KR102110894B1 - 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템 - Google Patents

의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템 Download PDF

Info

Publication number
KR102110894B1
KR102110894B1 KR1020190154205A KR20190154205A KR102110894B1 KR 102110894 B1 KR102110894 B1 KR 102110894B1 KR 1020190154205 A KR1020190154205 A KR 1020190154205A KR 20190154205 A KR20190154205 A KR 20190154205A KR 102110894 B1 KR102110894 B1 KR 102110894B1
Authority
KR
South Korea
Prior art keywords
fabric
image
accuracy
degree
similar
Prior art date
Application number
KR1020190154205A
Other languages
English (en)
Inventor
성종형
Original Assignee
주식회사 종달랩
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 주식회사 종달랩 filed Critical 주식회사 종달랩
Priority to KR1020190154205A priority Critical patent/KR102110894B1/ko
Application granted granted Critical
Publication of KR102110894B1 publication Critical patent/KR102110894B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/46—
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 사용자로부터 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신하면, 딥러닝 기반 속성추출엔진을 이용하여 동영상에서 원단의 특성을 확인할 수 있는 기본 원단 이미지에 대한 속성 키프레임과 늘임, 두께, 구김 원단 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출한 후 딥러닝 기반 1차검색엔진을 이용하여 기본 원단 사진과 유사한 원단을 1차적으로 검색하여 유사의 정도에 따라 순위를 매긴 다음, 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 원단이 구겨진 상태에서 서서히 펴지는 정도, 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 영상을 딥러닝 기반 2차보정엔진에 적용하여 1차 검색결과에 해당하는 유사 원단들의 순위를 보정함으로써, 원단의 기본 모양 뿐만 아니라, 다양한 특성까지 고려하여 유사한 원단을 검색하고 추천할 수 있는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템에 관한 것이다.

Description

의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템{AI FABRIC SEARCH SYSTEM THAT SEARCHES FOR AND RECOMMENDS SIMILAR FABRICS USING VIDEOS OF CLOTHING FABRICS}
본 발명은 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템에 관한 것으로, 더욱 상세하게는 딥러닝 기반의 인공지능 이미지 검색 환경에서 원단의 색깔, 패턴, 모양 외에 원단의 특성까지 고려해서 검색한 후 동일 또는 유사한 원단을 추천하는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템에 관한 것이다.
기존 의류 부자재 온라인 서비스는 일반적인 온라인 서비스 쇼핑몰의 형태를 그대로 채용하고 있다. 키워드 검색 및 다양한 특성에 맞게 옵션을 주고 이에 합당한 제품이 검색이 되면 사용자가 선택하는 방식이다.
의류부자재는 일반적인 쇼핑몰 제품과는 구분되는 특징이 있다. 첫번째는 표준화가 되어있지 않다는 것이다. 두번째는 제품 카테고리가 매우 다양하다는 것이다. 세번째는 동일한 제품에 대해서 다양한 명칭이 존재한다는 것이다.
의류부자재의 특성상 일반적인 키워드 검색에서 검색 효율성이 매우 낮게 나오게 된다. 이러한 검색율을 높이기 위해서는 다양한 제품에 대해서 방대한 메타데이터를 추가해야 한다는 것이다. 하지만, 의류부자재의 특성상 여러가지 형태로 만들어지고 사라지는 것들이 있으며, 구매에 대한 시장의 니즈를 파악하기 힘들기 때문에 주도적으로 이러한 데이터를 구축한다는 것이 힘들고, 이것을 구축할 주체 또한 마땅치가 않다.
시장에서 이러한 제품들을 만들어 내는 공장, 도매업자들은 영세하고, 시장 전반적으로 데이터베이스를 구축하고 온라인으로 진출하기 위한 체계적인 준비를 하기에는 현재 각각의 업자들이 직접 해야만 한다는 문제점과 이렇게 구축된 데이터 또한 공유되지 않고 있다.
이러한 문제를 해결하기 위해서 가장 적합한 것은 이미지 검색을 통한 의류부자재를 찾아내는 것이다. 의류부자재의 주요한 정보들은 이미지 안에 포함되어있기 때문에 이미지 자료만 충분히 확보하면 위의 문제점들을 상당부분 해소할 수 있다.
하지만, 몇 가지 문제점들이 있다.
첫번째로 의류부자재의 특징은 유사한 형태의 의류부자재들이 많다는 것이다.
- 단추, 와펜, 스토퍼
- 테이프, 밴드, 리본, 지퍼
- 실, 끈
단추, 와펜, 스토퍼는 동그란 모양으로 형태가 유사하며, 테이프, 밴드, 리본, 지퍼도 서로 형태가 유사하고, 실과 끈도 서로 형태가 유사하다.
이러한 경우 단일한 이미지 검색방법만으로는 정확한 카테고리를 선택하기 힘들며, 유사도 검색시에 맞지 않는 데이터가 도출될 수 있다. 각각의 특징을 정확히 도출할 수 있는 방법이 필요하다.
두번째로, 의류부자재는 정형화된 표준이 없기 때문에 시장에서 다양한 형태로 생성이 되고, 그때마다 의류부자재에 대한 재학습이 필요하다. 충분한 학습이 선행되지 않으면 검색의 정확도가 떨어지지만, 학습을 위해서는 많은 컴퓨터자원이 필요하게 된다. 학습에 필요한 리소스를 최소화하면서, 높은 정확도를 제공할 수 있는 방법이 필요하다.
세번째로, 사용자들의 검색요구에 따라 입력되는 이미지 데이터를 학습에 재반영하게 되면 사용자가 증가함에 따라 학습에 정확도가 지속적으로 높아지게 된다. 사용자의 요청에 따라 제공된 이미지 중 적정수준 이상의 정확도를 제공하는 제품에서 사용자가 구매 또는 의미있는 동작을 할 경우 해당 이미지는 해당 제품과 밀접한 관련이 있다는 것을 알 수 있고, 이러한 방법을 이용해서 지도학습(supervised learning) 데이터로 활용할 수 있도록 해야 한다.
등록특허 제10-1992986호(이미지 검색을 이용한 의류 부자재 추천 학습 방법)는 본 출원인(주식회사 종달랩)이 등록 받은 특허이다. 등록특허 제10-1992986호는 종래의 키워드를 이용한 유사 의류 부자재 추천의 불편을 개선한 것으로서, 상기에서 언급한 이미지 검색을 이용해 유사 의류 부자재 추천시 발생할 수 있는 많은 문제를 개선하였다.
한편, 원단을 온라인으로 판매하기 위해서는 원단에 대한 검색방법을 정확하게 제시하여야 한다. 하지만, 원단은 특성상 단순한, 색깔, 패턴, 모양만 가지고 원단을 구분하기는 쉽지 않다.
원단은 눈으로 보이는 것뿐만 아니라 원단 자체가 갖는 탄성정보까지 결합이 되어야 완전한 원단을 결정할 수 있다. 원단의 탄성은 원단을 잡고 늘렸을 때 늘어나는 정도와 이때 만들어지는 원단 특유의 모양을 의미한다.
원단의 특징은 기본 모양 뿐만 아니라, 늘어남의 정도, 두께, 구김 정도를 모두 포함하는 것이기 때문에 기본 모양 뿐만 아니라, 이 모든 특성을 갖고 필요한 원단을 구분해야 한다.
등록특허 제10-1992986호는 원단의 이미지 검색시 단순히 원단의 기본 사진만으로 학습을 시켜서 검색을 하게 하였다. 이럴 경우 비슷한 원단에 대한 검색 결과 뿐만 아니라 두께가 다른 원단, 늘어남의 정도가 다른 원단, 구김 정도가 다른 원단들을 필터링하지 못하여 원하는 결과를 제대로 얻을 수 없는 문제가 발생하였다.
등록특허 제10-1992986호 등록특허 제10-1992988호
본 발명은 상기와 같은 문제점을 개선하기 위하여 발명된 것으로, 사용자로부터 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신하면, 딥러닝 기반 속성추출엔진을 이용하여 동영상에서 원단의 특성을 확인할 수 있는 기본 원단 이미지에 대한 속성 키프레임과 늘임, 두께, 구김 원단 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출한 후 딥러닝 기반 1차검색엔진을 이용하여 기본 원단 사진과 유사한 원단을 1차적으로 검색하여 유사의 정도에 따라 순위를 매긴 다음, 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 원단이 구겨진 상태에서 서서히 펴지는 정도, 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 영상을 딥러닝 기반 2차보정엔진에 적용하여 1차 검색결과에 해당하는 유사 원단들의 순위를 보정함으로써, 원단의 기본 모양 뿐만 아니라, 다양한 특성까지 고려하여 유사한 원단을 검색하고 추천할 수 있는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신하는 동영상 데이터 수신부; 딥러닝 기반 속성추출엔진을 이용하여 상기 동영상 데이터 수신부가 수신한 동영상에서 의류 원단을 가만히 둔 상태에서 촬영한 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출하는 속성 추출부; 딥러닝(Deep learning) 기반 1차검색엔진을 이용하여 상기 속성 추출부가 추출한 기본 원단 이미지와 유사한 원단을 1차적으로 검색하고 정확도에 따라 순위를 결정하는 기본 검색부; 상기 속성 추출부가 추출한 의류 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 딥러닝 기반의 2차보정엔진에 적용하여 상기 기본검색부가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정하는 원단 특성 반영 보정부; 및 상기 원단 특성 반영 보정부의 조정 결과 정확도가 일정 수준 이상인 원단을 유사 원단을 추천하는 유사 원단 추천부를 포함한다.
상기와 같은 구성의 본 발명에 따르면, 다음과 같은 효과를 도모할 수 있다.
먼저, 사용자는 원단의 다양한 상태를 촬영한 사진의 이미지를 각각 업로드 할 필요없이 원단의 기본 모습, 늘인 모습, 두께, 구긴 모습, 구겨진 상태에서 펴지는 모습, 찰랑거리는 모습 등 다양한 상태를 촬영한 동영상 하나만 업로드하면 되고, 서버의 인공지능 시스템이 동영상에서 필요한 이미지와 영상을 자동으로 추출하여 분석하는 방법을 사용하기 때문에 사용자 뿐만 아니라 운영자 입장에서도 상당히 편리한 시스템을 제공한다.
그리고, 기본 원단 이미지에 있는 원단의 기본 모양만을 가지고 데이터베이스에 있는 원단을 1차적으로 검색하여 유사한 원단을 1차적으로 도출한 다음, 원단이 늘어나는 모습의 이미지, 원단의 두께 이미지, 원단이 구겨진 모습의 이미지와 원단이 구겨진 상태에서 서서히 펴지는 영상, 원단을 흔들었을 때 찰랑거리는 영상을 이용하여 1차 검색 결과의 순위를 보정함으로써, 기존의 기본 원단 사진만으로 유사 원단을 검색하여 추천할 때보다 1000배 이상 정확하게 유사한 원단을 추천할 수가 있다.
또한, 원단이 늘어나는 정도, 원단의 두께, 원단이 구김정도 외에 추가적인 특성을 반영하여 1차 검색 결과를 보정할 수가 있으며, 추가적인 특성이 더 많이 반영될수록 원단 검색의 정확도는 점점 높아지게 된다.
도 1은 본 발명에 따른 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템의 구성도
도 2는 사용자가 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 업로드하면, 서버의 속성 추출부가 인공지능을 이용하여 다양한 속성 키프레임과 속성 영상을 추출하고, 기본 원단 이미지를 이용하여 1차 원단 리스트를 선별하며, 그 외 다양한 특성의 이미지와 동영상을 이용하여 1차 원단 리스트의 순위를 보정하기 위한 속성값을 추출하는 모습에 대한 개념도
도 3은 본 발명에 따른 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템에서 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 업로드하면 기본 원단 이미지를 이용하여 1차적으로 유사 원단 리스트를 검색한 다음 원단의 두께 이미지, 원단을 늘려본 이미지, 원단을 구겼다 핀 이미지와 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 이용하여 1차적으로 검색된 유사 원단 리스트의 정확도를 보정하고 유사한 원단의 순위를 조정한 후 최종적으로 유사한 원단을 추천하는 흐름을 나타낸 개념도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.
도 1 내지 도 3을 참고하면, 인공지능 원단 검색 시스템(100)은 동영상 데이터 수신부(110), 속성 추출부(120), 기본 검색부(130), 원단 특성 반영 보정부(140), 유사 원단 추천부(150) 및 원단 DB(160)를 포함한다.
동영상 데이터 수신부(110)는 고객이 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신한다.
도 2와 같이 사용자는 원단의 다양한 특성을 확인할 수 있는 동영상을 촬영하여 인공지능 원단 검색 시스템(100)에 전송한다.
속성 추출부(120)는 딥러닝 기반 속성추출엔진을 이용하여 동영상 데이터 수신부(110)가 수신한 동영상에서 의류 원단을 가만히 둔 상태에서 촬영한 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출한다.
속성 키프레임은 기본 원단 이미지, 원단을 늘인 상태의 이미지, 원단의 두께에 대한 이미지, 원단이 구겨진 이미지가 인공지능으로 추출된 정지 영상에 대한 프레임을 말하며, 속성 영상은 원단이 구겨진 상태에서 펴지는 동작을 나타낸 동영상, 원단을 흔들 때 찰랑거리는 동작을 나타낸 동영상을 말한다.
딥러닝 기반 속성추출엔진은 4개의 속성 키프레임과 2개의 속성 영상을 추출한다. 물론, 추가 속성 키프레임과 추가 속성 영상을 추출하여 본 시스템에 적용하면 정확도를 더욱 올라갈 수 있다.
기본 검색부(130)는 딥러닝(Deep learning) 기반 1차검색엔진을 이용하여 상기 속성 추출부(120)가 추출한 기본 원단 이미지와 유사한 원단을 원단 DB(160)에서 1차적으로 검색하고 정확도에 따라 순위를 결정한다.
도 2를 참고하면, 기본 원단 이미지(패턴, 텍스쳐)를 딥러닝 기반 1차검색엔진에 적용하여 정확도에 따라 유사 원단 리스트를 추천하게 된다. 정확도는 딥러닝 기반 1차검색엔진에서 출력되는 값이다. 원단 리스트를 보면, 정확도(a) 외에 두께(b), 탄력(c), 구김(d)이 있는데, 원단 DB(160)에 저장되어 있는 각 원단 별로 원단의 두께, 탄력, 구김값이 저장되어 있으며, 정확도는 사용자가 전송한 기본 원단 이미지와 비교하여 출력하는 값이다.
원단 특성 반영 보정부(140)는 상기 속성 추출부(120)가 수신한 의류 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 딥러닝 기반의 2차보정엔진에 적용하여 상기 기본검색부(130)가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정한다.
도 3을 참고하면, 딥러닝 기반의 1차검색엔진을 적용한 원단 리스트에서는 원단 A가 정확도 95로 1순위, 원단 B가 정확도 94로 2순위, 원단 C가 정확도 92로 3순위 였으나, 딥러닝 기반 2차보정엔진을 적용하여 정확도를 보정한 결과, 원단 A가 정확도 94로 2순위, 원단 B가 정확도 92로 3순위, 원단 C가 정확도 95로 1순위로 바뀐 것을 알 수가 있다.
유사 원단 추천부(150)는 상기 원단 특성 반영 보정부(140)의 조정 결과 정확도가 일정 수준 이상인 원단을 유사 원단으로 추천한다.
원단 속성 키프레임에 대한 기준 및 평가요소
기준 평가요소 값 단위
기본원단이미지(패턴, 텍스쳐) 이미지의 유사도 0 ~ 100 % 1%
원단 두께 두께표출정도 0 ~ 50mm 1mm
늘어나는 정도 원단변형정도 0 ~ 4 1
구김 정도 원단변형정도 0 ~ 4 1
<기본원단이미지>는 가장 기본적인 데이터로 원단에 대한 1차 검색결과를 도출하게 된다. 기본원단에서 중요한 요소는 패턴이다.
<늘어나는 정도>, <원단 두께>, <구김 정도>의 이미지는 1차 검색결과로 나온 결과물을 필터링하는 용도로 활용된다. 기본 원단 이미지만으로 검색할 경우에 비해 800배 이상 정확하게 유사 원단을 추천할 수가 있다. 또한, 구겨진 원단이 서서히 펴지는 정도와 원단이 찰랑거리는 정도를 추가로 반영하여 필터링함으로써, 1000배 이상 정확하게 유사 원단을 추천하게 된다.
원단을 구분하기 위한 각 팩트 별 특징과 이를 파악하기 위한 기술
팩트 특징 파악하기 위한 기술요소

패턴		 원단의 전체적인 형태를 정의한다. 그 안에 들어갈 수 있는 다양한 형태의 디자인적인 요소에서 특징을 찾아낼 수 있다. 원단 안에 들어가는 별도의 모양을 의미한다. Still image search
- 색깔
- 형태
- 패턴

텍스쳐		 원단이 만들어질때 실들의 짜임 형태에서 만들어지는 고유한 모양을 말한다. Still Image Search
- 색깔
- 형태
- 패턴

색깔		 원단에 적용된 가장 많은 비중을 사용하는 대표적인 색을 말한다. 패턴이 전체적으로 들어간 경우에는 색깔과 패턴이 같은 의미로 사용될 수 있다. Still Image Search
- 색깔
- 패턴
- 형태

두께		 원단의 실에 의해서 형성된 제품의 높이를 말한다. 실을 어떤 실을 썼는지, 실을 1중직, 2중직으로 했는지에 따라서 변동이 있을 수 있다. Still Image Search
- 모양
- 형태
- 패턴


탄성		 실과, 옷감의 직조방식에 따라서 만들어지는 늘어남의 정도를 말한다. 전혀 늘아나지 않는 것에서부터 스판 형태의 아주 늘어남이 큰 것 까지 구분된다. Still Image Search
Moving Image Search
- 모양
- 형태
- 패턴
- 변형



구김		 원단을 구겼을 때 원단의 원상복구 정도와 자국의 정도를 나타난다. Still Image Search
Moving Image Search
- 모양
- 형태
- 패턴
- 변형
- 회복시간

유연성		 원단이 갖고 있는 유연도로, 원단을 일정 높이에서 좌우 흔들거림을 주었을때 얼마나 흐느적거리는지의 여부를 말한다. Moving Image Search
- 유형(움직임)
- 변형
- 반복
딥러닝 기반의 1차검색엔진은 기존에 학습한 자료를 이용해서 기본(필수) 이미지와 가장 유사한 원단을 찾는다.
두께, 늘어남, 구김 및 구겨진 원단이 서서히 펴지는 정도, 원단이 찰랑거리는 정도에 대해서 각각 주요 팩트를 구분할 수 있도록 학습된 딥러닝 기반의 2차보정엔진에 넣어서 각 팩트값을 구한다.
딥러닝 기반의 1차검색엔진이 검색한 원단들은 유사도 값을 % 단위로 갖게 되는데, 이 값을 딥러닝 기반의 2차보정엔진에서 구한 값들을 이용하여 유사도를 다시 가공(보정)하는 과정을 거치는 것이다.
도 2를 참고하면, 속성 추출부(120)는 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출한 후 각 속성 키프레임에서 의류 원단 이미지 부분에 대해 클리핑(Clipping) 처리를 수행함으로써, 1차검색엔진 및 2차보정엔진에 적용시 정확성을 더욱 높이게 된다.
도 2 및 도 3을 참고하면, 기본 검색부(130)는 1차검색엔진을 이용하여 기본 원단 이미지에서 원단의 패턴 및 텍스쳐에 대한 특징점을 추출 후 이를 기반으로 원단 DB(160)에서 정확도에 따라 유사한 원단을 1차적으로 검색하고 순위를 결정한다.
원단 특성 반영 보정부(140)는 2차보정엔진을 이용하여 원단을 잡아당겨서 늘인 이미지에서 원단 변형 정도에 대한 제1특징점을 추출하고 이를 이용하여 원단의 탄력 정도에 대한 제1수치값(0~4)과 상기 제1수치값에 대한 제1정확도(0~100%)를 구하고, 원단의 두께 이미지에서 두께 표출 정도에 대한 제2특징점을 추출하고 이를 이용하여 원단의 두께에 대한 제2수치값(0~50mm)과 상기 제2수치값에 대한 제2정확도(0~100%)를 구하고, 원단을 구긴 이미지에서 원단 변형 정도에 대한 제3특징점을 추출하고 이를 이용하여 원단의 구김 정도에 대한 제3수치값(0~4)과 상기 제3수치값에 대한 제3정확도(0~100%)를 구하고, 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상에서 제4특징점을 추출하고 이를 이용하여 구겨진 원단이 펴지는 정도에 대한 제4수치값(0~4)과 상기 제4수치값에 대한 제4정확도(0~100%)를 구하고, 원단을 좌우로 흔들었을 때 찰랑거리는 정도에 대한 제5특징점을 추출하고 이를 이용하여 원단이 찰랑거리는 정도에 대한 제5수치값(0~4)과 상기 제5수치값에 대한 제5정확도(0~100%)를 구한 다음,
제1수치값(0~4)과 제1수치값에 대한 제1정확도(0~100%), 제2수치값(0~50mm)과 제2수치값에 대한 제2정확도(0~100%), 제3수치값(0~4)과 제3수치값에 대한 제3정확도(0~100%), 제4수치값(0~4)과 제4수치값에 대한 제4정확도(0~100%) 및 제5수치값(0~4)과 제5수치값에 대한 제5정확도(0~100%)와 상기 기본 검색부(130)가 검색하여 추천한 1차 유사 원단 결과물들 각각에 대해 원단 DB(160)에 기록되어 있는 두께, 탄력, 구김, 구김펴짐, 찰랑거림을 정확도 보정공식에 반영하여 상기 기본 검색부(130)가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물들의 순위를 보정한다. 상기에서 각 수치값의 범위는 예로 든 것이며 반드시 이 수치범위에 한정되는 것은 아니다.
구체적으로, 원단 특성 반영 보정부(140)는 아래의 정확도 보정공식을 이용하여 1차 유사 원단 결과물의 순위를 보정한다.
Figure 112019122262559-pat00001
상기 정확도 보정공식에서
a : 1차검색엔진을 이용하여 검색 결과 나온 1차 유사 원단 결과물들의 정확도
k : 속성 추출부가 추출하는 속성 키프레임의 개수와 속성 영상의 개수를 합한 값
bmax : 원단 두께의 최대값
b : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 두께
bv : 원단의 두께 이미지를 2차검색엔진에 적용하여 측정한 원단의 두께
bp : 2차검색엔진을 적용하여 측정한 원단의 두께에 대한 정확도
cmax : 원단 탄력 정도의 최대값
c : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 탄력 정도
cv : 원단을 잡아당겨서 늘인 이미지를 2차검색엔진에 적용하여 측정한 원단의 탄력 정도
cp : 2차검색엔진을 적용하여 측정한 원단의 탄력 정도에 대한 정확도
dmax : 원단 구김 정도의 최대값
d : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 구김 정도
dv : 원단을 구긴 이미지를 2차검색엔진에 적용하여 측정한 원단의 구김 정도
dp : 2차검색엔진을 적용하여 측정한 원단의 구김 정도에 대한 정확도
emax : 원단 구김펴짐 정도의 최대값
e : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 구김펴짐 정도
ev : 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 영상을 2차검색엔진에 적용하여 측정한 원단의 구김펴짐 정도
ep : 2차검색엔진을 적용하여 측정한 원단의 구김펴짐 정도에 대한 정확도
fmax : 원단 찰랑거림 정도의 최대값
f : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 찰랑거림 정도
fv : 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 영상을 2차검색엔진에 적용하여 측정한 원단의 찰랑거림 정도
fp : 2차검색엔진을 적용하여 측정한 원단의 찰랑거림 정도에 대한 정확도
를 나타낸다.
속성 추출부(120)가 기본 원단 이미지, 의류 원단을 잡아당겨서 늘인 이미지, 원단의 두께 이미지, 원단을 구긴 이미지에 대한 속성 키프레임과 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단이 찰랑거리는 정도를 촬영한 속성 영상 데이터 외에 원단의 다른 특징을 나타낼 수 있는 속성 키프레임 또는 속성 영상을 추가로 추출할 수도 있다.
이 경우 원단 특성 반영 보정부(140)는 정확도 보정공식에서 분모의 k 값을 증가시키고, 분자에서 원단의 다른 특징에 대한 측정값과 정확도를 추가로 반영하여 상기 기본검색부(130)가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정할 수 있다. 원단의 특징을 나타낼 수 있는 다른 속성 키프레임이나 속성 영상을 추가로 추출하여 정확도 보정공식에 반영하면 유사 원단 추천의 결과는 더욱 정확해 질 것이다.
이하에서는 속성추출엔진, 1차검색엔진 및 2차보정엔진에 사용되는 딥러닝 알고리즘에 대해서 살펴본다.
딥러닝 알고리즘은 특징에 따라 각기 최적의 결과를 만들어 낼 수 있도록 설계가 되어있다. 대표적인 CNN(Convolution neural network)은 특징맵을 생성하는 필터까지도 학습이 가능하여 비전(vision)분야에서 성능이 우수하다.
CNN기반 알고리즘들도 각기 구성된 신경망에 따라서 정확도와 학습기간이 각기 다르다.
속성추출엔진은 CNN(합성곱 신경망, Convolutional Neural Network)기반의 VGG-16, VGG-19, AlexNet, ResNet, GoogLeNet, ZFNet 중 어느 하나를 이용하여 사용자가 전송한 원단 동영상에서 특징점 기반으로 의류 원단을 가만히 둔 상태에서 촬영한 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출한다.
1차검색엔진은 CNN(합성곱 신경망, Convolutional Neural Network)기반의 VGG-16, VGG-19, AlexNet, ResNet, GoogLeNet, ZFNet 중 어느 하나를 이용하여 의류 원단 이미지의 모양, 외부형태, 내부형태, 재질, 광택, 직조패턴, 색깔 등의 제1 특징점에 기반하여 사용자로부터 수신한 동영상에서 추출한 기본 원단 이미지와 유사한 원단을 검색하여 정확도에 따라 순위를 매긴다.
2차보정엔진도 CNN기반의 VGG-16, VGG-19, AlexNet, ResNet, GoogLeNet, ZFNet 중 어느 하나를 이용하여 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 두께, 의류 원단을 구긴 상태를 나타내는 이미지와 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상에서 각 특징점에 기반하여 원단의 두께와 두께에 대한 정확도, 원단의 탄력과 탄력에 대한 정확도, 원단의 구김과 구김에 대한 정확도와 원단이 구겨진 상태에서 서서히 펴지는 정도와 이에 대한 정확도, 원단을 흔들었을 때 찰랑거리는 정도와 이에 대한 정확도를 구한다.
상기와 같이 1차검색엔진과 2차검색엔진을 이용하여 구한 값들을 정확도 보정공식에 반영하여 정확도 값을 보정하게 된다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시할 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
그리고, 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 특정되는 것이며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100...인공지능 원단 검색 시스템
110...동영상 데이터 수신부
120...속성 추출부
130...기본 검색부
140...원단 특성 반영 보정부
150...유사 원단 추천부
160...원단 DB

Claims (6)

  1. 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신하는 동영상 데이터 수신부;
    딥러닝 기반 속성추출엔진을 이용하여 상기 동영상 데이터 수신부가 수신한 동영상에서 의류 원단을 가만히 둔 상태에서 촬영한 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출하는 속성 추출부;
    딥러닝(Deep learning) 기반 1차검색엔진을 이용하여 상기 속성 추출부가 추출한 기본 원단 이미지와 유사한 원단을 1차적으로 검색하고 정확도에 따라 순위를 결정하는 기본 검색부;
    상기 속성 추출부가 추출한 의류 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 딥러닝 기반의 2차보정엔진에 적용하여 상기 기본검색부가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정하는 원단 특성 반영 보정부; 및
    상기 원단 특성 반영 보정부의 조정 결과 정확도가 일정 수준 이상인 원단을 유사 원단으로 추천하는 유사 원단 추천부를 포함하되,
    상기 기본 검색부는
    1차검색엔진을 이용하여 기본 원단 이미지에서 원단의 패턴 및 텍스쳐에 대한 특징점을 추출 후 이를 기반으로 원단 DB에서 정확도에 따라 유사한 원단을 1차적으로 검색하고 순위를 결정하고,
    상기 원단 특성 반영 보정부는
    2차보정엔진을 이용하여 원단을 잡아당겨서 늘인 이미지에서 원단 변형 정도에 대한 제1특징점을 추출하고 이를 이용하여 원단의 탄력 정도에 대한 제1수치값과 상기 제1수치값에 대한 제1정확도를 구하고, 원단의 두께 이미지에서 두께 표출 정도에 대한 제2특징점을 추출하고 이를 이용하여 원단의 두께에 대한 제2수치값과 상기 제2수치값에 대한 제2정확도를 구하고, 원단을 구긴 이미지에서 원단 변형 정도에 대한 제3특징점을 추출하고 이를 이용하여 원단의 구김 정도에 대한 제3수치값과 상기 제3수치값에 대한 제3정확도를 구하고, 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상에서 제4특징점을 추출하고 이를 이용하여 구겨진 원단이 펴지는 정도에 대한 제4수치값과 상기 제4수치값에 대한 제4정확도를 구하고, 원단을 좌우로 흔들었을 때 찰랑거리는 정도에 대한 제5특징점을 추출하고 이를 이용하여 원단이 찰랑거리는 정도에 대한 제5수치값과 상기 제5수치값에 대한 제5정확도를 구하고,
    상기 제1수치값과 제1수치값에 대한 제1정확도, 제2수치값과 제2수치값에 대한 제2정확도, 제3수치값과 제3수치값에 대한 제3정확도, 제4수치값과 제4수치값에 대한 제4정확도 및 제5수치값과 제5수치값에 대한 제5정확도와 상기 기본 검색부가 검색하여 추천한 1차 유사 원단 결과물들 각각에 대해 원단 DB에 기록되어 있는 두께, 탄력, 구김, 구김펴짐, 찰랑거림을 정확도 보정공식에 반영하여 상기 기본 검색부가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물들의 순위를 보정하는 것을 특징으로 하는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템.
  2. 청구항 1에 있어서,
    상기 속성 추출부는
    기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출한 후 각 속성 키프레임에서 의류 원단 이미지 부분에 대해 클리핑(Clipping) 처리를 수행하는 것을 특징으로 하는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템.
  3. 삭제
  4. 삭제
  5. 의류 원단을 가만히 둔 기본 상태, 의류 원단을 잡아당겨서 늘인 상태, 의류 원단의 측면에서 두께를 촬영한 상태, 원단을 구긴 상태와 같이 의류 원단의 다양한 특성을 확인하기 위한 연속적인 동작을 촬영한 동영상을 수신하는 동영상 데이터 수신부;
    딥러닝 기반 속성추출엔진을 이용하여 상기 동영상 데이터 수신부가 수신한 동영상에서 의류 원단을 가만히 둔 상태에서 촬영한 기본 원단 이미지에 대한 속성 키프레임, 의류 원단을 잡아당겨서 늘인 상태를 촬영한 늘인 이미지에 대한 속성 키프레임, 의류 원단의 두께를 촬영한 두께 이미지에 대한 속성 키프레임과 의류 원단을 구긴 상태를 촬영한 구김 이미지에 대한 속성 키프레임을 추출하고, 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 추출하는 속성 추출부;
    딥러닝(Deep learning) 기반 1차검색엔진을 이용하여 상기 속성 추출부가 추출한 기본 원단 이미지와 유사한 원단을 1차적으로 검색하고 정확도에 따라 순위를 결정하는 기본 검색부;
    상기 속성 추출부가 추출한 의류 원단을 잡아당겨서 늘인 상태, 원단의 두께, 원단을 구긴 상태의 이미지와 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 속성 영상을 딥러닝 기반의 2차보정엔진에 적용하여 상기 기본검색부가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정하는 원단 특성 반영 보정부; 및
    상기 원단 특성 반영 보정부의 조정 결과 정확도가 일정 수준 이상인 원단을 유사 원단으로 추천하는 유사 원단 추천부를 포함하되,
    상기 원단 특성 반영 보정부는
    아래의 정확도 보정공식을 이용하여 1차 유사 원단 결과물의 순위를 보정하고,
    Figure 112020003076147-pat00002


    상기 정확도 보정공식에서
    a : 1차검색엔진을 이용하여 검색 결과 나온 1차 유사 원단 결과물들의 정확도
    k : 속성 추출부가 추출하는 속성 키프레임의 개수와 속성 영상의 개수를 합한 값
    bmax : 원단 두께의 최대값
    b : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 두께
    bv : 원단의 두께 이미지를 2차검색엔진에 적용하여 측정한 원단의 두께
    bp : 2차검색엔진을 적용하여 측정한 원단의 두께에 대한 정확도
    cmax : 원단 탄력 정도의 최대값
    c : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 탄력 정도
    cv : 원단을 잡아당겨서 늘인 이미지를 2차검색엔진에 적용하여 측정한 원단의 탄력 정도
    cp : 2차검색엔진을 적용하여 측정한 원단의 탄력 정도에 대한 정확도
    dmax : 원단 구김 정도의 최대값
    d : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 구김 정도
    dv : 원단을 구긴 이미지를 2차검색엔진에 적용하여 측정한 원단의 구김 정도
    dp : 2차검색엔진을 적용하여 측정한 원단의 구김 정도에 대한 정확도
    emax : 원단 구김펴짐 정도의 최대값
    e : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 구김펴짐 정도
    ev : 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 영상을 2차검색엔진에 적용하여 측정한 원단의 구김펴짐 정도
    ep : 2차검색엔진을 적용하여 측정한 원단의 구김펴짐 정도에 대한 정확도
    fmax : 원단 찰랑거림 정도의 최대값
    f : 기본 검색부의 검색 결과 나온 1차 유사 원단 결과물들의 찰랑거림 정도
    fv : 원단을 좌우로 흔들었을 때 찰랑거리는 정도를 촬영한 영상을 2차검색엔진에 적용하여 측정한 원단의 찰랑거림 정도
    fp : 2차검색엔진을 적용하여 측정한 원단의 찰랑거림 정도에 대한 정확도
    인 것을 특징으로 하는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템.
  6. 청구항 5에 있어서,
    상기 속성 추출부가 기본 원단 이미지, 의류 원단을 잡아당겨서 늘인 이미지, 원단의 두께 이미지, 원단을 구긴 이미지에 대한 속성 키프레임과 의류 원단이 구겨진 상태에서 서서히 펴지는 정도를 촬영한 속성 영상과 의류 원단이 찰랑거리는 정도를 촬영한 속성 영상 데이터 외에 원단의 다른 특징을 나타낼 수 있는 속성 키프레임 또는 속성 영상을 추가로 추출하는 경우
    상기 원단 특성 반영 보정부는 정확도 보정공식에서 분모의 k 값을 증가시키고, 분자에서 원단의 다른 특징에 대한 측정값과 정확도를 추가로 반영하여 상기 기본검색부가 검색한 1차 유사 원단 결과물들 각각에 대한 정확도 값을 보정함으로써, 1차 유사 원단 결과물의 순위를 보정하는 것을 특징으로 하는 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템.
KR1020190154205A 2019-11-27 2019-11-27 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템 KR102110894B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190154205A KR102110894B1 (ko) 2019-11-27 2019-11-27 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190154205A KR102110894B1 (ko) 2019-11-27 2019-11-27 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템

Publications (1)

Publication Number Publication Date
KR102110894B1 true KR102110894B1 (ko) 2020-05-14

Family

ID=70737216

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190154205A KR102110894B1 (ko) 2019-11-27 2019-11-27 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템

Country Status (1)

Country Link
KR (1) KR102110894B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102210107B1 (ko) 2020-06-30 2021-02-01 주식회사 종달랩 이미지 검색엔진을 이용한 패션 부자재 아이템 등록 프로세스 단축 시스템
KR102221504B1 (ko) 2020-06-30 2021-03-02 주식회사 종달랩 이미지 검색엔진을 이용한 패션 부자재 아이템 이름 자동생성 시스템
CN113343019A (zh) * 2021-06-29 2021-09-03 华南理工大学 一种结合浅层与深层特征的小样本丝织品图像检索方法
WO2022059839A1 (ko) * 2020-09-18 2022-03-24 신지혜 글로벌 패션 수요 및 공급 매칭 플랫폼 시스템
KR20220071697A (ko) * 2020-11-24 2022-05-31 (주)아이씨엔아이티 비접촉방식의 섬유제품검색 서비스 제공 시스템 및 그 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331497A (ja) * 2000-05-18 2001-11-30 Toray Syst Center:Kk 生地情報管理装置、生地情報検索方法及び記録媒体
KR101289085B1 (ko) * 2012-12-12 2013-07-30 오드컨셉 주식회사 객체 기반 영상 검색시스템 및 검색방법
KR20170026264A (ko) * 2015-08-26 2017-03-08 옴니어스 주식회사 상품 영상 검색 및 시스템
KR101832946B1 (ko) * 2016-11-18 2018-04-13 신경태 이미지 검색이 가능한 섬유원단 중계 시스템 및 방법
KR101992988B1 (ko) 2019-01-21 2019-06-25 주식회사 종달랩 동적 학습방법을 이용한 의류 부자재 추천 온라인 쇼핑몰 시스템
KR101992986B1 (ko) 2019-01-21 2019-09-30 주식회사 종달랩 이미지 검색을 이용한 의류 부자재 추천 학습 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331497A (ja) * 2000-05-18 2001-11-30 Toray Syst Center:Kk 生地情報管理装置、生地情報検索方法及び記録媒体
KR101289085B1 (ko) * 2012-12-12 2013-07-30 오드컨셉 주식회사 객체 기반 영상 검색시스템 및 검색방법
KR20170026264A (ko) * 2015-08-26 2017-03-08 옴니어스 주식회사 상품 영상 검색 및 시스템
KR101832946B1 (ko) * 2016-11-18 2018-04-13 신경태 이미지 검색이 가능한 섬유원단 중계 시스템 및 방법
KR101992988B1 (ko) 2019-01-21 2019-06-25 주식회사 종달랩 동적 학습방법을 이용한 의류 부자재 추천 온라인 쇼핑몰 시스템
KR101992986B1 (ko) 2019-01-21 2019-09-30 주식회사 종달랩 이미지 검색을 이용한 의류 부자재 추천 학습 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102210107B1 (ko) 2020-06-30 2021-02-01 주식회사 종달랩 이미지 검색엔진을 이용한 패션 부자재 아이템 등록 프로세스 단축 시스템
KR102221504B1 (ko) 2020-06-30 2021-03-02 주식회사 종달랩 이미지 검색엔진을 이용한 패션 부자재 아이템 이름 자동생성 시스템
WO2022059839A1 (ko) * 2020-09-18 2022-03-24 신지혜 글로벌 패션 수요 및 공급 매칭 플랫폼 시스템
KR20220071697A (ko) * 2020-11-24 2022-05-31 (주)아이씨엔아이티 비접촉방식의 섬유제품검색 서비스 제공 시스템 및 그 방법
KR102433779B1 (ko) * 2020-11-24 2022-08-18 (주)아이씨엔아이티 비접촉방식의 섬유제품검색 서비스 제공 시스템 및 그 방법
CN113343019A (zh) * 2021-06-29 2021-09-03 华南理工大学 一种结合浅层与深层特征的小样本丝织品图像检索方法
CN113343019B (zh) * 2021-06-29 2022-11-18 华南理工大学 一种结合浅层与深层特征的小样本丝织品图像检索方法

Similar Documents

Publication Publication Date Title
KR102110894B1 (ko) 의류 원단을 촬영한 동영상을 이용하여 유사한 원단을 검색하고 추천하는 인공지능 원단 검색 시스템
KR102110893B1 (ko) 의류 원단 사진에서 원단의 특징을 추출한 후 유사한 원단을 검색하고 추천하는 원단 검색 딥러닝 시스템
Kang et al. Complete the look: Scene-based complementary product recommendation
US10242396B2 (en) Automatic color palette based recommendations for affiliated colors
Cheng et al. Video2shop: Exact matching clothes in videos to online shopping images
US8897504B2 (en) Classification and organization of consumer digital images using workflow, and face detection and recognition
US20140310304A1 (en) System and method for providing fashion recommendations
US7587068B1 (en) Classification database for consumer digital images
US7551755B1 (en) Classification and organization of consumer digital images using workflow, and face detection and recognition
CN104504055B (zh) 基于图像相似度的商品相似计算方法及商品推荐系统
US7555148B1 (en) Classification system for consumer digital images using workflow, face detection, normalization, and face recognition
JP5443854B2 (ja) ファッション関連情報に基づいてソーシャルネットワーキングを容易にするコンピュータ実行方法
US7558408B1 (en) Classification system for consumer digital images using workflow and user interface modules, and face detection and recognition
US7564994B1 (en) Classification system for consumer digital images using automatic workflow and face detection and recognition
US20180308149A1 (en) Systems and methods to curate, suggest and maintain a wardrobe
KR101992986B1 (ko) 이미지 검색을 이용한 의류 부자재 추천 학습 방법
WO2017148259A1 (en) Method for image searching and system thereof
CN109614508A (zh) 一种基于深度学习的服装图像搜索方法
KR101992988B1 (ko) 동적 학습방법을 이용한 의류 부자재 추천 온라인 쇼핑몰 시스템
CN107862562A (zh) 一种根据用户的图片喜好选择进行商品推荐的方法及装置
US11036785B2 (en) Batch search system for providing batch search interfaces
Nodari et al. A mobile visual search application for content based image retrieval in the fashion domain
KR102270989B1 (ko) 인공 지능 코디네이션 시스템
CN112508114A (zh) 一种智能服装推荐系统及方法
JP2019067257A (ja) 情報処理装置、制御方法、及びプログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant