Jag var utbytesstudent i Tokyo, Japan under våren 2007. Där intresserade jag mig för de olika kläduttryck som ungdomarna använde sig av i stadsdelen Harajuku. När jag kom hem till Stockholm igen såg jag tydligt hur de Harajukuinspirerade stilarna hade växt fram här. Uppsatsen tar avstamp i Harajukus mode. Syftet är att undersöka hur det har förflyttats och utvecklats i Stockholm, vad har förändrats, förstärkts eller suddats ut och varför? Vad förändras i överföringen? Jag ställer följande frågor:   Hur ser det Harajukuinspirerade modet ut bland unga i Stockholm? Hur ser det ut i jämförelse med de unga i Harajuku? På vilket sätt har modet förändrats och varför? Vad kan jag som bildpedagog erbjuda ungdomar för att de ska få utveckla sina intressen inom subkulturen? Hur kan jag skapa en miljö med verkstäder och utställningar som passar denna målgrupp? I mitt designpedagogiska projekt skapar jag en japansk subkulturfestival med verkstäder och fotoutställning på Lava på Kulturhuset den 24-25 november. Den syftar till att undersöka den skaparkraft som finns hos de grupper som är intresserade av modet i Harajuku och japansk kultur, samt att visa upp stilarna och skapa förståelse för nyinvigda i ämnet. I min roll som lärare vill jag ha stor inblick i de frågor som rör ungdomskultur och särskilt i den här subkulturen, för att kunna skapa en så inspirerande arbetsmiljö för eleverna som möjligt. De resultat jag har kommit fram till har skapats på många plan. Hur modet ser ut i Stockholm besvaras genom, deltagande observation, semiotiska bildanalyser, enkätundersökningar. Skillnaden i modet besvaras i jämförande bildanalyser. Det designpedagogiska projektet beskrivs i en pedagogisk dokumentation. Det Harajukuinspirerade modet är utbrett i Stockholmsområdet och befinner sig i en utvecklingsfas. De vanligaste stilarna är decora och lolitastil. Modet i Harajuku är mer extremt än det Harajukuinspirerade modet i Stockholm. Men i Stockholm utgör kläderna mer en livsstil som bärs varje dag, inte bara på söndagar som ofta är fallet i Harajuku. Jag känner mig nöjd över den mångfacetterade undersökning jag har gjort och att den berör både Harajuku och Stockholm, samt den japanska subkulturfestivalen som blev väldigt lyckad.

Enligt Skolverket är klädsel något som normalt bestäms av individen själv men hur fria är unga muslimska kvinnor i dagens svenska skola i sina klädval? I den här kvalitativa fallstudien vill jag under-söka hur några muslimska unga kvinnor resonerar kring sina klädval och klädstilar i skolan. Resultatet visar att de muslimska tonårsflickorna har skapat sin identitet kring sitt slöjbärande och att de inom gruppen har olika sätt att bära sin slöja. Det har även visat sig att de som bär slöja gör det av främst kulturella och religiösa skäl och det är en del av deras identitet. Även om skolans styrdokument anser att man själv ska få välja sina kläder framkommer det att där finns motsättningar och problem i att vara ung muslimsk kvinna i en svensk skola. Jag hoppas med detta arbete att läsaren ska kunna få en ny syn på slöjbärande och de unga muslimska kvinnorna som väljer att bära slöja i dagens Sverige. Syftet är även att producera ett dokument som kan vägleda skolpersonal och samtidigt undvika missförstånd, diskriminering eller misstänksamhet.

As e-commerce and online shopping have increased worldwide, the interest and research of intelligent fashion systems have expanded. Given the competitive nature of the fashion market business, digital marketplaces depend on determining customer preferences. The fashion preferences of the next generation of consumers, Generation Z, are highly discovered on social media, where new fashion styles have emerged. For digital marketplaces to gain the attraction of Generation Z consumers, an understanding of their fashion style preferences may be crucial. However, fashion style recognition remains challenging due to the subjective nature of fashion styles. Previous research has approached the task by fine-tuning pre-trained convolutional neural networks (CNNs). The disadvantage of this approach is that a CNN leveraged on its own fails to find subtle visual differences between clothing items. Hence, this thesis seeks to approach the clothing style recognition task as a fine-grained image recognition task by incorporating a component that allows the model to focus on specific parts of the input images, referred to as an attention mechanism, into the network. Specifically, a convolutional block attention module (CBAM) is added to a CNN. Based on the results, it is concluded that the fine-tuned CNN without the attention module achieves superior performance. In contrast, qualitative analysis conducted on GradCAM visualizations shows that the attention mechanism aids the CNN in capturing discriminative features, while the network without the attention module tends to make predictions based on dataset bias. For a fair comparison, future work should involve extending this research by refining the dataset or using an additional dataset. / I takt med att e-handel har ökat världen över har intresset och forskningen för intelligenta modesystem ökat. Modemarknadens konkurrenskraft har gjort digitala marknadsplatser beroende av att bestämma deras kunders preferenser. Modepreferenserna för nästa generations konsumenter, Generation Z, upptäcks ofta på sociala medier, där nya klädstilar har skapats. För att digitala marknadsplatser ska kunna locka Generation Z kan en förståelse för deras klädstilpreferenser vara avgörande. Igenkänning av klädstilar är dock fortfarande svårt på grund av klädtilars subjektiva natur. Tidigare forskning har finjusterat faltningsnätverk. Nackdelen med detta tillvägagångssätt är att ett faltningsnätverk som utnyttjas på egen hand inte lyckas hitta dem subtila visuella skillnader mellan klädesplagg. Därför definierar denna avhandling problemet som finkornig bildigenkänning genom att addera en komponent som gör att modellen kan fokusera på specifika delar av bilderna, kallad en uppmärksamhetsmekanism, i nätverket. Specifikt läggs en convolutional block attention module (CBAM) till i arkitekturen av ett faltningsnätverk. Baserat på resultaten dras slutsatsen att det finjusterade faltningsnätverket utan uppmärksamhetsmekanismen uppnår överlägsen prestanda. Däremot visar kvalitativ analys utförd på Grad-CAMvisualiseringar att uppmärksamhetsmekanismen hjälper faltningsnätverket att fokusera på de diskriminerande egenskaperna, medan nätverket utan uppmärksamhetsmekanismen tenderar att klassificera baserat på bias i inputdatan. För en rättvis jämförelse bör framtida arbete innebära ett förfinande av datamängden eller använda en ytterligare datamängd.