Op de verjaardag van de koning in Thailand - gevierd als Vaderdag - dragen mensen vaak gele overhemden met het woord 'DAD'.

Op FreakNight in Seattle - een dance-muziekevenement dat rond Halloween wordt gehouden - dragen feestvierders meestal mouwloze shirts, ondanks het koele weer.

En in september 2013 1,2 miljoen mensen - velen gekleed in gele overhemden en blauwe sjaals - sloegen armen om de Catalaanse onafhankelijkheid van Spanje te steunen.

Dit zijn enkele van de wereldwijde inzichten die zijn verkregen uit GeoStyle, een nieuwe kunstmatige-intelligentietool ontwikkeld door Cornell-onderzoekers die miljoenen openbaar beschikbare foto's scant om modetrends over de hele wereld effectief te identificeren, evenals tradities en evenementen met kenmerkende stijlen.

"Veel mensen uploaden voortdurend foto's van zichzelf op internet, omdat ze hun stijl willen delen met hun vrienden en de rest van de planeet, " zei Kavita Bala, professor en voorzitter informatica en senior auteur van "GeoStyle:Discovering Fashion Trends and Events, " gepresenteerd op de internationale conferentie over computervisie, 27 oktober tot 2 november in Seoel, Zuid-Korea.

"Als je naar deze grote verzamelingen afbeeldingen kijkt, er zijn veel, veel dingen die u kunt doen om te begrijpen hoe mensen leven, Bala zei. "Dus we begonnen met het idee om te kijken naar hoe mensen zich kleden in verschillende delen van de wereld:wat zijn de overeenkomsten, en wat is kenmerkend voor verschillende gebieden? Als antropologen dit record over 100 jaar konden zien, ze zouden veel van onze tijd begrijpen door alleen maar naar deze beelden te kijken en er inzichten uit te halen."

GeoStyle analyseert openbare Instagram- en Flickr-foto's om trends in kaart te brengen met behulp van computervisie en neurale netwerken, een soort kunstmatige intelligentie die vaak wordt gebruikt om afbeeldingen te sorteren. De modellen helpen onderzoekers de bestaande trends in specifieke steden en over de hele wereld in de loop van de tijd te begrijpen, en de trendvoorspellingen zijn tot 20% nauwkeuriger dan eerdere methoden.

Bijvoorbeeld, GeoStyle laat dat jaar na jaar zien, meer mensen dragen zwart, maar minder mensen dragen in de zomer zwart dan in de winter. De onderzoekers hebben ook een visualizer gemaakt waarmee gebruikers de populariteit van een bepaald attribuut kunnen zien, zoals een patroon, hoed of kleur - per stad, overuren.

Om de lawine van gegevens die GeoStyle genereert te verfijnen, de eerste auteur van de krant, Utkarsh-winkelcentrum, een doctoraatsstudent in de informatica, een raamwerk ontwikkeld om automatisch pieken te identificeren - veranderingen op korte termijn, sommige jaarlijks en sommige eenmalig - die de trends op de langere termijn tegengaan.

"We hebben al deze coole machine learning-technologie die we hebben bedacht om afbeeldingen te herkennen, maar hoe maken we het nuttig?" zei co-auteur Bharath Hariharan, assistent-professor informatica. "Onze belangrijkste vraag was:kunnen we deze tool gebruiken om automatisch iets aan de oppervlakte te brengen dat we, als makers van dit systeem, niet eerder wist?"

In feite, het model was in staat om tientallen kortetermijnstijlveranderingen te identificeren die overeenkomen met gebeurtenissen over de hele wereld, waaronder velen waarvan de onderzoekers niet wisten dat ze bestonden, zoals Songkran in Bangkok, een festival gevierd in april op het Thaise Nieuwjaar.

Zodra het een piek identificeert, de tool gebruikt een tekstanalyse op basis van fotobijschriften om erachter te komen wat het zou kunnen betekenen. De onderzoekers dachten eerst dat de piek in mouwloze shirts in Seattle te maken had met Halloween, omdat het rond die tijd gebeurt, maar de tekst bij de foto's bevatte het woord "Freaknight, " wat hen hielp het te identificeren als een aparte viering.

"Dit was een voorbeeld waarbij het analyseren van de tekst echt een verschil maakte, ' zei Hariharan.

Het project bouwt voort op StreetStyle, gelanceerd in 2017 door Bala en GeoStyle co-auteurs Noah Snavely, universitair hoofddocent computerwetenschappen bij Cornell Tech, en Kevin Matzen, doctoraat '15, van Facebook. StreetStyle detecteert trends op basis van tijd en locatie door miljoenen afbeeldingen te analyseren.

Het team werkt momenteel samen met Denise Green, assistent-professor vezelwetenschap en kledingontwerp, en andere mode-experts van het College of Human Ecology, om hun model te verbeteren. De tool kan beter trends spotten als hij weet waar hij naar zoekt, zei Bala.

"Een expert kan belangrijke visuele kenmerken op een heel andere manier identificeren dan wij alleen door het te minen, "zei ze. Bijvoorbeeld, ze zei, een student wees erop dat de gegevens de evolutie van truckerhoeden lieten zien van een accessoire dat door boeren werd gedragen naar een accessoire dat op modeshows verscheen, tot een wijdverbreide populariteit.

"Een van onze follow-ups van dit werk is het verbeteren van de technologie, zodat als je wat deskundige informatie toevoegt, je kunt de herkenning verbeteren en een nog fijner begrip krijgen, ' zei Bala.

Andere mogelijke toepassingen voor de technologie zijn het scannen van satellietbeelden om veranderingen in landgebruikspatronen te volgen, aldus de onderzoekers.