KR102253750B1 - 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼 - Google Patents

딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼 Download PDF

Info

Publication number
KR102253750B1
KR102253750B1 KR1020200148242A KR20200148242A KR102253750B1 KR 102253750 B1 KR102253750 B1 KR 102253750B1 KR 1020200148242 A KR1020200148242 A KR 1020200148242A KR 20200148242 A KR20200148242 A KR 20200148242A KR 102253750 B1 KR102253750 B1 KR 102253750B1
Authority
KR
South Korea
Prior art keywords
makeup
information
user
recommended
image
Prior art date
Application number
KR1020200148242A
Other languages
English (en)
Inventor
임호
Original Assignee
임호
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 임호 filed Critical 임호
Priority to KR1020200148242A priority Critical patent/KR102253750B1/ko
Application granted granted Critical
Publication of KR102253750B1 publication Critical patent/KR102253750B1/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
    • G06K9/00268—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

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)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 딥러닝을 이용한 메이크업의 추천과 이를 통한 화장품 구매를 제공하는 서비스에 관한 것으로 본 발명의 일실시예에 따른 인공지능을 이용한 화장품 추천 서비스 제공 방법은 촬영된 사용자의 안면 사진을 입력 받는 단계; 안면 사진에 따라 필요한 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 단계; 상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 단계; 및 상기 생성된 메이크업 이미지를 사용자에게 제공하는 단계를 포함한다. 본 발명에 따르면 다양한 화장품들 중에서 사용자가 추구하는 이미지에 대한 맞춤형 화장품을 추천해 줄 수 있다.

Description

딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼{Makeup recommendation and selling cosmetics platform service using deep learning}
본 발명은 딥러닝을 이용한 메이크업의 추천과 이를 통한 화장품 구매를 제공하는 서비스에 관한 것이다.
사람은 유전적 요인에 따라 다양한 피부 타입을 갖게 되며, 환경적 요인에 따라 피부 타입의 다양한 변화를 겪고 있다. 또한, 취향을 중시하는 트렌드에 따라 요구하는 피부의 색상이나 톤도 다양화되고 있다.
따라서 최근의 뷰티 시장은 획일화된 화장품의 추천보다는 개인의 퍼스널 컬러와 요구 정보를 고려하여, 개성을 존중하고 자신만의 아이덴티티를 표출할 수 있도록 개인화된 맞춤형 화장품을 추천해 줄 필요가 있다.
또한, 최근 인공지능 기술의 발달로 다양한 분야에 인공지능이 적용되고 있으며 선행 특허(10-2019-0116052, 공개일 2019.10.14)는 퍼스널 컬러를 쉽고 간편하게 진단할 수 있고, 개인에게 퍼스널 컬러에 어울리는 색상을 추천할 수 있는 딥 러닝 기반 퍼스널 컬러 진단 및 가상 메이크업 방법 및 장치를 제안하고 있다.
하지만, 메이크업은 얼굴의 전체에 대하여 동시에 수행되는 것이 아니라 사용자 별로 습관화된 방식에 의해 범위나 정도가 달라지며, 순차적으로 수행되므로, 이러한 단계적인 변화를 직접 중간 중간 확인하는 절차가 필요하다. 따라서, 획일화된 가상 메이크업은 사용자의 실제의 습관이나 패턴을 반영하기에 어려운 문제가 있다.
따라서, 실제 메이크업의 습관이나 패턴을 고려하고 이를 학습하여 사용자에게 시연 가능한 화장품이나 화장 방법을 제안할 필요가 있다.
본 발명은 인식된 사용자의 얼굴을 통해 추구하는 이미지를 판단하고 이에 대한 화장품을 제공하는 것을 목적으로 한다.
또한, 본 발명은 제공된 화장품을 직접 안면 사진에 적용하는 방법을 제공하고 이용된 화장품의 구매를 위한 정보를 함께 제공하여 사용자의 편의를 도모하는 것을 목적으로 한다.
상기 기술적 과제를 해결하기 위한 본 발명의 일실시예에 따른 인공지능을 이용한 화장품 추천 서비스 제공 방법은 촬영된 사용자의 안면 사진을 입력 받는 단계; 안면 사진에 따라 필요한 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 단계; 상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 단계; 및 상기 생성된 메이크업 이미지를 사용자에게 제공하는 단계를 포함한다.
상기 메이크업 이미지를 생성하는 단계는, 상기 추천 메이크업 정보에 따른 화장품 정보를 사용자에게 제공하는 단계; 상기 사용자가 선택한 화장품 정보를 상기 안면 사진 내 안면 특징점을 이용하여 적용하는 단계; 및 상기 선택한 화장품이 적용된 메이크업 이미지를 생성하는 단계를 포함한다.
상기 추천 메이크업 정보를 생성하는 단계는, 상기 안면 사진 내 원본 메이크업 정보를 생성하는 단계; 상기 원본 메이크업 정보로부터 추구 이미지 정보를 생성하는 단계; 및 상기 추구 이미지 정보에 따른 추천 화장품 정보를 추출하는 단계를 포함한다.
상기 안면 사진을 입력 받는 단계는 사용자가 추구하는 모델의 모델 사진을 더 입력 받고, 상기 추천 메이크업 정보를 생성하는 단계는, 상기 안면 사진의 화장 상태에 따라 안면 사진과 모델 사진을 합성하여 상기 신경망에 입력하거나, 각각 입력하여 추천 메이크업 정보를 생성하는 것이 바람직하다.
상기 안면 사진은 기준 촬영 조건에 따른 촬영 공간 내에서 디스플레이를 통해 셀프 촬영된 이미지이며, 상기 메이크업 이미지는 상기 디스플레이를 통해 제공되는 사용자 인터페이스를 통해 사용자가 선택한 화장품이 메이크업으로 적용된 이미지인 것이 바람직하다.
상기 메이크업 이미지에 대한 사용자의 출력 요청을 입력 받고, 상기 출력 요청에 따라 상기 메이크업에 이용된 화장품의 샘플 또는 샘플리스트를 제공하는 것이 바람직하다.
상기 기술적 과제를 해결하기 위한 본 발명의 일실시예에 따른 인공지능을 이용한 화장품 추천 서비스 제공 시스템은 촬영된 사용자의 안면 사진을 입력 받는 이미지 입력부; 안면 사진에 따라 필요한 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 추천 메이크업 정보 생성부; 상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 메이크업 이미지 생성부; 및 상기 생성된 메이크업 이미지를 사용자에게 제공하는 사용자 제공부를 포함한다.
본 발명에 따르면 다양한 화장품들 중에서 사용자가 추구하는 이미지에 대한 맞춤형 화장품을 추천해 줄 수 있다. 또한, 다양한 화장품 온라인 플랫폼으로부터 제공되는 화장품에 의한 메이크업 효과를 제공함으로써 간접적으로 제품의 효과를 확인할 수 있도록 한다.
또한, 사용자가 추구하고자 하는 이미지를 추가적으로 입력 받고 이에 따라 추구하는 이미지와 현자 사용자의 상태를 비교하여 필요한 화장품을 추천하여 제공해 줄 수 있다.
또한, 사용자에게 선택한 화장품을 샘플이나 테스트를 위한 저용량의 제품으로 직접 제공함으로써 실제 제품의 구매에 직접적인 안내를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스 플랫폼을 예시하는 도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스 방법을 나타내는 도이다.
도 3은 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스를 사용자 단말을 통해 이용하는 방법을 예시하는 도이다.
도 4는 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스를 촬영 부스와 자판기를 통해 이용하는 방법을 예시하는 도이다.
도 5 내지 7은 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스의 동작 예를 나타내는 도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능을 이용한 화장품 추천 서비스를 제공하는 시스템을 나타내는 도이다.
이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이외같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.
또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 딥러닝을 이용한 메이크업 추천 및 화장품 추천 시스템(100)의 구성을 나타낸다.
본 실시예에 따른 화장품 추천 시스템(100)은 사용자로부터 촬영한 사용자의 현재 안면 사진을 입력 받고, 사용자의 메이크업 정보를 추출할 수 있다.
구체적으로 학습된 인공 신경망을 이용하여 사용자의 안면 사진에 포함된 메이크업 특징 정보를 추출할 수 있다.
메이크업 특징 정보는 안면을 구성하는 특징점으로서, 눈, 코, 입 및 얼굴 윤곽을 기준으로 사용자의 눈 화장 상태, 코 화장 상태, 입술 화장 상태, 윤곽 화장 상태에 대한 특징을 추출할 수 있다.
인공 신경망은 CNN(Convolution Neural Network)기반으로 구성되어 입력층으로 입력된 안면 사진에 대한 랜드마크를 추출하는 합성곱(Convolution) 레이어와 이를 통해 생성된 특징맵에 포함된 색상이나 밝기를 토대로 화장 정보를 추출하는 합성곱 레이어로 구성된 은닉층과 최후단의 완전 연결 레이어를 통해 사용자의 메이크업 특징 정보를 출력하는 출력층으로 구성될 수 있다.
합성곱 레이어는 입력된 안면 사진으로부터 퍼스널 컬러 정보를 추출하고 퍼스널 컬러로부터 어울리는 추천 메이크업 정보를 출력하도록 구성될 수 있다.
퍼스널 컬러는 개개인이 가지고 있는 피부색과 관련된 특징 값으로 신체색과 조화를 이루어 보다 얼굴에 생기가 돌고 활기차 보이도록 하는 색상 값을 의미한다. 예를 들어 계절과 대응되어 봄웜톤, 가을웜톤, 여름쿨톤, 겨울쿨톤으로 구분될 수 있다.
또한, 합성곱 레이어는 진단된 퍼스널 컬러를 바탕으로 추출된 사용자의 메이크업 패턴을 통해 눈,코,입, 또는 윤곽에 대하여 추구하는 이미지 정보를 생성을 위한 특징 값들을 출력하도록 구성될 수 있다.
이상의 합성곱 레이어의 출력으로부터 추출된 특징 값들의 집합인 특징 맵은 완전 연결 레이어를 통해 추구하는 이미지 정보로 출력되도록 신경망 네트워크를 구성할 수 있다.
구체적으로 출력되는 정보는 미리 분류(classification)된 추구 이미지에 대한 확률 정보로서 소프트맥스(Softmax) 함수 기반의 완전 연결 레이어의 연산을 통해 0~1의 확률 값으로 생성될 수 있다.
이어서 화장품 추천 시스템은 신경망의 출력을 이용하여 사용자가 추구하는 이미지의 화장을 위해 필요한 화장품 정보를 추출할 수 있다.
또한 사용자가 화장하지 않은 비화장 상태인 경우에는 화장을 통해 추구하는 모델 사진을 추가로 입력하도록 하고, 사용자의 안면 사진과 모델 사진을 이용하여 화장품 정보를 추출하는 것도 가능하다.
이때에는 추가적으로 사용자의 안면 사진과 추구하는 모델의 사진을 합성하여 신경망에 입력으로 제공할 수 있으며, 합성된 이미지에 대하여 추구하는 이미지 정보에 따른 화장품 정보를 추출하도록 한다.
화장품 추천 시스템(100)에서 추천되는 화장품은 다시 사용자에게 제공될 수 있다. 구체적으로 사용자의 단말이나 사용자가 안면 사진을 촬영한 카메라와 연동된 디스플레이 장치에 사용자 인터페이스 형태로 제공될 수 있다.
사용자는 제공된 화장품을 GUI((graphical user interface) 형태로 인지하고 화장품을 선택하여 직접 화장을 시연해 볼 수 있다. 구체적으로 이전에 촬영한 안면 사진을 기초로 화장을 디스플레이의 터치 인터페이스로 수행해 볼 수 있다.
이때, 인터페이스는 사용자가 현재 화장한 상태로 안면 사진 내 화장을 제거하고, 새롭게 화장되도록 구현될 수 있다. 따라서, 사용자는 추천된 화장품을 통해 화장하는 경우의 차이를 실시간으로 디스플레이 장치를 통해 직접 육안으로 확인할 수 있다.
이후, 사용자의 화장이 완료되면 사용자는 완료된 상태의 안면 사진을 이미지 파일 형태로 다운 받거나 출력할 수 있다.
또한, 화장에 이용된 화장품 정보들도 이미지 파일에 대한 메타 데이터로 첨부될 수 있으며 또는 출력될 수 있다.
따라서, 최종 화장을 완료한 경우 화장에 이용된 화장품들의 선택 정보는 온라인 플랫폼(200)으로 전달될 수 있다.
구체적으로 선택된 화장품의 정보에는 해당 화장품을 구매할 수 있는 구매 코드 정보가 포함될 수 있으며, 구매 코드 정보는 화장품을 구매할 수 있는 온라인 플랫폼(200)으로부터 화장품 추천 시스템(100)이 미리 수신 받아서 제공할 수 있다.
또는 화장품 추천 시스템(100)은 추천 메이크업 정보에 따라 사용자가 선택한 화장품 정보를 구매하는 경우 할인이나 기타 보상을 더욱 제공하고자, 선택 화장품 정보를 온라인 플랫폼(200)에 전달하여, 할인이 적용된 구매 코드를 제공받고 이를 사용자에게 전달하는 것도 가능하다.
이하, 도 2를 참조하여 본 실시예에 따른 화장품 추천 방법에 대하여 보다 상세히 설명한다.
먼저, 화장품 추천을 위해 사용자의 촬영된 사용자의 안면 사진을 이용하여 사용자의 색상 정보를 추출한다(S100). 본 실시예에서는 사용자가 추구하는 이미지의 정확한 판단을 위해 기준이 되는 사용자의 색상 정보를 추출할 수 있다. 색상 정보는 퍼스널 컬러로 사용자 고유의 색채 정보를 의미할 수 있다.
또한, 추출된 색상 정보를 이용하여 사용자가 직접 화장품을 시연하는 경우 실제와 유사한 화장 효과를 제공해 줄 수 있도록 한다.
그 외에도 자가 진단 정보로 나이나, 인종, 피부의 건성, 지성 등의 상태 정보를 추가적으로 입력 받고 화장품의 추천을 위한 기초 자료로 활용한다.
이어서, 필요한 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 색상 정보에 따른 추천 메이크업 정보를 생성한다(S200).
이때 신경망은 상술한 바와 같이 CNN 구조로 구성되어 추천 메이크업 정보를 생성할 수 있다. 구체적으로 피부 관련 배경 정보와 사용자의 안면 사진을 함께 입력 받고 이로부터 사용자가 추구하는 이미지에 맞는 메이크업 정보를 생성하도록 한다.
사용자의 안면 사진은 본 실시예에서 두가지 경우로 구분될 수 있다. 사용자가 메이크업을 하지 않은 비화장 상태와 메이크업을 한 화장 상태로 구분된다.
이때 비화장 상태는 문언적으로 화장품이 전혀 얼굴에 발려지지 않은 상태 외에 본 서비스에서 제공되는 화장품이 적용되는 부분에 대하여 화장이 되지 않은 상태도 포함한다.
반대로 화장 상태는 본 서비스에서 제공되는 화장품이 적용되는 부분에 이미 화장이 된 상태를 의미할 수 있다.
즉, 비화장 상태의 안면 사진의 경우 신경망은 사용자가 추구하는 이미지를 파악하기 위하여 모델 사진과 같은 목표 정보를 함께 이용하여 메이크업 정보를 생성할 수 있다.
반면, 화장 상태의 안면 사진의 경우 신경망은 사용자의 원본 메이크업 상태를 기반으로 사용자가 화장을 통해 추구하는 이미지가 무엇인지를 파악하고, 이에 따라 추천 가능한 메이크업 정보를 생성할 수 있다.
다음, 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성한다(S300).
구체적으로 메이크업 이미지는 사용자가 안면을 촬영하기 위해 이용된 장치를 통해 생성될 수 있다.
예를 들어 사용자가 스마트폰과 같은 단말을 이용하여 촬영하는 경우 촬영에 이용되는 어플리케이션을 통해 직접 메이크업 이미지를 생성하여 제공할 수 있다.
도 3을 참조하면, 메이크업 이미지는 스마트폰(300)의 디스플레이 상에 표출될 수 있다.
구체적으로 디스플레이에는 사용자 인터페이스(350)가 함께 제공되는데, 사용자 인터페이스로 추천 메이크업 정보에 따른 화장품 정보를 사용자에게 제공할 수 있다.
따라서, 사용자는 사용자 인터페이스(350)를 통해 화장품을 선택하고, 사용자가 선택한 화장품 정보를 다시 안면 사진 내 안면 특징점들을 이용하여 합성함으로써 화장이 적용된 예를 사용자에게 제공할 수 있다.
즉, 선택한 화장품이 적용된 메이크업 이미지를 생성하고, 디스플레이를 통해 사용자가 확인할 수 있도록 한다. 추가적으로 적용된 메이크업 이미지를 생성함과 동시에 추구 이미지 정보에 따라 현재의 화장의 완성도 정보를 수치화하여 제공하는 것도 가능하다.
나아가 추천 메이크업 정보에 포함된 화장품 정보들은 단계적인 순서에 따라 수행되어야 하는 규칙을 포함하고 사용자는 이에 따라 화장품을 선택하고 시연함으로써 이미지의 변화를 직접 확인할 수 있도록 한다.
최종적으로 사용자가 화장품의 선택을 통해 화장이 완료된 경우 완성된 메이크업 이미지를 사용자에게 제공한다(S400).
이와 함께 사용자가 선택한 화장품 정보는 온라인 플랫폼(200)을 통해 전달되고, 화장품 구매 코드를 제공하여 구매로 직접 연결되도록 할 수 있다. 또는 화장품 샘플을 제공하는 것도 가능하며 따라서 사용자는 화장품 샘플을 제공받을 수 있는 바우처를 전달받고, 바우처를 이용하여 화장품 샘플 제공 상점에서 샘플을 획득할 수 있다. 이때, 샘플은 무료 또는 구매가 가능한 저용량의 화장품을 포함하여 포장 형태로 한정되지 않는다.
나아가, 본 실시예에서는 스마트폰과 같은 이동형 장치가 아닌 스티커 사진과 같은 간이형 부스 형태로 서비스가 제공될 수도 있다.
도 4를 참조하면, 사용자는 스티커 사진 촬영과 유사한 방식으로 부스 내에서 자신의 안면을 촬영하여 안면 사진을 제공하고 추천 메이크업 정보를 획득하는 것도 가능하다.
상술한 도 3에 따른 인터페이스가 부스(150) 내의 프로세서를 통해 디스플레이 장치에 그대로 구현될 수 있으며 사용자는 스티커 사진에서 출력 전 촬영된 얼굴에 스티커를 부착하거나 보정하는 방식과 유사하게 화장품을 선택하여 자신의 얼굴에 화장을 시연해 볼 수 있다.
화장이 완료되면 사용자는 완료된 이미지를 출력할 수 있으며, 출력된 이미지는 화장품의 구매를 위한 코드와 함께 제공될 수 있다.
또한, 부스(150)는 화장품의 샘플을 구매할 수 있는 자판기 형태의 자동 머신(250)과 함께 설치될 수 있다.
따라서, 사용자는 자신이 스티커 촬영에 이용한 화장품을 직접 자판기를 통해 구매하는 것도 가능하다.
이하, 도 5를 참조하여 본 실시예에 따른 추천 메이크업 정보를 생성하는 신경망의 구조에 대하여 설명한다.
본 실시예에서 신경망(110)은 입력층과 은닉층 및 출력층으로 구성된다. 입력층은 사용자가 촬영한 안면 사진(15)을 입력받는다. 일반적으로 입력층은 안면 사진에 포함된 정보를 그대로 입력 받되 정해진 차원으로 평탄화된 정보를 입력 받을 수 있다.
다음, 입력된 안면 사진 내 정보들은 은닉층을 통해 연산 되며 본 실시예에서 은닉층은 합성곱 연산을 수행하는 컨볼루션 레이어들로 구성될 수 있다.
컨볼루션 레이어 내에는 컨볼루션 연산을 수행하는 필터들이 포함되며, 필터 내 값과 입력된 정보들은 합성곱 연산을 통해 새로운 값으로 생성된다. 생성된 값은 활성화 함수를 통해 비선형화된 값으로 변환되고 다음 레이어의 입력으로 출력될 수 있다.
복수의 컨볼루션 레이어를 거치면서 각 레이어의 출력 값들은 안면 사진에 포함된 특징들이 강조된 형태의 특징 정보들을 생성하게 되며, 이러한 특징 정보는 결정된 차원의 특징 맵 형태로 출력되게 된다.
출력층은 완전 연결 레이어로 구성되며, 추천 메이크업 정보를 출력할 수 있다. 구체적으로 출력층은 은닉층에서 생성된 특징 맵에 대하여 추구하는 이미지의 분류를 위한 함수를 통해 분류 별 예측 값들을 출력하게 된다.
본 실시예에서 분류는 메이크업을 통해 사용자가 추구하는 이미지를 구분하여 정의하는 것으로 안면 사진에 포함된 메이크업 정보를 통해 추출된 특징 정보들을 바탕으로 사용자가 추구하는 이미지를 파악하고, 이에 대응되는 화장품 정보들을 추출할 수 있도록 한다.
따라서, 출력층에서는 생성된 추구 이미지 정보에 따라 대응되는 화장품 리스트가 추천 화장품 정보로 출력될 수 있다.
화장품 리스트는, 화장품의 분류에 따라 기초 화장품, 색조 화장품으로 구분될 수 있으며 기초 화장품에는 스킨, 로션, 자외선 차단제, 크림, 에센스 등의 분류로 구성될 수 있다.
색조 화장품에는 BB크림, 립, 아이섀도우, 아이브로우, 아이라이너, 마스카라, 블러셔 등의 분류로 구성될 수 있다.
따라서, 신경망에서 출력되는 추구 이미지 정보에 따라 추천 화장품 정보로서 기초 화장품 및 색조 화장품이 결정될 수 있으며 구체적으로 화장품의 제조사의 특징을 반영하여 브랜드 정보가 함께 제공될 수도 있다.
나아가, 본 실시예에서는 직접 사용자가 인터페이스를 이용하여 화장을 시연하는 것 뿐만 아니라 추구하는 모델의 이미지를 입력하는 방식으로 수행되는 것도 가능하다.
도 6을 참조하면 사용자는 자신의 안면 사진(화장 또는 비화장 상태)와 추구하는 모델의 사진 함께 제공하면, 화장품 추천 시스템(100)에서는 이를 함께 이용하여 추천 메이크업 정보를 생성할 수 있다.
즉, 추천 메이크업 정보를 생성하는 단계(S200)는, 안면 사진 내 원본 메이크업 정보와 사용자가 추가하는 이미지의 추천 메이크업 정보를 직접 비교하여 필요 메이크업 요소를 생성하는 것도 가능하다.
따라서, 이를 위해 신경망은 각각의 이미지를 통합(integration)한 정보를 입력 받을 수 있다.
도 7을 참고하면, 화장품 추천 시스템(100)은 두 이미지가 사용자로부터 제공된 경우에는 두 이미지의 특징을 통합하여 신경망의 입력으로 제공할 수 있다. 바람직하게는 비화장 상태의 안면 사진(15)과 모델 사진(25)을 제공한 경우 이때는 통합을 위해서 두 이미지 내의 랜드마크를 기준으로 합성하고, 합성된 이미지를 입력으로 제공하는 것도 가능하다.
즉 합성된 이미지로부터 신경망은 사용자가 추구하는 추구 이미지 정보를 생성하고, 이에 따른 추천 화장품 정보를 추출하여 제공할 수 있다.
또는 도시하지 않았으나, 사용자가 화장 상태의 안면 사진과 모델 사진을 제공한 경우에는 통합하는 대신 신경망에 각각 입력하여 각각의 추천 메이크업 정보를 생성할 수 있다.
사용자의 안면 사진과 모델 사진을 얼굴 내 특징점을 기준으로 기준 크기로 변형하고, 밝기와 같은 배경 요소를 정규화하여 신경망에 입력할 수 있다.
즉, 신경망으로부터 화장 상태의 안면 사진으로부터 추출된 제1 추천 메이크업 정보와 모델 사진으로부터 추출된 제2 추천 메이크업 정보의 차이를 통해 사용자가 모델의 이미지를 갖기 위해 필요한 추천 화장품 정보를 추출하여 제공하도록 하는 것도 가능하다.
또한, 다른 실시예로 모델의 이미지로 타인의 이미지가 아닌 본인의 안면 사진을 화장 어플리케이션을 통해서 화장하여 생성된 이미지를 이용하는 것도 가능하다.
이상 본 실시예에서 화장품 추천 시스템은 사용자의 안면 사진을 기초로 추천 메이크업 정보를 생성하므로, 안면 사진은 기준 촬영 조건에 따른 촬영 공간 내에서 디스플레이를 통해 셀프 촬영된 이미지인 것이 바람직하다.
따라서, 사용자가 개인의 스마트폰과 같은 장치를 이용하여 촬영하는 경우에는 기준 촬영 조건에 따른 촬영이 가능하도록, 예를 들어 조명과 각도를 가이드하는 정보를 셀프 촬영 화면에 인터페이스로 제공할 수 있다.
또는 도 4와 같은 부스를 통해 촬영하는 경우에는 부스 내 환경을 직접 조정함으로써 기준 촬영 조건에 따른 안면 사진이 촬영되도록 하는 것도 가능하다.
이하, 도 8을 참조하여 본 실시예에 따른 화장품 추천 시스템(100)의 구성에 대하여 설명한다.
본 실시예에 따른 화장품 추천 시스템(100)은 이미지 입력부(110), 추천 메이크업 정보 생성부(120), 메이크업 이미지 생성부(130), 사용자 제공부(140)를 포함한다.
이미지 입력부(110)는 촬영된 사용자의 안면 사진을 입력 받는다. 또한 사용자의 안면 사진과 함께 모델 사진을 함께 입력 받을 수 있다.
추천 메이크업 정보 생성부(120)는 안면 사진에 따라 필요한 메이크업 정보를 생성하도록 학습된 신경망(125)을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성한다.
이때 신경망은 CNN 구조로 구현될 수 있으며, 추구 이미지 정보를 생성하고 추구 이미지 정보에 대응하여 저장된 추천 화장품 정보를 추천 메이크업 정보로 제공할 수 있다.
메이크업 이미지 생성부(130)는 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성한다.
메이크업 이미지 생성부(!30)는 사용자가 디스플레이 장치를 통해 직접 화장을 시연할 수 있도록 하고, 화장 된 상태의 안면 이미지를 실시간으로 보여줌으로써 추천 화장품의 효과를 확인할 수 있도록 한다.
사용자 제공부(140)는 생성된 메이크업 이미지를 사용자에게 제공한다. 완성된 메이크업 이미지는 전자 파일 또는 하드카피 형태의 출력물로 제공될 수 있으며 이와 함께 화장에 이용된 화장품 들에 대한 정보도 첨부되어 제공될 수 있다.
또는 화장품의 샘플을 직접 제공함으로써, 실제로 화장을 해보고 구매할 수 있도록 안내하는 것도 가능하다.
이상의 본 발명에 따르면 다양한 화장품들 중에서 사용자가 추구하는 이미지에 대한 맞춤형 화장품을 추천해 줄 수 있다. 또한, 다양한 화장품 온라인 플랫폼으로부터 제공되는 화장품에 의한 메이크업 효과를 제공함으로써 간접적으로 제품의 효과를 확인할 수 있도록 한다.
또한, 사용자가 추구하고자 하는 이미지를 추가적으로 입력 받고 이에 따라 추구하는 이미지와 현자 사용자의 상태를 비교하여 필요한 화장품을 추천하여 제공해 줄 수 있다.
또한, 사용자에게 선택한 화장품을 샘플이나 테스트를 위한 저용량의 제품으로 직접 제공함으로써 실제 제품의 구매에 직접적인 안내를 제공할 수 있다.
나아가, 여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 제어 모듈 자체로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 씌여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리 모듈에 저장되고, 제어모듈에 의해 실행될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (9)

  1. 화장품 추천 서비스 제공 시스템에서 수행되는 인공지능을 이용한 화장품 추천 서비스 제공 방법에 있어서,
    촬영된 사용자의 안면 사진을 입력 받는 단계;
    안면 사진에 따라 추천되는 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진으로 부터 추구 이미지에 따른 추천 메이크업 정보를 생성하는 단계;
    상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 단계;
    상기 생성된 메이크업 이미지를 사용자에게 제공하는 단계를 포함하고,
    상기 신경망은,
    상기 안면 사진내 랜드마크를 추출하는 제1 합성곱 레이어,
    상기 추출된 랜드마크로부터 생성된 특징맵 내 색상 또는 밝기 정보를 기초로 화장 정보를 출력하는 제2 합성곱 레이어,
    상기 안면 사진으로부터 퍼스널 컬러 정보를 추출하는 제3 합성곱 레이어 및
    상기 퍼스널 컬러 정보 및 상기 랜드마크 별 화장 정보로 정의되는 메이크업 패턴을 추출하고 추구 이미지를 확률 값으로 출력하는 출력 레이어로 구성되며,
    상기 추천 메이크업 정보를 생성하는 단계는,
    상기 사용자의 안면 사진이 제2 합성곱 레이어의 출력으로 비화장 상태로 판단된 경우 추가 입력된 모델 사진을 상기 제1 합성곱 레이어에 따라 추출된 랜드마크를 기준으로 상기 안면 사진과 합성한 이미지를 상기 신경망의 입력으로 제공하여 추천 메이크업 정보를 생성하되,
    상기 사용자의 안면 사진이 화장 상태로 판단된 경우 상기 안면 사진을 상기 신경망의 입력으로 추출된 제1 추천 메이크업 정보와 상기 모델 사진을 상기 신경망의 입력으로 추출된 제2 추천 메이크업 정보의 차이에 따른 추천 메이크업 정보를 생성하는 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  2. 제 1 항에 있어서,
    상기 메이크업 이미지를 생성하는 단계는,
    상기 추천 메이크업 정보에 따른 화장품 정보를 사용자에게 제공하는 단계;
    상기 사용자가 선택한 화장품 정보를 상기 안면 사진 내 안면 특징점을 이용하여 적용하는 단계; 및
    상기 선택한 화장품이 적용된 메이크업 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  3. 제 1 항에 있어서,
    상기 추천 메이크업 정보를 생성하는 단계는,
    상기 안면 사진 내 원본 메이크업 정보를 생성하는 단계;
    상기 원본 메이크업 정보로부터 추구 이미지 정보를 생성하는 단계; 및
    상기 추구 이미지 정보에 따른 추천 화장품 정보를 추출하는 단계를 포함하는 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  4. 제 1 항에 있어서,
    상기 안면 사진을 입력 받는 단계는 사용자가 추구하는 모델의 모델 사진을 더 입력 받고,
    상기 추천 메이크업 정보를 생성하는 단계는,
    상기 안면 사진의 화장 상태에 따라 안면 사진과 모델 사진을 합성하여 상기 신경망에 입력하거나, 각각 입력하여 추천 메이크업 정보를 생성하는 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  5. 제 2 항에 있어서,
    상기 안면 사진은 기준 촬영 조건에 따른 촬영 공간 내에서 디스플레이를 통해 셀프 촬영된 이미지이며,
    상기 메이크업 이미지는 상기 디스플레이를 통해 제공되는 사용자 인터페이스를 통해 사용자가 선택한 화장품이 메이크업으로 적용된 이미지인 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  6. 제 5 항에 있어서,
    상기 메이크업 이미지에 대한 사용자의 출력 요청을 입력 받고, 상기 출력 요청에 따라 상기 메이크업에 이용된 화장품의 샘플 또는 샘플리스트를 제공하는 것을 특징으로 하는 화장품 추천 서비스 제공 방법.
  7. 인공지능을 이용한 화장품 추천 서비스 제공 시스템에 있어서,
    촬영된 사용자의 안면 사진을 입력 받는 이미지 입력부;
    안면 사진에 따라 추천되는 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 추천 메이크업 정보 생성부;
    상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 메이크업 이미지 생성부; 및
    상기 생성된 메이크업 이미지를 사용자에게 제공하는 사용자 제공부를 포함하고,
    상기 신경망은,
    상기 안면 사진내 랜드마크를 추출하는 제1 합성곱 레이어,
    상기 추출된 랜드마크로부터 생성된 특징맵 내 색상 또는 밝기 정보를 기초로 화장 정보를 출력하는 제2 합성곱 레이어,
    상기 안면 사진으로부터 퍼스널 컬러 정보를 추출하는 제3 합성곱 레이어 및
    상기 퍼스널 컬러 정보 및 상기 랜드마크 별 화장 정보로 정의되는 메이크업 패턴을 추출하고 추구 이미지를 확률 값으로 출력하는 출력 레이어로 구성되며,
    상기 추천 메이크업 정보 생성부는,
    상기 사용자의 안면 사진이 제2 합성곱 레이어의 출력으로 비화장 상태로 판단된 경우 추가 입력된 모델 사진을 상기 제1 합성곱 레이어에 따라 추출된 랜드마크를 기준으로 상기 안면 사진과 합성한 이미지를 상기 신경망의 입력으로 제공하여 추천 메이크업 정보를 생성하되,
    상기 사용자의 안면 사진이 화장 상태로 판단된 경우 상기 안면 사진을 상기 신경망의 입력으로 추출된 제1 추천 메이크업 정보와 상기 모델 사진을 상기 신경망의 입력으로 추출된 제2 추천 메이크업 정보의 차이에 따른 추천 메이크업 정보를 생성하는 것을 특징으로 하는 화장품 추천 서비스 제공 시스템.
  8. 인공지능을 이용한 화장품 추천 서비스 제공 시스템에 있어서,
    카메라 모듈 및 디스플레이 모듈을 포함하는 즉석 사진 촬영 장치;
    화장품 샘플 제공 장치; 및
    추천 화장품 정보를 생성하는 추천 화장품 정보 생성 장치를 포함하고,
    상기 추천 화장품 정보 생성 장치는
    촬영된 사용자의 안면 사진을 입력 받는 이미지 입력부;
    안면 사진에 따라 추천되는 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 추천 메이크업 정보 생성부;
    상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 메이크업 이미지 생성부; 및
    상기 생성된 메이크업 이미지를 사용자에게 제공하는 사용자 제공부를 포함하고,
    상기 신경망은,
    상기 안면 사진내 랜드마크를 추출하는 제1 합성곱 레이어,
    상기 추출된 랜드마크로부터 생성된 특징맵 내 색상 또는 밝기 정보를 기초로 화장 정보를 출력하는 제2 합성곱 레이어,
    상기 안면 사진으로부터 퍼스널 컬러 정보를 추출하는 제3 합성곱 레이어 및
    상기 퍼스널 컬러 정보 및 상기 랜드마크 별 화장 정보로 정의되는 메이크업 패턴을 추출하고 추구 이미지를 확률 값으로 출력하는 출력 레이어로 구성되며,
    상기 추천 메이크업 정보 생성부는,
    상기 사용자의 안면 사진이 제2 합성곱 레이어의 출력으로 비화장 상태로 판단된 경우 추가 입력된 모델 사진을 상기 제1 합성곱 레이어에 따라 추출된 랜드마크를 기준으로 상기 안면 사진과 합성한 이미지를 상기 신경망의 입력으로 제공하여 추천 메이크업 정보를 생성하되,
    상기 사용자의 안면 사진이 화장 상태로 판단된 경우 상기 안면 사진을 상기 신경망의 입력으로 추출된 제1 추천 메이크업 정보와 상기 모델 사진을 상기 신경망의 입력으로 추출된 제2 추천 메이크업 정보의 차이에 따른 추천 메이크업 정보를 생성하는 것을 특징으로 하는 화장품 추천 서비스 제공 시스템.
  9. 촬영된 사용자의 안면 사진을 입력 받는 단계;
    안면 사진에 따라 추천되는 메이크업 정보를 생성하도록 학습된 신경망을 이용하여, 상기 사용자의 안면 사진에 따른 추천 메이크업 정보를 생성하는 단계;
    상기 사용자의 안면 사진에 추천 메이크업 정보를 적용한 메이크업 이미지를 생성하는 단계;
    상기 생성된 메이크업 이미지를 사용자에게 제공하는 단계를 포함하고,
    상기 신경망은,
    상기 안면 사진내 랜드마크를 추출하는 제1 합성곱 레이어,
    상기 추출된 랜드마크로부터 생성된 특징맵 내 색상 또는 밝기 정보를 기초로 화장 정보를 출력하는 제2 합성곱 레이어,
    상기 안면 사진으로부터 퍼스널 컬러 정보를 추출하는 제3 합성곱 레이어 및
    상기 퍼스널 컬러 정보 및 상기 랜드마크 별 화장 정보로 정의되는 메이크업 패턴을 추출하고 추구 이미지를 확률 값으로 출력하는 출력 레이어로 구성되며,
    상기 추천 메이크업 정보를 생성하는 단계는,
    상기 사용자의 안면 사진이 제2 합성곱 레이어의 출력으로 비화장 상태로 판단된 경우 추가 입력된 모델 사진을 상기 제1 합성곱 레이어에 따라 추출된 랜드마크를 기준으로 상기 안면 사진과 합성한 이미지를 상기 신경망의 입력으로 제공하여 추천 메이크업 정보를 생성하되,
    상기 사용자의 안면 사진이 화장 상태로 판단된 경우 상기 안면 사진을 상기 신경망의 입력으로 추출된 제1 추천 메이크업 정보와 상기 모델 사진을 상기 신경망의 입력으로 추출된 제2 추천 메이크업 정보의 차이에 따른 추천 메이크업 정보를 생성하는 것을 특징으로 하는 화장품 추천 서비스 제공 시스템에서 수행되는 화장품 추천 서비스 제공 방법을 수행하는 컴퓨터 판독 가능한 기록 매체에 저장된 프로그램
KR1020200148242A 2020-11-09 2020-11-09 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼 KR102253750B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200148242A KR102253750B1 (ko) 2020-11-09 2020-11-09 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200148242A KR102253750B1 (ko) 2020-11-09 2020-11-09 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼

Publications (1)

Publication Number Publication Date
KR102253750B1 true KR102253750B1 (ko) 2021-05-18

Family

ID=76158520

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200148242A KR102253750B1 (ko) 2020-11-09 2020-11-09 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼

Country Status (1)

Country Link
KR (1) KR102253750B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102506606B1 (ko) * 2021-10-25 2023-03-08 한국생산기술연구원 메이크업 시뮬레이션 방법
WO2023068633A1 (ko) * 2021-10-18 2023-04-27 주식회사 작당모의 퍼스널 컬러 인식 방법, 이를 수행하는 장치 및 컴퓨터 프로그램
WO2023068634A1 (ko) * 2021-10-18 2023-04-27 주식회사 작당모의 퍼스널 컬러 인식 방법, 퍼스널 컬러 기반 아이템 추천 방법, 이들을 수행하는 장치 및 컴퓨터 프로그램
KR20230106354A (ko) 2022-01-06 2023-07-13 주식회사 토브앤바나 인공 지능 모델을 기반으로 화장품 컨텐츠를 추천하는 전자 장치 및 이의 동작 방법
KR102620400B1 (ko) * 2022-08-12 2024-01-03 한양대학교 에리카산학협력단 화면 상 얼굴 보정 방법, 장치 및 컴퓨터 프로그램
KR102652693B1 (ko) * 2023-10-18 2024-03-29 이언주 인공지능 기반 메이크업 키트 추천 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280395A (ja) * 2003-03-14 2004-10-07 Fuji Electric Retail Systems Co Ltd 化粧品自動販売機
JP2011022733A (ja) * 2009-07-14 2011-02-03 Shiseido Co Ltd メーキャップシミュレーション装置、メーキャップシミュレーションプログラム及び対面販売支援方法
KR20200076224A (ko) * 2018-12-19 2020-06-29 이정재 의류 매장 추천 방법 및 이를 위한 사용자 단말기

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280395A (ja) * 2003-03-14 2004-10-07 Fuji Electric Retail Systems Co Ltd 化粧品自動販売機
JP2011022733A (ja) * 2009-07-14 2011-02-03 Shiseido Co Ltd メーキャップシミュレーション装置、メーキャップシミュレーションプログラム及び対面販売支援方法
KR20200076224A (ko) * 2018-12-19 2020-06-29 이정재 의류 매장 추천 방법 및 이를 위한 사용자 단말기

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023068633A1 (ko) * 2021-10-18 2023-04-27 주식회사 작당모의 퍼스널 컬러 인식 방법, 이를 수행하는 장치 및 컴퓨터 프로그램
WO2023068634A1 (ko) * 2021-10-18 2023-04-27 주식회사 작당모의 퍼스널 컬러 인식 방법, 퍼스널 컬러 기반 아이템 추천 방법, 이들을 수행하는 장치 및 컴퓨터 프로그램
KR102506606B1 (ko) * 2021-10-25 2023-03-08 한국생산기술연구원 메이크업 시뮬레이션 방법
KR20230106354A (ko) 2022-01-06 2023-07-13 주식회사 토브앤바나 인공 지능 모델을 기반으로 화장품 컨텐츠를 추천하는 전자 장치 및 이의 동작 방법
KR102620400B1 (ko) * 2022-08-12 2024-01-03 한양대학교 에리카산학협력단 화면 상 얼굴 보정 방법, 장치 및 컴퓨터 프로그램
KR102652693B1 (ko) * 2023-10-18 2024-03-29 이언주 인공지능 기반 메이크업 키트 추천 시스템

Similar Documents

Publication Publication Date Title
KR102253750B1 (ko) 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼
CN109310196B (zh) 化妆辅助装置以及化妆辅助方法
JP3408524B2 (ja) 化粧アドバイス提供方法及び化粧アドバイス提供用プログラム
TWI573093B (zh) 建立虛擬彩妝資料的方法、具備建立虛擬彩妝資料之方法的電子裝置以及其非暫態電腦可讀取記錄媒體
US20070052726A1 (en) Method and system for likeness reconstruction
CN105378657A (zh) 装置和相关方法
US11776187B2 (en) Digital makeup artist
KR102452055B1 (ko) 큐레이션 기반 화장품 추천 시스템 및 방법
US11961169B2 (en) Digital makeup artist
KR20200045759A (ko) 퍼스널 컬러 매칭 스타일링 시스템
CN116830073A (zh) 数字彩妆调色板
CN112116589B (zh) 虚拟形象的评测方法、装置、设备及计算机可读存储介质
JP2023539159A (ja) バーチャルフィッティングサービス提供方法、装置およびそのシステム
JP2002324126A (ja) メイクアップアドバイス情報供給システム
US20220254188A1 (en) Methods for Creating Personalized Items Using Images Associated with a Subject and Related Systems and Computers
KR20200107488A (ko) 가상화장 합성 처리 방법
JP7499362B2 (ja) パーソナライズされた正確な仮想メイクアップトライオンのためのシステム及び方法
KR20030091419A (ko) 얼굴 감성 유형을 기반으로 한 메이크업 시뮬레이션시스템
WO2023194466A1 (en) Method for recommending cosmetic products using a knn algorithm
JPWO2022002961A5 (ko)
KR20200043112A (ko) 화장법 맞춤형 올인원 화장품 제공방법 및 그 방법을 위한 디지털 단말기용 소프트웨어 및 소프트웨어 분배서버
KR102532561B1 (ko) 개인 스타일에 대한 컨설팅 데이터를 제공하는 방법
KR20200107476A (ko) 뷰티 스코어 기반의 개인화된 화장 스타일 추천 서비스 제공 장치
KR20200107486A (ko) 가상화장 합성 처리 장치
KR102674946B1 (ko) 이미용실용 키오스크 시스템 제어방법

Legal Events

Date Code Title Description
GRNT Written decision to grant