På kungens födelsedag i Thailand – som firas som fars dag – bär människor ofta gula skjortor med ordet "DAD".

På FreakNight i Seattle – ett dansmusikevenemang som hålls runt Halloween – tenderar festglada att bära ärmlösa skjortor, trots svalt väder.

Och i september 2013, 1,2 miljoner människor – många klädda i gula skjortor och blå halsdukar – kopplade armar för att stödja katalansk självständighet från Spanien.

Dessa är bland de globala insikterna från GeoStyle, ett nytt verktyg för artificiell intelligens utvecklat av Cornell-forskare som skannar miljontals offentligt tillgängliga foton för att effektivt identifiera modetrender runt om i världen, såväl som traditioner och evenemang med signaturstilar.

"Många människor laddar kontinuerligt upp bilder på sig själva på internet, eftersom de vill dela sin stil med sina vänner och resten av planeten, " sa Kavita Bala, professor och ordförande i datavetenskap och senior författare till "GeoStyle:Discovering Fashion Trends and Events, " presenterades vid den internationella konferensen om datorseende, 27 oktober till 2 november i Seoul, Sydkorea.

"När du tittar på dessa stora samlingar av bilder, det är många, många saker du kan göra för att förstå hur människor lever, " sa Bala. "Så vi började med idén att titta på hur människor klär sig i olika delar av världen:Vilka är gemensamma drag, och vad är utmärkande för olika områden? Om antropologer kunde se detta rekord om 100 år, de skulle förstå mycket om vår tid bara genom att titta på dessa bilder och få insikter från dem."

GeoStyle analyserar offentliga Instagram- och Flickr-bilder för att kartlägga trender med hjälp av datorseende och neurala nätverk, en sorts artificiell intelligens som ofta används för att sortera bilder. Dess modeller hjälper forskare att förstå befintliga trender i specifika städer och runt om i världen över tid, och dess trendprognoser är upp till 20 % mer exakta än tidigare metoder.

Till exempel, GeoStyle visar att år för år, fler människor bär svart, men färre bär svart på sommaren än på vintern. Forskarna skapade också en visualiserare som låter användare se populariteten för ett visst attribut – som ett mönster, hatt eller färg – efter stad, över tid.

För att förfina lavinen av data som GeoStyle genererar, tidningens första författare, Utkarsh Mall, doktorand i datavetenskap, utvecklat ett ramverk för att automatiskt identifiera toppar – kortsiktiga förändringar, en del årligen och en del inträffar en gång – som motverkar de långsiktiga trenderna.

"Vi har all den här coola maskininlärningstekniken som vi har kommit fram till för att känna igen bilder, men hur gör vi det användbart?" sa medförfattaren Bharath Hariharan, biträdande professor i datavetenskap. "Vår nyckelfråga var, kan vi använda det här verktyget för att automatiskt visa något vi, som skapare av detta system, visste inte innan?"

Faktiskt, modellen kunde identifiera dussintals kortsiktiga stilförändringar som motsvarar händelser runt om i världen, inklusive många som forskarna inte var medvetna om fanns, som Songkran i Bangkok, en festival som firades i april på det thailändska nyåret.

När den identifierar en spik, verktyget använder en textanalys baserad på bildtexter för att ta reda på vad det kan betyda. Forskarna trodde först att spetsen i ärmlösa skjortor i Seattle hade att göra med Halloween, eftersom det inträffar runt den tiden, men texten förknippad med bilderna innehöll ordet "Freaknight, " vilket hjälpte dem att identifiera det som en distinkt fest.

"Det här var ett exempel där analysen av texten verkligen gjorde skillnad, " sa Hariharan.

Projektet bygger på StreetStyle, lanserades 2017 av Bala och GeoStyles medförfattare Noah Snavely, docent i datavetenskap vid Cornell Tech, och Kevin Matzen, Ph.D. '15, av Facebook. StreetStyle upptäcker trender baserat på tid och plats genom att analysera miljontals bilder.

Teamet arbetar för närvarande med Denise Green, biträdande professor i fibervetenskap och kläddesign, och andra modeexperter vid College of Human Ecology, att förbättra sin modell. Verktyget kan göra ett bättre jobb med att upptäcka trender om det vet vad det letar efter, sa Bala.

"En expert kan identifiera viktiga visuella egenskaper på ett helt annat sätt än vi kan bara genom att bryta det, " sa hon. Till exempel, Hon sa, en student påpekade att uppgifterna visade utvecklingen av truckerhattar från ett tillbehör som bärs av bönder till ett som dyker upp på modebanor till stor popularitet.

"En av våra uppföljningar från detta arbete är att förbättra tekniken så att om du lägger till lite expertinformation, du kan förbättra igenkänningen och få en ännu finare förståelse, " sa Bala.

Andra potentiella tillämpningar för tekniken inkluderar scanning av satellitbilder för att spåra förändringar i markanvändningsmönster, sa forskarna.