JP7378743B2 - 情報処理システム、情報処理方法およびプログラム - Google Patents
情報処理システム、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP7378743B2 JP7378743B2 JP2022076233A JP2022076233A JP7378743B2 JP 7378743 B2 JP7378743 B2 JP 7378743B2 JP 2022076233 A JP2022076233 A JP 2022076233A JP 2022076233 A JP2022076233 A JP 2022076233A JP 7378743 B2 JP7378743 B2 JP 7378743B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- user
- type
- product
- appearance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 105
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000012545 processing Methods 0.000 claims description 105
- 238000004458 analytical method Methods 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 26
- 230000001815 facial effect Effects 0.000 description 20
- 230000006399 behavior Effects 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 12
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 210000001061 forehead Anatomy 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Description
図1は、本発明の第1実施形態に係る情報処理システム100の構成を例示するブロック図である。情報処理システム100は、利用者Uの外見の特徴を表すタイプ(第1実施形態では後述する顔タイプ)を特定するためのコンピュータシステムである。第1実施形態の情報処理システム100は、さらに、利用者Uに提示する商品に関する情報(以下「商品情報」という)Pを当該タイプから特定する。第1実施形態では、衣類を商品として例示する。例えば、各種の商品(衣類)を販売するEC(electronic commerce)サイトを閲覧している利用者Uに対して商品情報Pが提示される。
<端末装置200>
図2は、利用者Uの端末装置200の構成を例示するブロック図である。図2に例示される通り、端末装置200は、制御装置21と記憶装置22と通信装置23と表示装置24と撮像装置25とを具備する。
<情報処理システム100>
図1に例示される通り、情報処理システム100は、制御装置11と記憶装置13と通信装置15とを具備する。なお、情報処理システム100は、単体の装置で実現されるほか、相互に別体で構成された複数の装置でも実現される。
<第1実施形態の変形例>
以上に例示した第1実施形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された2以上の態様を適宜に併合することも可能である。
(1)第1実施形態では、第1情報D1が正面画像である構成を例示したが、第1情報D1は以上の例示に限定されない。例えば、第1情報D1は正面画像以外の情報(例えば利用者Uの正面に関する外見の特徴についての問診に対する回答)を含んでもよい。すなわち、第1情報D1には複数の種類の情報が含まれ得る。
(2)第1実施形態では、第2情報D2が外見問診である構成を例示したが、第2情報D2は以上の例示に限定されない。例えば、第2情報D2は外見問診以外の情報であってもよい。例えば、利用者Uの横顔を含む画像(以下「横画像」という)を第2情報D2としてもよい。以上の構成では、第2処理部52は、例えば、学習済モデルに第2情報D2(横画像)を入力した結果に応じて利用者Uの第2タイプV2を特定する。ただし、第2処理部52が横画像から第2タイプV2を特定する方法は以上の例示には限定されない。なお、第2情報D2が複数の種類の情報を含んでもよい。
(3)第1実施形態では、顔タイプHaを特定する構成を例示したが、利用者Uの顔以外の外見の特徴を表すタイプを特定してもよい。例えば、利用者Uの顔および身体(顔から下の部分)を含む全身のタイプを特定する構成や、身体のタイプを特定する構成も採用される。以上の構成においても、第1情報D1から利用者Uの第1タイプV1を特定し、第2情報D2から利用者Uの第2タイプV2を特定する。第1情報D1は、利用者Uの全身(または身体)の正面に関する外見の特徴を表す情報であり、第2情報D2は、利用者Uの全身(または身体)の側面に関する外見の特徴を表す情報である。さらには、利用者Uの上半身や下半身の外見の特徴を表すタイプを特定してもよい。
(4)第1情報D1から第1タイプV1を特定する構成は、第1実施形態の例示には限定されない。例えば、第1タイプV1を特定する場合には、第1情報D1(正面画像)から特徴量(例えばパーツや部位の正面形状・サイズ・位置・比率など)を抽出し、当該特徴量から第1タイプV1を特定してもよい。複数の第1タイプV1の各々について特徴量が事前に登録される。そして、各第1タイプV1の特徴量と、正面画像から抽出された特徴量とを比較した結果(例えば類似度)に応じて、利用者Uの第1タイプV1が特定される。正面画像からの特徴量の抽出には、公知の任意の画像解析技術や学習済モデルが利用される。
(5)第1商品は第1実施形態の以上には限定されない。例えば、第1解析部115が特定した顔タイプHaと同様の顔タイプHaの利用者が過去に購入した商品のうち高評価をした商品を第1商品として利用者Uに提示する構成や、第1解析部115が特定した顔タイプHaと同様の顔タイプHaの利用者が過去に閲覧した商品を第1商品として利用者Uに提示する構成も採用される。
(6)第1実施形態において、第1情報D1と第2情報D2とを学習済モデル(例えばニューラルネットワーク)に入力した結果に応じて、複数の顔タイプHaのうちの利用者Uに応じた顔タイプHaを第1解析部115
が特定する構成(以下「構成A」という)も採用される。学習済モデルは、第1情報D1および第2情報D2を入力として、複数の顔タイプHaのうちの何れかを出力する。利用者の第1情報D1および第2情報D2と当該利用者に対応する顔タイプHa(正解ラベル)とを対応させた教師データを利用した機械学習により学習済モデルが生成される。
(7)第1実施形態において商品情報Pを特定する構成は必須ではない。例えば、商品情報Pを利用者Uに提示せずに、第1情報D1と第2情報D2とから特定した顔タイプHaを利用者に提示してもよい。
<第2実施形態>
本発明の第2実施形態を説明する。なお、以下に例示する各形態において機能が第1実施形態と同様である要素については、第1実施形態の説明で使用した符号を流用して各々の詳細な説明を適宜に省略する。
図9は、第2実施形態に係る情報処理システム100の制御装置11の機能的な構成を例示するブロック図である。図9に例示される通り、第1解析部115に代えて、第2解析部116を具備する。
<第2実施形態の変形例>
以上に例示した第2実施形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された2以上の態様を適宜に併合することも可能である。
(1)身体タイプHbを特定する場合には、図12に例示される通り、利用者Uの身体における複数の部分(例えば首部、胸部、腹部、脚部など)の各々について、輪郭Zn(nは2以上の整数)を抽出してもよい。以上の構成では、複数の身体タイプHbの各々について、事前に用意された身体の複数の部分毎の輪郭と抽出した輪郭Znとの間における類似度が算出される。すなわち、身体タイプHb毎に複数の部分にそれぞれ対応する複数の輪郭が事前に登録される。そして、利用者Uの身体の各輪郭Znにおける類似度を総合的に加味して、身体タイプHbを特定してもよい。
(2)身体タイプHbを特定する方法は、第2実施形態の例示には限定されない。例えば、学習済モデルに身体画像Gを入力した結果に応じて利用者Uの身体タイプHbを特定してもよい。第2実施形態の学習済モデルは、身体画像G(Gb1,Gb2)と身体タイプHbとの間の関係を学習した学習済モデルである。利用者Uと当該利用者Uに対応する身体タイプHb(正解ラベル)とを対応させた教師データを利用した機械学習により学習済モデルが特定される。
(3)第3情報D3は、身体画像Gに限定されない。例えば、身体画像G以外の情報を加味してもよい。例えば、利用者Uの身体に関する外見の特徴を問う問診に対する回答を第3情報D3として含んでもよい。
<第3実施形態>
第3実施形態では、顔タイプHaと身体タイプHbとの双方に応じて、利用者Uにレコメンドする第1商品に関する商品情報Pを特定する。
様である。
<第4実施形態>
第1実施形態では、商品テーブルT2に登録された複数の商品のうち利用者Uの顔タイプHaが対応付けられた商品を第1商品として例示したが、第4実施形態では、利用者Uの顔タイプHaと同様の顔タイプHaが特定された他の利用者が過去に購入した商品(以下「購入商品」という)を第1商品として例示する。
<第4実施形態の変形例>
以上に例示した第4実施形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された2以上の態様を適宜に併合することも可能である。
(1)第4実施形態において、商品特定部117は、購入商品毎に当該購入商品を購入した利用者Uの顔タイプHaが登録された販売テーブルT5(データテーブル)を利用して商品情報Pを特定してもよい。図15は、販売テーブルT5の模式図である。販売テーブルT5では、ECサイトで商品が購入される度(すなわち販売された度)に当該商品が登録されるから、例えば同一の商品を相異なる利用者Uが購入した場合には、同じ商品が重複して登録される。
<第5実施形態>
ここで、利用者Uの顔タイプHaによっては似合う商品が存在する一方で、当然に似合わない商品も存在する。そして、利用者Uは自身に似合わない商品の購入は避けたいと考え得る。以上の事情を考慮して、第5実施形態では、利用者Uの顔タイプHaから似合わないと推定される商品(以下「第2商品」という)を敢えて提示する。第2商品は、利用者Uにレコメンドしない商品であるとも換言できる。
<第5実施形態の変形例>
以上に例示した第5実施形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された2以上の態様を適宜に併合することも可能である。
(1)第5実施形態において、第2商品情報と特定する方法は以上の例示に限定されない。例えば、商品テーブルT2において、第1解析部115が特定した顔タイプHa以外の顔タイプHaが対応付けられた商品を第2商品として第2商品情報として特定してもよい。
<第6実施形態>
第1解析部115は、第1実施形態と同様に、第1処理部51と第2処理部52と第3処理部53とを具備する。
<第7実施形態>
第7実施系形態では、利用者Uについて第3処理部53が特定した顔タイプHa(以下「第1顔タイプHa」と表記する)に加えて、利用者Uが所望する顔タイプHa(以下「第2顔タイプHa」と表記する)を特定する。第1顔タイプHaと第2顔タイプHaとは異なる顔タイプHaである。すなわち、第2顔タイプHaは、複数の顔タイプHaのうち第3処理部53が特定した顔タイプHaとは異なる顔タイプHaである。第1顔タイプHaが現状の利用者Uの外見の特徴を反映した顔タイプHaであるのに対して、第2顔タイプHaは利用者Uが憧れる外見の特徴を表す顔タイプHaである。
端末装置200に送信される。
<変形例>
以上に例示した各形態は多様に変形され得る。具体的な変形の態様を以下に例示する。以下の例示から任意に選択された2以上の態様を適宜に併合することも可能である。
(1)前述の各形態において、商品情報Pの特定には、顔タイプHaおよび身体タイプHb以外に各種の情報を加味してもよい。例えば、利用者Uの年齢、衣類に関する好み、または、衣類のサイズなどの情報が加味される。また、例えば、利用者Uに似合うと推測される色彩のタイプ(いわゆるパーソナルカラー)を特定し、当該タイプを加味して商品情報Pを特定してもよい。利用者Uに似合うと推測される色彩のタイプは、例えば、利用者の正面画像(第1情報D1)から特定される。身体タイプHbの特定についても同様に身体タイプHb以外の各種の情報が加味される。
(2)前述の各形態では、衣類を商品として商品情報Pを特定したが、商品の例示は衣類に限定されない。例えば、眼鏡、アクセサリーまたは靴等の各種の商品に関する商品情報Pを特定してもよい。なお、商品は、利用者Uが着用する商品には限定されない。
(3)前述の各形態において、情報処理システム100は、商品情報Pを送信せずに、第1解析部115が特定した結果(顔タイプHaや身体タイプHb)を表す情報を端末装置200に送信してもよい。すなわち、商品情報Pを送信しない構成も採用され得る。
(4)前述の各形態において、商品特定部117は、利用者Uが指定した条件(例えば商品の種類、サイズ、色、または価格帯等)のもとで商品情報Pを特定してもよい。例えば、商品特定部117は、利用者Uが事前に指定した条件に合致する(または近似する)商品であり、第1解析部115が特定した顔タイプHaに応じた商品に関する商品情報Pを特定する。
(5)ECサイト上で販売する複数の商品から利用者が所望する商品の絞り込みに顔タイプHa(または身体タイプHb)を利用してもよい。具体的には、利用者Uは、複数の顔タイプHaのうちの何れか(典型的には自身について特定された顔タイプHa)を選択すると、当該選択した顔タイプHaに対応する商品の商品情報Pが表示装置24に表示される。
(6)前述の各形態において、特定の利用者(以下「特定利用者」という)については、商品特定部117が特定した顔タイプHa(身体タイプHb)を記憶装置13に記憶する構成が好適である。特定利用者は、例えばECサイトを運営する会社の実店舗のスタッフや当該会社と提携して宣伝を行うインフルエンサーなどである。以上の構成では、例えば、利用者Uについて特定された顔タイプHaと同じ顔タイプHaが登録された特定利用者に関する各種の情報(例えば特定利用者のコーディネート)を利用者Uに提示してもよい。また、特定利用者と当該特定利用者の顔タイプHaと当該特定利用者に関する各種の情報とを対応付けて端末装置200において表示してもよい。
(7)前述の各形態において、情報処理システム100が特定した顔タイプHa(身体タイプHb)を利用者Uの端末装置100で表示をしたが、情報処理システム100において顔タイプHa(身体タイプHb)を表示してもよい。例えば、実店舗において設置される電子看板(例えばデジタルサイネージ)や情報端末(例えばタブレット)等において、顔タイプHa(身体タイプHb)を特定するための各種情報(D1~D3)の入力を受け付け、顔タイプHa(身体タイプHb)の特定および表示を行ってもよい。以上の構成においては、電子看板や情報端末が情報処理システム100として機能する。
(8)前述の各形態において、店舗における利用者Uの行動を示す情報(以下「行動情報」という)を、利用者Uにおいて特定された顔タイプHa(身体タイプHb)に対応付けて登録する登録部を情報処理システム100が具備してもよい。情報処理システム100の記憶装置13は、行動情報と顔タイプHa(身体タイプHb)とを対応付けたデータテーブル(行動テーブル)を記憶する。登録部は、行動テーブルに行動情報と顔タイプHa(身体タイプHb)とを登録する。
(8)第6実施形態の構成は、外見の特徴を表す複数の第3タイプのうち利用者に応じた第3タイプ(顔タイプHaまたは身体タイプHb)を特定する方法であって、利用者の画像を含む第1情報から、複数の第3タイプを分類した2以上の第1タイプのうち前記利用者に応じた第1タイプを特定する第1処理部と、前記利用者の外見の特徴を表す第2情報に応じた関連情報を取得する第2処理部と、前記第1処理部が特定した前記第1タイプに分類される2以上の第3タイプのうち、前記関連情報に応じて前記利用者に応じた第3タイプを特定する第3処理部とを具備する情報処理システムの発明としても包含される。そして、関連情報は、複数(N個)の外見問診にそれぞれ対する複数(N個)の回答を含む第2情報であり、第3処理部は、当該複数の回答の組み合わせに応じて第3タイプを特定する構成が好ましい。
(9)前述の各形態において、情報処理システム100はサーバー装置である構成を例示したが、利用者Uの端末装置200に情報処理システム100の機能を搭載してもよい。また、情報処理システム100の機能の一部を端末装置200に搭載してもよい。例えば、第1解析部115を端末装置200に搭載する構成なども想定される。以上の構成では、端末装置200は、第1情報D1および第2情報D2を情報処理システム100に送信する代わりに、特定した顔タイプHaを情報処理システム100に送信する。以上の説明から理解される通り、情報処理システム100は、単独の装置であっても複数の装置から構成されるコンピュータシステムであってもよい。
(10)前述の形態に係る情報処理システム100は、コンピュータ(具体的には制御装置11)とプログラムとの協働により実現される。前述の形態に係るプログラムは、コンピュータが読取可能な記録媒体に格納された形態で提供されてコンピュータにインストールされ得る。記録媒体は、例えば非一過性(non-transitory)の記録媒体であり、CD-ROM等の光学式記録媒体(光ディスク)が好例であるが、半導体記録媒体または磁気記録媒体等の公知の任意の形式の記録媒体を含み得る。なお、非一過性の記録媒体とは、一過性の伝搬信号(transitory, propagating signal)を除く任意の記録媒体を含み、揮発性の記録媒体を除外するものではない。また、通信網を介した配信の形態でプログラムをコンピュータに提供することも可能である。
13 :記憶装置
15 :通信装置
21 :制御装置
22 :記憶装置
23 :通信装置
24 :表示装置
25 :撮像装置
100 :情報処理システム
111 :受信制御部
113 :送信制御部
115 :第1解析部
116 :第2解析部
117 :商品特定部
51 :第1処理部
52 :第2処理部
53 :第3処理部
200 :端末装置
300 :通信網
100 :情報処理システム
D1 :第1情報
D2 :第2情報
D3 :第3情報
Ha :顔タイプ
Hb :身体タイプ
K :商品画像
M :学習済モデル
P :商品情報
U :利用者
Claims (25)
- 利用者の画像を含む第1情報から、外見の特徴を表す複数の第1タイプのうち前記利用者に応じた第1タイプを特定する第1処理部と、
前記利用者の外見の特徴を表す第2情報に応じた関連情報を取得する第2処理部と、
前記第1処理部が特定した第1タイプと前記第2処理部が取得した関連情報との組み合わせに応じて、外見の特徴を表す複数の第3タイプのうち前記利用者に応じた第3タイプを特定する第3処理部と
を具備する情報処理システム。 - 前記第2情報は、前記利用者の外見の特徴に関する問診に対する回答を含み、
前記関連情報は、前記第2情報そのものである
請求項1の情報処理システム。 - 前記問診は、前記第1処理部が特定した第1タイプに応じて複数の問診から特定される
請求項2の情報処理システム。 - 前記複数の第3タイプの各々は、前記複数の第1タイプの各々を細分化した小分類である
請求項1の情報処理システム。 - 前記利用者が所望する外見の特徴に関する問診に対する回答と、前記第3処理部が特定した第3タイプとに応じて、前記複数の第3タイプのうち前記第3処理部が特定した第3
タイプとは異なる第3タイプを特定する特定部を具備する
請求項1の情報処理システム。 - 前記関連情報は、利用者の外見の特徴を表す複数の第2タイプのうち前記利用者に応じた第2タイプである
請求項1の情報処理システム。 - 前記画像は、前記利用者の正面を含む画像であり、
前記第2情報は、前記利用者の側面に関する外見の特徴を表す情報である
請求項6の情報処理システム。 - 前記正面は、顔の正面であり、
前記側面は、顔の側面である
請求項7の情報処理システム。 - 前記第2情報は、前記利用者の側面を含む画像を含む
請求項7の情報処理システム。 - 前記第2情報は、前記利用者の側面に関する外見の特徴についての問診に対する回答を含む
請求項7の情報処理システム。 - 前記第1処理部は、前記第1情報を学習済モデルに入力した結果に応じて、前記利用者に応じた第1タイプを特定する
請求項1の情報処理システム。 - 前記第3処理部が特定した第3タイプに応じて、前記利用者に提示する商品に関する商品情報を特定する商品特定部を具備する
請求項1の情報処理システム。 - 前記商品特定部は、前記第3処理部が特定した第3タイプに応じて、前記利用者にレコメンドする第1商品に関する商品情報を特定する
請求項12の情報処理システム。 - 前記第1商品は、前記第3処理部が特定した第3タイプと同様の第3タイプが特定された他の利用者が過去に購入した商品である
請求項13の情報処理システム。 - 前記第1商品は、前記複数の第3タイプの何れかがそれぞれ対応付けられた複数の商品のうち、前記第3処理部が特定した第3タイプが対応付けられた商品である
請求項13の情報処理システム。 - 前記利用者の身体を含む画像を含む情報から、身体に関する外見の特徴を表す複数の第4タイプのうち前記利用者に応じた第4タイプを特定する第4処理部を具備し、
前記第3処理部が特定した第3タイプと、前記第4処理部が特定した第4タイプとに応じて、前記利用者に提示する商品に関する商品情報を特定する商品特定部を具備する
請求項7の情報処理システム。 - 前記商品は、衣類である
請求項12の情報処理システム。 - 前記第3処理部が前記利用者について特定した第3タイプと、店舗における前記利用者の行動を示す行動情報とを対応付けて登録する登録部を具備する
請求項1の情報処理システム。 - 利用者の画像を含む第1情報から、外見の特徴を表す複数の第1タイプのうち前記利用者に応じた第1タイプを特定する第1処理部と、
前記利用者の外見の特徴を表す第2情報に応じた関連情報を取得する第2処理部と、
前記第1処理部が特定した第1タイプと前記第2処理部が取得した関連情報との組み合わせに応じて、外見の特徴を表す複数の第3タイプのうち前記利用者に応じた第3タイプを特定する第3処理部と、
前記第3処理部が特定した第3タイプに応じて、前記利用者にレコメンドしない第2商品に関する商品情報を特定する商品特定部とを具備する
情報処理システム。 - 前記商品特定部は、前記第3処理部が特定した第3タイプに応じて、前記利用者に提示する商品に関する商品情報を特定し、
前記利用者にレコメンドしない第2商品に関する商品情報は、前記利用者の端末装置の表示装置において、前記利用者にレコメンドする第1商品に関する商品情報とともに表示される
請求項19の情報処理システム。 - 利用者の画像を含む第1情報と、前記利用者の外見の特徴を表す第2情報とを学習済モデルに入力することで、外見の特徴を表す複数のタイプのうち前記利用者に応じたタイプを特定する第1解析部を具備し、
前記学習済モデルは、人物の画像を含む第1情報および前記人物の外見の特徴を表す第2情報と、前記人物の外見の特徴を表すタイプとの関係を学習したモデルである
情報処理システム。 - コンピュータが実行する方法であって、
利用者の画像を含む第1情報から、外見の特徴を表す複数の第1タイプのうち前記利用者に応じた第1タイプを特定し、
前記利用者の外見の特徴を表す第2情報に応じた関連情報を取得し、
前記特定された第1タイプと前記取得された関連情報との組み合わせに応じて、外見の特徴を表す複数の第3タイプのうち前記利用者に応じた第3タイプを特定する
情報処理方法。 - 利用者の画像を含む第1情報から、外見の特徴を表す複数の第1タイプのうち前記利用者に応じた第1タイプを特定する第1処理部、
前記利用者の外見の特徴を表す第2情報に応じた関連情報を取得する第2処理部、および、
前記第1処理部が特定した第1タイプと前記第2処理部が取得した関連情報との組み合わせに応じて、外見の特徴を表す複数の第3タイプのうち前記利用者に応じた第3タイプを特定する第3処理部
としてコンピュータを機能させるプログラム。 - コンピュータが実行する方法であって、
利用者の画像を含む第1情報と、前記利用者の外見の特徴を表す第2情報とを学習済モデルに入力することで、外見の特徴を表す複数のタイプのうち前記利用者に応じたタイプを特定し、
前記学習済モデルは、人物の画像を含む第1情報および前記人物の外見の特徴を表す第2情報と、前記人物の外見の特徴を表すタイプとの関係を学習したモデルである
情報処理方法。 - 利用者の画像を含む第1情報と、前記利用者の外見の特徴を表す第2情報とを学習済モデルに入力することで、外見の特徴を表す複数のタイプのうち前記利用者に応じたタイプを特定する第1解析部としてコンピュータを機能させ、
前記学習済モデルは、人物の画像を含む第1情報および前記人物の外見の特徴を表す第2情報と、前記人物の外見の特徴を表すタイプとの関係を学習したモデルである
プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021079195 | 2021-05-07 | ||
JP2021079195 | 2021-05-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022173137A JP2022173137A (ja) | 2022-11-17 |
JP7378743B2 true JP7378743B2 (ja) | 2023-11-14 |
Family
ID=84045733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022076233A Active JP7378743B2 (ja) | 2021-05-07 | 2022-05-02 | 情報処理システム、情報処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7378743B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108287A (ja) | 2008-01-21 | 2008-05-08 | Rei Take | ファッションアドバイジングシステム |
US20180181797A1 (en) | 2016-12-23 | 2018-06-28 | Samsung Electronics Co., Ltd. | Electronic apparatus and operation method thereof |
JP2020071852A (ja) | 2018-11-02 | 2020-05-07 | 深和パテントサービス株式会社 | 情報処理装置、情報処理システム、学習装置、学習済の推定モデル、および学習用データの収集方法 |
JP2020166454A (ja) | 2019-03-29 | 2020-10-08 | 千恵 高木 | ファッションタイプ診断システム、ファッションタイプ診断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112703286A (zh) * | 2018-09-12 | 2021-04-23 | Lg电子株式会社 | 衣物登记装置和衣物推荐装置及包括这些装置的线上系统 |
-
2022
- 2022-05-02 JP JP2022076233A patent/JP7378743B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108287A (ja) | 2008-01-21 | 2008-05-08 | Rei Take | ファッションアドバイジングシステム |
US20180181797A1 (en) | 2016-12-23 | 2018-06-28 | Samsung Electronics Co., Ltd. | Electronic apparatus and operation method thereof |
JP2020071852A (ja) | 2018-11-02 | 2020-05-07 | 深和パテントサービス株式会社 | 情報処理装置、情報処理システム、学習装置、学習済の推定モデル、および学習用データの収集方法 |
JP2020166454A (ja) | 2019-03-29 | 2020-10-08 | 千恵 高木 | ファッションタイプ診断システム、ファッションタイプ診断方法 |
Non-Patent Citations (1)
Title |
---|
Wan-Yu Chen, Jia-Lin Chen, Liang-Gee Chen,On-the-fly Fashion Photograph Recommendation System with Robust Face Shape Features,2014 IEEE intenational Conference on Consumer Electronics,IEEE,2014年03月20日,502~503ページ,DOI: 10.1109/ICCE.2014.6776105 |
Also Published As
Publication number | Publication date |
---|---|
JP2022173137A (ja) | 2022-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501363B2 (en) | 3D platform for aesthetic simulation | |
CN107704834B (zh) | 微表情面审辅助方法、装置及存储介质 | |
JP2022008583A (ja) | 反射を利用する拡張現実システムおよび方法 | |
US11538068B2 (en) | Sentiments based transaction systems and methods | |
KR20190049555A (ko) | 인공지능 기술을 이용해 광고 및 상품 구매에 관한 서비스를 제공하는 장치, 시스템, 및 방법 | |
US20120164613A1 (en) | Determining a demographic characteristic based on computational user-health testing of a user interaction with advertiser-specified content | |
US20090118593A1 (en) | Determining a demographic characteristic based on computational user-health testing of a user interaction with advertiser-specified content | |
JP7036149B2 (ja) | 情報処理システム、および制御方法 | |
US20090119154A1 (en) | Determining a demographic characteristic based on computational user-health testing of a user interaction with advertiser-specified content | |
US20090132275A1 (en) | Determining a demographic characteristic of a user based on computational user-health testing | |
US20150186912A1 (en) | Analysis in response to mental state expression requests | |
WO2015122195A1 (ja) | 印象分析装置、ゲーム装置、健康管理装置、広告支援装置、印象分析システム、印象分析方法、プログラム、及びプログラム記録媒体 | |
JP7263825B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2017120595A (ja) | 化粧料の塗布状態の評価方法 | |
JP7378743B2 (ja) | 情報処理システム、情報処理方法およびプログラム | |
CN113095839A (zh) | 认证方式的推荐方法、装置、设备及存储介质 | |
JP6724090B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP7259370B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Bradtmiller | 3D scanning and head-mounted products | |
WO2019220751A1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JPWO2020116069A1 (ja) | 情報処理装置、及び、プログラム | |
JP7365384B2 (ja) | 情報処理装置、方法およびプログラム | |
CN110458647A (zh) | 产品推送方法、装置、计算机设备及存储介质 | |
NL1037996C2 (en) | Computer programme as well as a computer and a computer system comprising such a computer programme, as a result of which computer programme the computer and the computer system are suitable for receiving and processing visual material in a stuctured way and for generating and sending a report desired by the user in the field of partner selection and/or model selection. | |
JP6360218B2 (ja) | 情報処理装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20220607 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220525 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220621 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221124 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230907 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7378743 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |