此外，时尚网红们的参与亚马逊网红计划也有资格获得他们激发的购买的佣金。

类似于在亚马逊在线商店、Amazon Go或Whole Foods购物，StyleSnap是亚马逊如何利用人工智能来改变客户生活的最新例子。

“我们高度创新，以客户为中心，我们将继续为客户创造新的体验，让他们发现他们想要和喜爱的产品。我们对StyleSnap感到非常兴奋，它使我们的客户能够在亚马逊上直观地购买时尚产品，”杰夫·威尔克说。

**有兴趣参与亚马逊影响者计划的时尚影响者，学习更多的知识。
**现有的亚马逊影响者，了解更多关于StyleSnap。

**StyleSnap目前只适用于连衣裙，上衣和下装。