KR101812106B1 - 분산처리기반의 동영상 내 상품추출방법 및 프로그램 - Google Patents

분산처리기반의 동영상 내 상품추출방법 및 프로그램 Download PDF

Info

Publication number
KR101812106B1
KR101812106B1 KR1020160065073A KR20160065073A KR101812106B1 KR 101812106 B1 KR101812106 B1 KR 101812106B1 KR 1020160065073 A KR1020160065073 A KR 1020160065073A KR 20160065073 A KR20160065073 A KR 20160065073A KR 101812106 B1 KR101812106 B1 KR 101812106B1
Authority
KR
South Korea
Prior art keywords
frame
product
extracting
data
item
Prior art date
Application number
KR1020160065073A
Other languages
English (en)
Other versions
KR20170133809A (ko
Inventor
박선규
Original Assignee
데이터킹주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 데이터킹주식회사 filed Critical 데이터킹주식회사
Priority to KR1020160065073A priority Critical patent/KR101812106B1/ko
Publication of KR20170133809A publication Critical patent/KR20170133809A/ko
Application granted granted Critical
Publication of KR101812106B1 publication Critical patent/KR101812106B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/41—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/432—Query formulation
    • G06F16/434—Query formulation using image data, e.g. images, photos, pictures taken by a user
    • G06F17/3002—
    • G06F17/30047—
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L61/00—Network arrangements, protocols or services for addressing or naming
    • H04L61/30—Managing network names, e.g. use of aliases or nicknames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/232—Content retrieval operation locally within server, e.g. reading video streams from disk arrays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 분산처리기반의 동영상 내 상품추출방법 및 프로그램에 관한 것이다.
본 발명의 일실시예에 따른 분산처리기반의 동영상 내 상품추출방법은, 분석시스템이 동영상의 특정프레임에 포함되는 협찬데이터를 추출하는 단계(S100; 협찬데이터추출단계); 상기 협찬데이터에 포함되는 각각의 협찬사에 상응하는 하나 이상의 상품류를 결정하는 단계(S200); 상기 상품류를 포함하는 상품류프레임을 추출하는 단계(S300); 상기 상품류프레임 중에서 특정한 협찬사의 상품을 포함하는 협찬품프레임을 추출하는 단계(S400); 및 상기 협찬품프레임 내의 협찬품에 상응하는 상품정보를 탐색하여, 상기 협찬품프레임 또는 협찬품이미지에 결합하는 단계(S500);를 포함한다.
본 발명에 따르면, 동영상데이터를 구성하는 모든 프레임에 대해서 상품류 탐색을 수행하지 않으므로, 분석시스템의 분석 수행량이 현저히 줄어드는 효과가 있다.

Description

분산처리기반의 동영상 내 상품추출방법 및 프로그램 {METHOD AND PROGRAM FOR EXTRACTING MERCHANDISES IN VIDEO BY DISTRIBUTED PROCESSING}
본 발명은 분산처리기반의 동영상 내 상품추출방법 및 프로그램에 관한 것으로, 보다 자세하게는 동영상 내에 포함된 상품을 추출하여 해당 상품정보를 탐색하는 방법 및 프로그램에 관한 것이다.
최근 이미지 분석 기법이 다양하게 등장하고 있다. SIFT(Scale Invariant Feature Transform) 알고리즘, SURF (Speeded Up Robust Features) 알고리즘 등을 적용하여 이미지 내에서 객체를 추출하는 방법이 등장하고 있다. 이러한 이미지 분석 기법을 이용하여 연예인 사진의 분석을 통해 연예인 얼굴을 인식하거나 연예인이 소지한 물품을 인식하는 서비스들이 등장하고 있다.
특정한 분석대상이미지에 대해서 이러한 이미지 분석을 수행하는 것은 분석대상이미지와 다수의 객체이미지의 비교를 수행하면 되지만, 다수의 프레임을 포함하는 동영상에 대해서는 사진에 대한 상품 추출방식을 동일하게 적용하기 어렵다. 특정한 정적이미지에 대한 분석방식을 모든 프레임에 대해서 적용하게 되면 분석량이 방대해짐에 따라 시스템의 로드가 매우 커질 수 있는 문제가 존재한다. 따라서, 동영상데이터에서 상품이미지를 추출하기에 적합한 방법이 제시될 필요가 있다.
특정한 상품류를 포함하는 포함하는 프레임을 추출하여 이미지 분석을 수행함에 따라 불필요한 프레임에 대한 분석처리를 줄여주는, 분산처리기반의 동영상 내 상품추출방법 및 프로그램을 제공하고자 한다.
또한, 동영상데이터 내에 존재하는 협찬데이터를 활용하여 탐색할 상품류를 제한하여 불필요한 프레임에 대한 분석처리를 줄여주는, 분산처리기반의 동영상 내 상품추출방법 및 프로그램을 제공하고자 한다.
본 발명의 일실시예에 따른 분산처리기반의 동영상 내 상품추출방법은, 분석시스템이 동영상의 특정프레임에 포함되는 협찬데이터를 추출하되, 상기 협찬데이터는 하나 이상의 협찬사를 포함하는 것인, 협찬데이터추출단계; 상기 협찬데이터에 포함되는 각각의 협찬사에 상응하는 하나 이상의 상품류를 결정하는 단계; 상기 상품류를 포함하는 상품류프레임을 추출하는 단계; 상기 상품류프레임 중에서 특정한 협찬사의 상품을 포함하는 협찬품프레임을 추출하는 단계; 및 상기 협찬품프레임 내의 협찬품에 상응하는 상품정보를 탐색하여, 상기 협찬품프레임 또는 협찬품이미지에 결합하는 단계;를 포함한다.
또한, 상기 분석시스템은 메인컴퓨터 및 복수의 크롤링컴퓨터로 구성된 분산시스템을 포함하며, 상기 메인컴퓨터는 상기 분산시스템으로 크롤링을 수행할 소스데이터를 전송하며, 상기 분산시스템은 수신한 소스데이터를 기반으로 개별적으로 크롤링을 수행하여 탐색데이터를 획득하며, 각각의 크롤링컴퓨터 간의 상기 탐색데이터의 공유를 통해 중복 탐색이 제한되는 것을 특징으로 할 수 있다.
또한, 상기 협찬데이터추출단계는, 엔딩크래딧에 상응하는 하나 이상의 프레임을 추출하는 단계; 및 상기 추출된 프레임 내에 포함된 협찬데이터를 추출하는 단계;를 포함하되, 상기 협찬데이터는 상기 엔딩크래딧 상에 포함된 하나 이상의 협찬사에 대응하는 텍스트일 수 있다.
또한, 상기 협찬데이터에 복수의 협찬사가 포함되는 경우, 상기 상품류결정단계는, 각각의 협찬사에 상응하는 상품류를 추출하는 단계; 및 각각의 상품류를 포함하는 하나 이상의 협찬사로 구성된 상품류그룹을 형성하는 단계;를 포함하며, 상기 협찬품프레임 추출단계는, 상기 상품류프레임에서 특정한 상품류그룹에 포함되는 하나 이상의 협찬사의 협찬품을 탐색하는 것을 특징으로 할 수 있다.
또한, 상기 분석시스템이 크롤링을 통해 협찬사가 상기 동영상 제작시에 제공한 협찬상품류를 탐색하는 것을 특징으로 할 수 있다.
또한, 상기 상품류프레임 추출단계는, 상기 동영상데이터에 포함된 복수의 프레임을 분석하여 하나 이상의 유사프레임그룹을 생성하는 단계; 및 각각의 유사프레임그룹 내의 복수의 프레임 중에서 그룹대표프레임을 추출하는 단계;를 포함하며, 상기 협찬품프레임 추출단계는, 하나 이상의 유사프레임그룹에 대응하는 하나 이상의 그룹대표프레임 중에서 협찬품프레임을 추출하는 것을 특징으로 할 수 있다.
또한, 상기 협찬품프레임 추출단계는, 각 협찬사별 특징정보를 획득하는 단계; 및 상기 상품류프레임 내에서 상기 특징정보를 식별하여 협찬사를 파악하는 단계;를 포함할 수 있다.
또한, 상기 상품을 판매하는 마켓URL을 탐색하여 상품이미지 또는 상기 상품이미지를 포함하는 프레임에 연결하는 단계;를 더 포함할 수 있다.
본 발명의 또 다른 일실시예에 따른 분산처리기반의 동영상 내 상품추출프로그램은, 하드웨어인 컴퓨터와 결합되어 상기 언급된 분산처리기반의 동영상 내 상품추출방법을 실행하며, 매체에 저장된다.
상기와 같은 본 발명에 따르면, 아래와 같은 다양한 효과들을 가진다.
첫째, 동영상데이터를 구성하는 모든 프레임에 대해서 상품류 탐색을 수행하지 않으므로, 분석시스템의 분석 수행량이 현저히 줄어드는 효과가 있다.
둘째, 엔딩크래딧 등에 기재되는 협찬데이터(즉, 협찬사리스트)를 활용하여 동영상 내에 등장할 상품류의 범주를 한정할 수 있어서, 동영상 내에 협찬품을 탐색하는 속도를 향상할 수 있는 효과가 있다.
셋째, 동일한 상품류에 대해 복수의 협찬사가 존재하는 경우, 상품류그룹을 생성함에 따라, 추출된 상품류프레임에서 동일한 상품류에 속하는 상이한 협찬사의 상품을 한번에 탐색할 수 있다. 즉, 상품류그룹을 생성하는 과정을 더 수행함에 따라, 동일한 상품류에 속하는 협찬품 추출을 위해 동일한 과정을 중복 수행하지 않을 수 있다.
넷째, 유사프레임그룹을 형성한 후 추출된 그룹대표프레임에 대해서만 상품류 탐색과정을 수행하여, 불필요한 분석과정을 줄일 수 있다. 이를 통해, 특정한 동영상에 대한 협찬품 추출 속도가 현저하게 높아질 수 있다.
도 1은 본 발명의 일실시예에 따른 분산처리기반의 동영상 내 상품추출방법의 순서도이다.
도 2는 본 발명의 일실시예에 따라 협찬데이터를 추출하는 과정을 나타내는 순서도이다.
도 3은 본 발명의 일실시예에 따라 협찬데이터를 포함하는 프레임의 예시도면이다.
도 4는 본 발명의 일실시예에 따라, 특정한 상품류에 상이한 협찬사가 속하는 경우, 상품류그룹을 생성하는 과정을 나타내는 순서도이다.
도 5는 본 발명의 일실시예에 따라 유사프레임그룹을 생성하는 과정을 나타내는 예시도면이다.
도 6은 본 발명의 일실시예에 따라 협찬사별 특징정보를 기반으로 협찬사를 파악하는 과정을 나타내는 예시도면이다.
도 7은 본 발명의 일실시예에 따른 분석시스템의 구조도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
본 명세서에서 동영상데이터는, 복수의 프레임을 특정한 시간간격을 가지고 연속적으로 재생되는 것을 의미한다. 동영상데이터는 초당 특정한 개수의 프레임을 포함하여 재생 시에 끊기지 않고 움직이도록 할 수 있다.
본 명세서에서 상품류프레임은, 특정한 상품류 이미지를 포함하고 있는 동영상데이터 내 프레임을 의미한다. 예를 들어, 특정한 상품류가 가방인 경우, 상품류프레임은 가방 이미지를 포함하고 있는 프레임을 의미할 수 있다.
본 명세서에서 협찬품프레임은, 상품류프레임 중에서 해당 상품류에 속하는 특정한 협찬사의 상품인 협찬품을 포함하는 프레임을 의미한다.
본 명세서에서 협찬상품류는 특정한 협찬사에서 협찬할 가능성이 있는 상품류(즉, 해당 협찬사가 생산하여 판매하는 상품류)를 의미한다.
이하, 도면을 참조하여 본 발명의 실시예들에 따른 분산처리기반의 동영상 내 상품추출방법 및 프로그램에 대해 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 분산처리기반의 동영상 내 상품추출방법에 대한 순서도이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 분산처리기반의 동영상 내 상품추출방법은, 분석시스템이 동영상의 특정프레임에 포함되는 협찬데이터를 추출하는 단계(S100; 협찬데이터추출단계); 상기 협찬데이터에 포함되는 각각의 협찬사에 상응하는 하나 이상의 상품류를 결정하는 단계(S200); 상기 상품류를 포함하는 상품류프레임을 추출하는 단계(S300); 상기 상품류프레임 중에서 특정한 협찬사의 상품을 포함하는 협찬품프레임을 추출하는 단계(S400); 및 상기 협찬품프레임 내의 협찬품에 상응하는 상품정보를 탐색하여, 상기 협찬품프레임 또는 협찬품이미지에 결합하는 단계(S500);를 포함한다.
분석시스템은 하나의 컴퓨터로 구성될 수도 있고, 복수의 컴퓨터가 연결되어 구성될 수 있다. 분석시스템이 복수의 컴퓨터로 구성되는 경우, 분석시스템은 각 기능을 분리하여 하나 이상의 컴퓨터에 적용하여 구축될 수 있다. 예를 들어, 분석시스템은 프레임을 분석하는 역할을 수행하는 컴퓨터, 크롤링을 통해 정보 수집을 수행하는 컴퓨터 등을 포함할 수 있다.
구체적으로, 상기 분석시스템은 메인컴퓨터 및 복수의 크롤링컴퓨터로 구성된 분산시스템을 포함할 수 있다. 상기 메인컴퓨터는 상기 분산시스템으로 크롤링을 수행할 소스데이터를 전송하는 역할을 수행할 수 있다. 즉, 메인컴퓨터는 크롤링을 통해 탐색이 필요한 소스데이터(예를 들어, 특정한 협찬사에 상응하는 상품류의 탐색을 위한 협찬사데이터, 특정한 상품정보를 획득하기 위한 특정한 협찬사의 상품명 등)를 추출하여, 분석시스템으로 전달하는 역할을 수행할 수 있다.
상기 분산시스템은 수신한 소스데이터를 기반으로 개별적으로 크롤링을 수행하여 탐색데이터를 획득하는 역할을 수행할 수 있다. 분산시스템은 복수의 크롤링컴퓨터로 구축되므로, 각각의 크롤링컴퓨터 간의 상기 탐색데이터의 공유를 통해 중복 탐색이 제한되도록 할 수 있다. 예를 들어, 분산시스템은 하둡기반의 복수의 웹크롤러 컴퓨터로 구성될 수 있으며, 탐색을 수행하는 URL목록을 공유함에 따라 중복 검색을 제한할 수 있다.
분석시스템이 동영상의 특정프레임에 포함되는 협찬데이터를 추출할 수 있다(S100). 상기 협찬데이터는 동영상 내 프레임에 포함된 하나 이상의 협찬사에 대한 텍스트 데이터를 의미할 수 있다. 먼저, 분석시스템은 협찬데이터(즉, 협찬사 리스트)를 포함하는 적어도 하나 이상의 프레임을 추출할 수 있다. 그 후, 분석시스템은 추출된 프레임 내에서 협찬사에 상응하는 텍스트를 추출할 수 있다.
일실시예로, 동영상데이터가 영화인 경우, 영화의 엔딩크래딧을 구성하는 프레임에 협찬사 리스트를 포함할 수 있다. 따라서, 도 2에서와 같이, 상기 협찬데이터추출단계(S100)는, 분석시스템은 엔딩크래딧에 상응하는 하나 이상의 프레임을 추출하고(S110), 상기 추출된 프레임 내에 포함된 협찬데이터를 추출할 수 있다(S120). 상기 협찬데이터는 상기 엔딩크래딧 상에 포함된 하나 이상의 협찬사에 대응하는 텍스트일 수 있다. 즉, 분석시스템은 엔딩크래딧에 상응하는 하나 이상의 프레임에서 텍스트 마이닝을 통해 협찬사를 기재한 영역을 탐색할 수 있다. 예를 들어, 도 3과 같은 프레임 내에서 '협찬'이라는 단어를 탐색하여, 해당 단어의 다음에 표시된 리스트를 협찬데이터로 추출할 수 있다.
또한, 다른 일실시예로, 동영상데이터가 드라마 영상인 경우, 각 회가 끝나는 시점에 등장하는 프레임의 하단에 협찬데이터가 표시될 수 있다. 즉, 분석시스템은 동영상 후반부의 프레임 중에서 프레임 하단에 광고 이미지를 포함하는 프레임을 추출할 수 있다. 그 후, 분석시스템은 텍스트 마이닝(Text-Mining)을 통해 추출된 하나 이상의 프레임의 하단에 기재된 광고에서 협찬데이터(즉, 협찬사 리스트)를 추출할 수 있다.
분석시스템은 협찬데이터에 포함되는 각각의 협찬사에 상응하는 하나 이상의 협찬상품류를 결정한다(S200). 즉, 분석시스템은 협찬사에서 협찬할 가능성이 있는 상품류(즉, 해당 협찬사가 생산하여 판매하는 상품류)를 추출할 수 있다. 예를 들어, 협찬데이터에 포함된 협찬사가 '루이비통'인 경우, 분석시스템은 루이비통이 판매하는 상품류인 지갑, 가방, 벨트 등을 협찬상품류로 결정할 수 있다.
분석시스템이 협찬상품류를 결정하는 방식으로는 다양한 방식이 적용될 수 있다. 예를 들어, 분석시스템 내에 협찬사별로 협찬상품류를 저장하여 두고, 특정한 동영상의 협찬데이터 내에 특정한 협찬사가 포함되면 해당 협찬사에 대응하는 협찬상품류를 추출할 수 있다.
또한, 예를 들어, 상기 분석시스템이 크롤링을 통해 협찬사가 상기 동영상 제작시에 제공한 협찬상품류를 탐색할 수 있다. 예를 들어, 분석시스템은 해당 협찬사의 홈페이지 또는 해당 협찬사의 상품을 판매하는 홈페이지를 크롤링하여 판매하는 상품류를 파악할 수 있다.
그 후, 분석시스템은 협찬상품류를 포함하는 상품류프레임을 추출한다(S300). 분석시스템은 이미지 분석을 통해 특정한 상품류를 포함하는 하나 이상의 프레임을 추출할 수 있다. 예를 들어, 분석시스템은 Microsoft의 Coco(Common Object in Context)를 이용하여 각 프레임 중에서 특정한 상품류를 포함하는 프레임을 추출할 수 있다. 그 후, 분석시스템은 추출된 상품류프레임을 해당 상품류에 매칭할 수 있다.
그 후, 분석시스템은 상품류프레임 중에서 특정한 협찬사의 상품을 포함하는 협찬품프레임을 추출한다(S400). 즉, 추출된 상품류프레임 중에는 특정한 협찬사에 상응하지 않는 상품이 포함될 수 있으므로, 분석시스템은 상품류프레임 중에서 특정한 협찬사에 상응하는 협찬품프레임을 추출해낼 수 있다.
분석시스템이 하나 이상의 상품류프레임에서 특정한 협찬품프레임을 추출하는 방식으로는 다양한 방식이 적용될 수 있다. 일실시예로, 분석시스템은 협찬사별 특징정보를 기반으로 각 상품류프레임에 포함된 상품의 출처에 해당하는 협찬사를 파악할 수 있다. 즉, 도 6에서와 같이, 상기 협찬품프레임 추출단계(S400)는, 각 협찬사별 특징정보를 획득하는 단계(S410); 및 상기 상품류프레임 내에서 상기 특징정보를 식별하여 협찬사를 파악하는 단계(S420);를 포함할 수 있다. 먼저, 분석시스템은 각 협찬사별 특징정보를 획득할 수 있다(S410). 상기 특징정보는 각 협찬사를 식별하는 로고, 무늬 등을 의미할 수 있다. 예를 들어, 협찬사가 '루이비통'에 해당하는 경우, '루이비통'의 제품임을 나타내는 로고 또는 제품 표면의 패턴 등이 특징정보에 해당할 수 있다. 분석시스템은 각 협찬사별 특징정보를 데이터베이스 내에서 탐색할 수 있고, 크롤링을 통해 특정한 협찬사에 상응하는 특징정보를 탐색할 수도 있다. 그 후, 분석시스템은 상품류프레임 내에서 각 협찬사별 특징정보를 식별하여 특정한 협찬사의 협찬품에 상응하는 프레임을 추 출할 수 있다.
그 후, 분석시스템은 협찬품프레임 내의 협찬품에 상응하는 상품정보를 탐색하여, 협찬품프레임 또는 협찬품이미지에 결합한다(S500). 분석시스템은 특정한 협찬품에 대한 상품정보를 크롤링을 통해 탐색할 수 있다. 상기 상품정보는 상품의 명칭, 분류(예를 들어, 특정한 명품 브랜드 내의 특정한 디자인 유형), 가격 등의 정보가 포함될 수 있고, 해당 상품을 판매하는 마켓의 URL도 포함될 수 있다.
또한, 도 4에서와 같이, 상기 협찬데이터에 복수의 협찬사가 포함되는 경우, 상기 상품류결정단계(S200)는, 각각의 협찬사에 상응하는 상품류를 추출하는 단계(S210); 및 각각의 상품류를 포함하는 하나 이상의 협찬사로 구성된 상품류그룹을 형성하는 단계(S220);를 포함할 수 있다. 즉, 상기 협찬데이터에 복수의 협찬사가 포함되는 경우, 분석시스템이 각 협찬사에 대한 협찬품을 추출하는 과정을 개별적으로 수행하면 소요시간이 길어질 수 있다. 따라서, 분석시스템이 특정한 상품류에 속하는 협찬품을 포함하는 프레임을 한번에 탐색하면 분석속도를 높일 수 있다. 이를 위해, 분석시스템은 각 협찬데이터에 포함되는 협찬사의 상품류를 기반으로, 각 상품류에 포함되는 상품류그룹(즉, 특정한 상품류를 판매하는 협찬사의 그룹)을 생성할 수 있다.
협찬사A가 가방(즉, 상품류1), 벨트(즉, 상품류2), 지갑(즉, 상품류3)을 상품으로 판매하고, 협찬사B는 가방(즉, 상품류1) 및 지갑(즉, 상품류3)을 상품으로 판매하며, 협찬사C는 가방(즉, 상품류1), 벨트(즉, 상품류2), 구두(상품류4)를 상품으로 판매하는 예시를 기반으로 구체적으로 설명하면, 분석시스템은 각 상품류를 판매하는 상품류그룹을 생성할 수 있다. 분석시스템은 상품류1을 판매하는 협찬사A, 협찬사B 및 협찬사C를 제1상품류그룹으로, 상품류2를 판매하는 협찬사B 및 협찬사C를 제2상품류그룹으로, 상품류3을 판매하는 협찬사A 및 협찬사B를 제3상품류그룹으로, 상품류4를 판매하는 협찬사C를 제4상품류그룹으로 설정할 수 있다.
분석시스템은 상품류프레임에 대해서 상품류그룹에 포함된 협찬사의 협찬품 탐색을 한번에 수행할 수 있다. 즉, 상기 협찬품프레임 추출단계(S400)는, 상기 상품류프레임에서 특정한 상품류그룹에 포함되는 하나 이상의 협찬사의 협찬품을 탐색하는 것을 특징으로 할 수 있다. 예를 들어, 상품류1을 포함하는 프레임(즉, 제1상품류프레임)을 추출한 경우, 분석시스템은 제1상품류프레임 내에서 제1상품류그룹에 포함되는 협찬사A, 협찬사B 및 협찬사C의 협찬품 탐색을 수행할 수 있다. 분석시스템은 모든 제1상품류프레임에 대해 각 협찬사의 협찬품 탐색을 순서대로 수행할 수도 있고, 제1상품류프레임에 포함되는 특정한 프레임에 대해 협찬사A, 협찬사B 및 협찬사C의 협찬품 탐색을 수행한 후 다음 프레임에 대한 협찬사A, 협찬사B 및 협찬사C의 협찬품 탐색을 수행할 수 있다.
또한, 상기 상품류프레임 추출단계(S300)는, 도 5에서와 같이, 상기 동영상데이터에 포함된 복수의 프레임을 분석하여 하나 이상의 유사프레임그룹을 생성하는 단계(S310); 및 각각의 유사프레임그룹 내의 복수의 프레임 중에서 그룹대표프레임을 추출하는 단계(S320);를 더 포함할 수 있다. 동영상데이터 내에서 유사한 프레임이 다수 존재할 수 있다. 예를 들어, 특정한 등장인물이 특정 상품을 들고 이동하는 동영상 부분은 복수의 유사프레임이 짧은 시간 간격으로 연속 재생된다. 모든 유사프레임을 상품류프레임으로 추출하게 되면 분석시스템의 로드(load)가 커지게 되며, 분석에 소요되는 시간이 오래 걸리게 된다.
따라서, 먼저, 분석시스템은 동영상데이터에 포함된 복수의 프레임을 분석하여 하나 이상의 유사프레임그룹을 생성할 수 있다(S310). 상기 유사이미지는, 프레임 내의 주요특징이 동일한 이미지를 의미할 수 있다. 구체적으로, 유사이미지는 프레임 내의 동일한 대상체를 포함하는 이미지로서, 확대/축소(즉, 줌인(Zoom-In)/줌아웃(Zoom-Out)), 위치이동, 특정크기 이하의 피사체 추가, 대상체의 움직임 등이 발생되었으나 대상체(즉, 주요피사체)가 동일하여 특정 값 이상의 유사도를 가지는 이미지를 의미한다. 예를 들어, 연속되는 두 프레임 상에서 대상체의 움직임이 있을 뿐(즉, 김연아가 이동함에 따라 각 프레임 내에서의 위치, 크기 또는 동작에 차이가 있을 뿐) 동일한 대상체를 프레임 상에 포함하므로, 분석시스템은 두 프레임을 유사이미지로 판단할 수 있다.
상기 유사프레임그룹은 시계열적으로 연속되는 프레임의 집합일 수 있다. 즉, 유사프레임그룹은 차례대로 연결되는 동영상데이터의 복수의 프레임 중에서 유사한 프레임의 그룹을 의미한다. 예를 들어, '김연아'가 등장하는 프레임 사이에 다른 대상체(예를 들어, '아사다마오')가 등장하는 하나 이상의 프레임이 포함된 경우, 김연아가 등장하는 프레임이지만 연속되지 않음에 따라 제1유사프레임그룹과 제3유사프레임그룹으로 구별될 수 있다. (즉, 다른 대상체의 프레임이 나오기 전의 '김연아'를 포함하는 하나 이상의 프레임을 제1유사프레임그룹, 다른 대상체가 포함된 하나 이상의 프레임을 제2유사프레임그룹, 다른 대상체의 프레임이 나온 후의 '김연아'를 포함하는 하나 이상의 프레임을 제3유사프레임그룹으로 분류할 수 있다.)
그 후, 분석시스템이 각각의 유사프레임그룹 내의 복수의 프레임 중에서 그룹대표프레임을 추출한다(S320). 즉, 분석시스템은 각각의 유사프레임그룹을 대표할 수 있는 그룹대표프레임을 추출할 수 있다. 상기 그룹대표프레임은, 대상체가 최대로 나타나는 프레임 또는 대상체의 특징점이 최대로 포함된 프레임이 해당될 수 있다. 또한, 상기 그룹대표프레임은 프레임 내에 상품이미지가 최대로 포함되는 프레임이 해당될 수도 있다.
구체적으로, 프레임 내에 포함된 특징점 개수를 바탕으로 그룹대표프레임을 추출하는 경우, 상기 그룹대표프레임 추출단계(S320)는, 각각의 프레임을 동일한 방식에 따라 복수의 구획으로 분할하고, 각 프레임 내에서 특징구획의 개수를 산출하여, 상기 특징구획의 개수가 최대인 프레임을 상기 그룹대표프레임으로 추출할 수 있다. 상기 특징구획은 특정한 대상체이미지의 특징점을 포함하는 구획일 수 있다. 상기 그룹대표프레임은, 동영상데이터 내에 포함된 하나 이상의 프레임이 분할되어 하나 이상의 그룹으로 분류되는 경우, 특정한 프레임 그룹을 대표하는 것으로 추출된 프레임을 의미할 수 있다.
분석시스템은 다양한 방식으로 특징점을 추출하는 과정을 수행할 수 있다. 일실시예로, 구획이 최소단위인 픽셀로 이루어지는 경우, 컴퓨터는 주변의 화소값(즉, 픽셀값)을 이용하여 특징점의 방향을 산출할 수 있다. 구체적으로, 분석시스템은 SIFT(Scale Invariant Feature Transform) 알고리즘, SURF (Speeded Up Robust Features) 알고리즘 등을 기반으로 프레임 내의 특징점을 찾아낼 수 있다. 다만, 컴퓨터는 이에 한정되지 아니하고, 다양한 종류의 이미지 특징 분류기를 이용하여 특징점을 추출할 수 있다.
이를 통해, 분석시스템은 각 유사프레임그룹별로 추출된 그룹대표프레임 중에서 상품류프레임 추출을 수행할 수 있어서, 유사한 프레임에 대해 반복적으로 상품류를 탐색하는 불필요한 과정을 줄일 수 있다.
또한, 상기 상품을 판매하는 마켓URL을 탐색하여 상품이미지 또는 상기 상품이미지를 포함하는 프레임에 연결하는 단계;를 더 포함할 수 있다. 즉, 분석시스템은 크롤링을 통해 특정한 협찬품을 판매하는 마켓사이트를 탐색하고, 해당 마켓 사이트의 URL을 협찬품이미지 또는 협찬품이미지를 포함하는 프레임에 연결할 수 있다. 예를 들어, 분석시스템은 협찬품이미지에 대해 마켓URL을 메타정보로 결합하여, 해당 협찬품이미지를 선택하면 마켓으로 이동하도록 할 수 있다. 또한, 분석시스템은 해당 협찬품이 등장하는 시간동안 해당 협찬품의 상품정보와 마켓URL을 영상과 함께 표시하도록 할 수 있다.
상기와 같은 본 발명에 따르면, 아래와 같은 다양한 효과들을 가진다.
첫째, 동영상데이터를 구성하는 모든 프레임에 대해서 상품류 탐색을 수행하지 않으므로, 분석시스템의 분석 수행량이 현저히 줄어드는 효과가 있다.
둘째, 엔딩크래딧 등에 기재되는 협찬데이터(즉, 협찬사리스트)를 활용하여 동영상 내에 등장할 상품류의 범주를 한정할 수 있어서, 동영상 내에 협찬품을 탐색하는 속도를 향상할 수 있는 효과가 있다.
셋째, 동일한 상품류에 대해 복수의 협찬사가 존재하는 경우, 상품류그룹을 생성함에 따라, 추출된 상품류프레임에서 동일한 상품류에 속하는 상이한 협찬사의 상품을 한번에 탐색할 수 있다. 즉, 상품류그룹을 생성하는 과정을 더 수행함에 따라, 동일한 상품류에 속하는 협찬품 추출을 위해 동일한 과정을 중복 수행하지 않을 수 있다.
넷째, 유사프레임그룹을 형성한 후 추출된 그룹대표프레임에 대해서만 상품류 탐색과정을 수행하여, 불필요한 분석과정을 줄일 수 있다. 이를 통해, 특정한 동영상에 대한 협찬품 추출 속도가 현저하게 높아질 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 썸네일이미지 설정방법은, 하드웨어인 컴퓨터(10)와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100 : 시스템 110 : 메인컴퓨터
120 : 분산시스템 121 : 크롤링컴퓨터

Claims (9)

  1. 분석시스템이 동영상데이터의 특정프레임에 포함되는 협찬데이터를 추출하되, 상기 협찬데이터는 하나 이상의 협찬사를 포함하는 것인, 협찬데이터추출단계;
    상기 협찬데이터에 포함되는 각각의 협찬사에 상응하는 하나 이상의 상품류를 결정하는 단계;
    상기 상품류를 포함하는 상품류프레임을 추출하는 단계;
    상기 상품류프레임 중에서 특정한 협찬사의 상품을 포함하는 협찬품프레임을 추출하는 단계; 및
    상기 협찬품프레임 내의 협찬품에 상응하는 상품정보를 탐색하여, 상기 협찬품프레임 또는 협찬품이미지에 결합하는 단계;를 포함하고,
    상기 협찬데이터추출단계는, 엔딩크래딧에 상응하는 하나 이상의 프레임을 추출하여, 상기 추출된 프레임 내에 포함된 협찬데이터를 추출하고,
    상기 상품류 결정단계는, 상기 협찬데이터에 복수의 협찬사가 포함되는 경우, 각각의 협찬사에 상응하는 상품류를 추출하고, 각각의 상품류를 포함하는 하나 이상의 협찬사로 구성된 상품류그룹을 형성하고,
    상기 협찬품프레임 추출단계는, 상기 상품류프레임에서 특정한 상품류그룹에 포함되는 하나 이상의 협찬사의 협찬품을 탐색하는 것을 특징으로 하는, 분산처리기반의 동영상 내 상품추출방법.
  2. 제1항에 있어서,
    상기 분석시스템은 메인컴퓨터 및 복수의 크롤링컴퓨터로 구성된 분산시스템을 포함하며,
    상기 메인컴퓨터는 상기 분산시스템으로 크롤링을 수행할 소스데이터를 전송하며,
    상기 분산시스템은 수신한 소스데이터를 기반으로 개별적으로 크롤링을 수행하여 탐색데이터를 획득하며, 각각의 크롤링컴퓨터 간의 상기 탐색데이터의 공유를 통해 중복 탐색이 제한되는 것을 특징으로 하는, 분산처리기반의 동영상 내 상품추출방법.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 분석시스템이 크롤링을 통해 협찬사가 상기 동영상 제작시에 제공한 협찬상품류를 탐색하는 것을 특징으로 하는, 분산처리기반의 동영상 내 상품추출방법.
  6. 제1항에 있어서,
    상기 상품류프레임 추출단계는,
    상기 동영상데이터에 포함된 복수의 프레임을 분석하여 하나 이상의 유사프레임그룹을 생성하는 단계; 및
    각각의 유사프레임그룹 내의 복수의 프레임 중에서 그룹대표프레임을 추출하는 단계;를 포함하며,
    상기 협찬품프레임 추출단계는,
    하나 이상의 유사프레임그룹에 대응하는 하나 이상의 그룹대표프레임 중에서 협찬품프레임을 추출하는 것을 특징으로 하는, 분산처리기반의 동영상 내 상품추출방법.
  7. 제1항에 있어서,
    상기 협찬품프레임 추출단계는,
    각 협찬사별 특징정보를 획득하는 단계; 및
    상기 상품류프레임 내에서 상기 특징정보를 식별하여 협찬사를 파악하는 단계;를 포함하는, 분산처리기반의 동영상 내 상품추출방법.
  8. 제1항에 있어서,
    상기 상품을 판매하는 마켓URL을 탐색하여 상품이미지 또는 상기 상품이미지를 포함하는 프레임에 연결하는 단계;를 더 포함하는, 분산처리기반의 동영상 내 상품추출방법.
  9. 하드웨어인 컴퓨터와 결합되어, 제1항, 제2항, 제5항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위하여 매체에 저장된, 분산처리기반의 동영상 내 상품추출프로그램.
KR1020160065073A 2016-05-26 2016-05-26 분산처리기반의 동영상 내 상품추출방법 및 프로그램 KR101812106B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160065073A KR101812106B1 (ko) 2016-05-26 2016-05-26 분산처리기반의 동영상 내 상품추출방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160065073A KR101812106B1 (ko) 2016-05-26 2016-05-26 분산처리기반의 동영상 내 상품추출방법 및 프로그램

Publications (2)

Publication Number Publication Date
KR20170133809A KR20170133809A (ko) 2017-12-06
KR101812106B1 true KR101812106B1 (ko) 2018-01-25

Family

ID=60922370

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160065073A KR101812106B1 (ko) 2016-05-26 2016-05-26 분산처리기반의 동영상 내 상품추출방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR101812106B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102522989B1 (ko) 2020-02-28 2023-04-18 주식회사 아토맘코리아 멀티미디어 콘텐츠 내 상품 정보 제공 장치 및 방법
KR102212077B1 (ko) * 2020-09-29 2021-02-03 오성윤 동영상 자동 편집 방법 및 장치
KR102476495B1 (ko) * 2022-01-04 2022-12-13 주식회사 뮤트스튜디오 로고 제작 및 로고 부착 제품 생산 플랫폼 서비스 제공 방법 및 장치

Also Published As

Publication number Publication date
KR20170133809A (ko) 2017-12-06

Similar Documents

Publication Publication Date Title
US10672052B2 (en) Method, apparatus, system, and computer program for offering and displaying product information
US10747826B2 (en) Interactive clothes searching in online stores
KR102533972B1 (ko) 시각적 검색 플랫폼용 영상 인제스트 프레임워크
US20160225053A1 (en) Mobile visual commerce system
US10360623B2 (en) Visually generated consumer product presentation
JP5205562B2 (ja) 画像データ内の人物が身に着けている製品に関する情報を獲得するための方法、端末機、及びコンピュータ読み取り可能な記録媒体
JP2019531547A (ja) 視覚検索クエリによるオブジェクト検出
US20100070529A1 (en) System and method for using supplemental content items for search criteria for identifying other content items of interest
US20210390607A1 (en) Method, apparatus and computer program for style recommendation
KR102037489B1 (ko) 이미지 기반 광고 제공 방법, 장치 및 컴퓨터 프로그램
US11195227B2 (en) Visual search, discovery and attribution method, system, and computer program product
KR101812106B1 (ko) 분산처리기반의 동영상 내 상품추출방법 및 프로그램
CN112714349A (zh) 数据处理方法、商品展示方法和视频播放方法
JP2008146492A (ja) 情報提供装置、情報提供方法、及びコンピュータプログラム
CN114898349A (zh) 目标商品识别方法及其装置、设备、介质、产品
KR20220039697A (ko) 코디네이션 패션 아이템을 추천하는 방법
KR20210131198A (ko) 추천 상품 광고 방법, 장치 및 컴퓨터 프로그램
Lomas et al. A systematic literature review of artificial intelligence in fashion retail B2C
KR20210041733A (ko) 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램
KR101952622B1 (ko) 로컬 색차 기반으로 이미지를 검색하는 방법, 장치, 시스템 및 컴퓨터 프로그램
KR102378072B1 (ko) 코디네이션 패션 아이템을 추천하는 방법
US11410216B2 (en) Customer service assistance apparatus, customer service assistance method, and computer-readable recording medium
KR102062248B1 (ko) 온라인 신문기사의 아티클 이미지를 분석하여 매칭되는 커머셜 이미지를 노출하는 방법
Aryafar et al. Exploring user behaviour on etsy through dominant colors
Bui et al. Applying fast planar object detection in multimedia augmentation for products with mobile devices

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant