KR102299393B1 - 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템 - Google Patents

제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템 Download PDF

Info

Publication number
KR102299393B1
KR102299393B1 KR1020190154422A KR20190154422A KR102299393B1 KR 102299393 B1 KR102299393 B1 KR 102299393B1 KR 1020190154422 A KR1020190154422 A KR 1020190154422A KR 20190154422 A KR20190154422 A KR 20190154422A KR 102299393 B1 KR102299393 B1 KR 102299393B1
Authority
KR
South Korea
Prior art keywords
product
information
electronic device
shape
user terminal
Prior art date
Application number
KR1020190154422A
Other languages
English (en)
Other versions
KR20210065551A (ko
Inventor
강수아
Original Assignee
강수아
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 강수아 filed Critical 강수아
Priority to KR1020190154422A priority Critical patent/KR102299393B1/ko
Publication of KR20210065551A publication Critical patent/KR20210065551A/ko
Application granted granted Critical
Publication of KR102299393B1 publication Critical patent/KR102299393B1/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
    • G06Q30/08—Auctions
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • 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
    • G06Q50/08—Construction

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

다양한 실시예에 따르는 전자 장치는 통신 연결된 제1 공급자 단말로부터, 전달된 제품 디자인 정보를 메모리에 저장하고, 통신 연결된 제2 공급자 단말로부터, 전달된 시공자 정보를 메모리에 저장하고, 사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별함에 응답하여, 인공 신경망 모델을 이용하여 제품 디자인 정보 및 구매 정보와의 대응여부를 판단하고, 대응여부 판단에 응답하여, 구매 정보에 대응되는 제품 디자인 정보를 가공하여, 사용자 단말에 전송하고, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별함에 응답하여, 제1 공급자 단말에 제품 결제와 관련된 제3 신호를 전송하는 동작과 시공자 정보 중 구매 정보와 대응되는 정보를 사용자 단말에 송신하는 것을 특징으로 한다.

Description

제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템{SERVER FOR MATCHING PRODUCT WITH BUYER AND MATCHING SYSTEM HAVING THE SAME}
본 발명의 다양한 실시예들은 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템에 관한 것이다. 구체적으로는, 벽지, 및 도배사를 선택하고자 하는 사용자가 적절하게 선택하도록 도움을 주는 제품과 사용자간의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템에 관한 것이다.
통신 기술 및 전자 장치의 발달로, 전자 장치의 사용자들은 장소나 시간에 구애받지 않고 쇼핑몰에서 물품을 구매할 수 있다. 판매자 입장에서도, 온라인 쇼핑몰은 제품을 전시할 공간이 필요가 없어, 공간효율성을 높일 수 있다. 사용자는 시공간의 제약에서 벗어나고, 판매자 입장에는 공간 효율성을 높일 수 있어 점차 온라인 쇼핑몰은 증가하는 추세이다.
온라인 쇼핑몰은 SNS에서 사용자들의 평가를 통하여, 제품의 광고 또는 홍보가 이루어 질 수 있다. 특히 젊은 층에서는 SNS등에서 획득한 정보를 바탕으로, 기존의 컴퓨터이외에 스마트폰을 이용한 어플리케이션을 통하여 쇼핑몰에 접근하고 있다. 스마트폰의 등장으로 다양한 형태의 온라인 판매가 진행되고 있다.
새로 집을 이사를 하거나, 인테리어 시공을 하는 경우, 집주인(사용자)은 벽지의 선택을 할 수 있다.
다양한 실시예에 따르는, 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템은 벽지, 도배사 및 사용자를 연결시켜 주어, 벽지가 필요한 사용자는 언제 어디서든 자신이 원하는 벽지의 선택 및 시공을 위한 준비를 할 수 있다
온라인 쇼핑몰의 경우, 제공되는 정보가 너무 광범위하여 사용자의 제품 선택에 문제가 발생할 수 있으며, 또한, 해당 제품의 시공에 적합한 시공자를 찾기에 어려움이 존재할 수 있다.
따라서, 주어진 다양한 정보들을 바탕으로, 최적의 조합을 제공하는 방안(solution)이 필요하다.
다양한 실시예에 따르는 전자 장치(electronic device)는, 하나 이상의 사용자 단말과 통신하기 위한 통신 프로세서(CP, communication processor), 인공 신경망(artificial neural network) 모델 학습을 위한 훈련 데이터를 입력하기 위한 입력부와, 상기 훈련 데이터를 이용하여 상기 인공 신경망 모델을 훈련시키는 러닝 프로세서, 상기 인공 신경망 모델이 저장되는 메모리와, 상기 통신 프로세서 및 상기 메모리와 작동적으로 결합된(operably coupled to) 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 복수의 인스트럭션들을 저장하고, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 제1 공급자 단말로부터, 전달된 제품 디자인 정보를 상기 메모리에 저장하고, 제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하고, 사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별하고, 상기 제1 신호의 식별에 응답하여, 상기 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하고, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하고, 상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별하고, 상기 제2 신호의 식별에 응답하여, 상기 제1 공급자 단말에 제품 결제와 관련된 제3 신호를 전송하고, 상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하도록 제어할 수 있다.
다양한 실시예에 따르는 전자 장치의 동작 방법은 상기 전자 장치와 통신 연결된 제1 공급자 단말로부터, 전달된 제품 디자인 정보를 메모리에 저장하고, 상기 전자 장치와 통신 연결된 제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하는 동작, 상기 전자 장치와 통신 연결된 사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별함에 응답하여, 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하는 동작, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하는 동작, 상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별함에 응답하여, 상기 제1 공급자 단말에 제품 결제와 관련된 제3 신호를 전송하는 동작과, 상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하는 동작을 포함할 수 있다.
다양한 실시예에 따르는 매칭 시스템 및 매칭을 위한 전자 장치는 사용자의 검색 히스토리를 기반으로 하여, 사용자에게 원하는 디자인의 제품(예를 들면, 벽지)을 소개하고, 사용자가 거주하는 지역 및 종래의 다른 사용자들의 평가를 바탕으로 제품을 시공할 수 있는 시공자(예를 들면, 도배사)를 추천할 수 있다.
다양한 실시예에 따르는 매칭 시스템 및 매칭을 위한 전자 장치는 제품에 대한 다양한 정보 및 시공자에 대한 다양한 정보에서, 사용자에게 필요한 정보만을 제공할 수 있다. 사용자는 추천된 제품의 선택함에 있어 편의성이 증대되고, 제품 선택에 있어서의 시간을 절약할 수 있다. 사용자가 추가적으로 시공사를 선택하는 경우에도, 일정 조건을 만족하면서, 시공현장에 접근성이 좋은 시공자를 추천받을 수 있어, 마음에 드는 제품의 구매부터 실제 설치까지 모든 작업이 한번의 구매 동작으로 해결될 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경내에서 동작하는 전자 장치의 블록도이다.
도 2는, 다양한 실시예들에 따르는 전자 장치를 구성하는 인공 신경망 모델의 개념도이다.
도 3은, 다양한 실시예들에 따르는 전자 장치와, 전자 장치에 연결된 복수의 단말들 사이의 신호흐름을 도시한다.
도 4a, 4b, 및 4c는, 다양한 실시예들에 따르는 전자 장치가 전자 장치에 연결된 사용자 단말에 보내는 데이터와 관련하여 정보를 표시하는 것을 도시한다.
도 5a, 5b, 및 5c는 다양한 실시예들에 따르는 전자 장치가 매핑된 정보를 사용자 단말로 전달하는 것을 도시한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경내에서 동작하는 전자 장치의 블록도이다.
인공 신경망은 입력에 대하여 일반화된 출력(generalized output)을 제공하기 위한 하드웨어, 소프트웨어 또는 이들의 조합을 의미할 수 있다.
예를 들어, 인공 신경망은, 합성곱 신경망 (CNN, Convolutional Neural Network), 마르코프 체인(Markov Chain), 또는 이진화 신경망 (BNN, binarized neural network) 등을 시뮬레이션하기 위한 어플리케이션 및 상기 어플리케이션을 실행하기 위한 프로세서에 기반하여 작동할 수 있다.
도 1을 참조하면, 전자 장치(100)(예를 들면, 신경망 학습장치)는 훈련을 통하여 머신 러닝을 수행할 수 있는 장치로서, 인공 신경망으로 구성된 모델을 이용하여 학습하는 장치를 포함할 수 있다. 예를 들면, 신경망 장치(100)는 데이터 마이닝, 데이터 분석, 및 머신 러닝 알고리즘(예: 딥 러닝 알고리즘 (deep learning algorithm))을 위해 이용되는 정보를 입력, 출력, 데이터 베이스 구축 및 저장하도록 구성될 수 있다.
신경망 장치(100)는 통신부(미도시)를 통하여 외부 전자 장치(미도시)와 데이터를 송수신할 수 있고, 외부 전자 장치로부터 전달받은 데이터를 분석하거나 학습하여 결과값을 도출할 수 있다. 신경망 장치(100)는 외부 전자 장치의 연산을 분산하여 처리할 수 있다.
신경망 장치(100)는 서버로 구현될 수 있다. 또한 신경망 장치(100)는 복수로 구성되어 신경망 장치 세트를 이룰 수 있다. 각각의 신경망 장치(100)는 연산을 분산하여 처리할 수 있고, 분산 처리된 데이터를 바탕으로 데이터 분석 및 학습을 통하여 결과값을 도출할 수 있다. 신경망 장치(100)는 머신 러닝 알고리즘 등을 이용하여 획득한 결과값을 외부 전자 장치 또는 다른 신경망 장치로 전송할 수 있다.
다양한 실시예에 따르면, 신경망 장치(100)는 입력부(110), 프로세서(120), 메모리(130), 러닝 프로세서(140) 및 통신 프로세서(150)(CP, communication processor)를 포함할 수 있다.
다양한 실시예에 따르면, 입력부(110)는 인공 신경망 모델 학습을 통한 출력값을 도출하기 위한 입력 데이터를 획득할 수 있다. 입력부(110)는 가공되지 않은 입력 데이터를 획득할 수 있다. 프로세서(120) 또는 러닝 프로세서(140)는 가공되지 않은 입력 데이터를 전처리하여 인공 신경망 모델 학습에 입력 가능한 훈련 데이터를 생성할 수 있다. 상기 전처리는 입력 데이터로부터 특징점을 추출하는 것일 수 있다. 상술한 바와 같이 입력부(110)는 통신 프로세서(150)를 통하여 데이터를 수신하여 입력 데이터를 획득하거나 데이터를 전처리할 수 있다.
다양한 실시예에 따르면, 프로세서(120)는 전자 장치(100)에서 사용 히스토리 정보를 수집하여 메모리(130)에 저장할 수 있다. 프로세서(120)는 저장된 사용 히스토리 정보 및 예측 모델링을 통하여 특정 기능을 실행하기 위한 최상의 조합을 결정할 수 있다. 프로세서(120)는 입력부(110)로부터 이미지 정보, 오디오 정보, 데이터 또는 사용자 입력 정보를 수신할 수 있다.
다양한 실시예에 따르면, 프로세서(120)는 정보를 실시간으로 수집하고 정보를 처리 또는 분류하고, 처리된 정보를 메모리(130), 메모리(130)의 데이터 베이스 또는 러닝 프로세서(140)에 저장할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)의 동작이 데이터 분석 및 머신 러닝 알고리즘을 바탕으로 결정될 때, 프로세서(120)는 결정된 동작을 실행하기 위해 전자 장치(100)의 구성요소를 제어할 수 있다. 그리고, 프로세서(120)는 제어 명령에 따라 전자 장치(100)를 제어하여 결정된 동작을 수행할 수 있다.
프로세서(120)는 특정 동작이 수행되는 경우, 데이터 분석 및 머신 러닝 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습한 정보의 업데이트를 수행할 수 있다. 프로세서(120)는 러닝 프로세서(140)과 함께, 업데이트 된 정보에 기초하여 데이터 분석 및 머신 러닝 알고리즘 및 성능의 정확성을 향상시킬 수 있다.
메모리(130)는 제품 디자인 정보(131), 시공자 정보(132), 구매 정보(133), 및 인공 신경망 모델(134)을 저장할 수 있다.
다양한 실시예에 따르면, 메모리(130)는 통신 프로세서(150) 또는 입력부(110)에서 획득된 제품의 형태, 모양, 색채, 위치 정보 또는 시간 정보등을 할당된 영역에 저장할 수 있다. 다양한 실시예에 따르면, 메모리(130)는 입력부(110)에서 획득한 입력 데이터, 학습된 데이터, 또는 학습 히스토리 등을 저장할 수 있다. 메모리(130)는 프로세서에 의해 실행될 복수의 인스트럭션을 저장할 수 있다.
다양한 실시예에 따르면, 인공 신경망 모델(134)은 메모리(130)에 할당된 공간에 저장될 수 있다. 상기 메모리(130)에 할당된 공간은 러닝 프로세서(140)를 통하여 학습 중 또는 학습된 인공 신경망 모델(134)을 저장하며, 학습을 통하여 인공 신경망 모델(134)이 갱신되면, 갱신된 인공 신경망 모델(134)을 저장할 수 있다. 상기 메모리(130)에 할당된 공간은 학습된 모델을 학습 시점 또는 학습 진척도 등에 따라 복수의 버전으로 구분하여 저장할 수 있다.
다양한 실시예에 따르면, 메모리(130)는 입력부(110)에서 획득한 입력 데이터, 학습된 데이터를 저장, 분류가능한 데이터 베이스를 포함할 수 있다.
다양한 실시예에 따르면, 러닝 프로세서(140)는 프로세서(120)가 입력부(110)를 통해 획득한 입력 데이터를 전처리한 데이터를 바로 획득하여 인공 신경망 모델(134)을 학습하거나, 메모리(130)의 데이터 베이스에 저장된 전처리된 입력 데이터를 획득하여 인공 신경망 모델(134)을 학습할 수 있다. 예를 들면, 러닝 프로세서(140)는 다양한 학 습 기법을 이용하여 인공 신경망 모델(134)을 반복적으로 학습시켜 최적화된 인경 신경망 모델(134) 파라미터를 획득할 수 있다.
다양한 실시예에 따르면, 학습된 모델은 데이터 베이스에서 인공 신경망 모델(134)을 갱신할 수 있다. 러닝 프로세서(140)는 전자 장치(100)에 통합되거나, 메모리(130)에 구현될 수 있다. 구체적으로 러닝 프로세서(140)는 메모리(130)를 사용하여 구현될 수 있다.
다양한 실시예에 따르면, 러닝 프로세서(140)는 일반적으로 감독 또는 감독되지 않은 학습, 데이터 마이닝, 예측 분석 또는 다른 장치에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다. 여기서, 데이터베이스는 메모리(130), 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다 러닝 프로세서(140)에 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 프로세서(120)에 의해 이용될 수 있다. 예를 들면, 이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판독 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화 된 계획 등을 포함한다.
통신 프로세서(150)는 무선 통신부(미도시) 및 인터페이스부(미도시)를 포함하는 구성을 의미할 수 있다. 즉, 통신 프로세서(150)는 유무선 통신이나 인터페이스를 통하여 다른 장치와 데이터를 송수신할 수 있는 프로세서일 수 있다.
학습 모델이 업데이트되는 경우, 업데이트된 학습 모델은 통신 프로세서(150)를 통해 단말기 또는 외부 장치와 같은 다른 장치에 전송되어 탑재될 수 있다.
통신 프로세서(150)는 외부의 다양한 단말과 통신할 수 있다. 예를 들면, 제1 공급자 단말(101), 제2 공급자 단말(102) 및 사용자 단말(103)과 유 무선 통신을 할 수 있다. 통신은 LAN 연결된 유선 통신일 수 있고, LTE(long term evolution), mmWave 등과 같은 무선 통신일 수 있다.
제1 공급자 단말(101), 제2 공급자 단말(102), 사용자 단말(103)은 통신이 가능한 전자 장치, 예를 들면, 스마트폰, 태블릿 PC, 네트워크 연결된 컴퓨터 또는 랩탑 등일 수 있다.
다양한 실시예에 따르면, 제1 공급자 단말(101)은 전자 장치(100)의 통신 프로세서(150)와 통신 채널을 개설할 수 있다. 제1 공급자 단말(101)은 개설된 통신 채널을 통하여, 전자 장치(100)로 제품 디자인 정보(131)를 전송할 수 있다. 제1 공급자 단말(101)은 디자이너가 사용하는 단말일 수 있다. 제1 공급자 단말(101)은 디자이너가 제작한 제품의 디자인을 제1 공급자 단말(101)내에 있는 저장 장치(예를 들면, 메모리)에 저장할 수 있다. 제1 공급자 단말(101)에 포함된 통신부 또는 통신 인터페이스를 통하여 전자 장치와 개설된 통신 채널을 통하여, 제1 공급자 단말(101)은 저장 장치에 저장된 제품 디자인 정보를 전자 장치(100)로 전달할 수 있다. 통신 프로세서(150)로 전달된 제품 디자인 정보(131)는 메모리(130)의 할당된 영역에 저장될 수 있다. 제품 디자인 정보(131)는 제품의 형상, 모양 또는 색채를 포함할 수 있다. 제품 디자인 정보(131)는 디자이너가 작성한 제품에 관련된 정보뿐만 아니라, 수치로 표현된 제품의 평가 및 제품의 리뷰등을 포함할 수 있다.
다양한 실시예에 따르면, 제품 디자인 정보(131)는 제1 공급자 단말(101)을 통하여 입력되는 것이 아니라, 입력부(110)를 통하여, 직접 입력될 수 있다.
다양한 실시예에 따르면, 제2 공급자 단말(102)은 전자 장치(100)의 통신 프로세서(150)와 통신 채널을 개설할 수 있다. 제2 공급자 단말(102)은 개설된 통신 채널을 통하여, 전자 장치(100)로 시공자 정보(132)를 전송할 수 있다. 제2 공급자 단말(102)은 시공자가 사용하는 단말일 수 있다. 제2 공급자 단말(102)은 시공자가 입력한 시공 정보를 제2 공급자 단말(102)내에 있는 저장 장치(예를 들면, 메모리)에 저장할 수 있다. 제2 공급자 단말(102)에 포함된 통신부 또는 통신 인터페이스를 통하여 전자 장치와 개설된 통신 채널을 통하여, 제2 공급자 단말(102)은 저장 장치에 저장된 시공자 정보를 전자 장치(100)로 전달할 수 있다. 통신 프로세서(150)로 전달된 시공자 정보(132)는 메모리(130)의 할당된 영역에 저장될 수 있다. 시공자 정보(132)는 시공자가 입력한 시공가능 위치, 시공 샘플, 또는 포토폴리오가 포함된 정보일 수 있다. 시공자 정보(132)는 시공자가 입력한 정보뿐만 아니라, 사용자가 입력한 수치로 표현된 시공 평가 및 시공 리뷰가 포함될 수 있다.
다양한 실시예에 따르면, 시공자 정보(132)는 제2 공급자 단말(102)을 통하여 입력되는 것이 아니라, 입력부(110)를 통하여, 직접 입력될 수 있다.
다양한 실시예에 따르면, 사용자 단말(103)은 전자 장치(100)의 통신 프로세서(150)와 통신 채널을 개설할 수 있다. 사용자 단말(103)은 개설된 통신 채널을 통하여, 전자 장치(100)로 구매 정보(133)를 전송할 수 있다. 사용자 단말(103)은 사용자 또는 구매자가 사용하는 단말일 수 있다. 사용자 단말(103)은 사용자가 입력한 구매 정보를 사용자 단말(103)내에 있는 저장 장치(예를 들면, 메모리)에 저장할 수 있다. 사용자 단말(103)에 포함된 통신부 또는 통신 인터페이스를 통하여 전자 장치와 개설된 통신 채널을 통하여, 사용자 단말(103)은 저장 장치에 저장된 구매자 정보를 전자 장치(100)로 전달할 수 있다. 통신 프로세서(150)로 전달된 구매 정보(133)는 메모리(130)의 할당된 영역에 저장될 수 있다.
다양한 실시예에 따르면, 구매 정보(133)는 사용자 단말(103)을 통하여 입력되는 것이 아니라, 입력부(110)를 통하여, 직접 입력될 수 있다. 구매자 정보(133)는 사용자가 원하는 제품의 모양, 형상 및 색채와 같은 디자인, 작업 위치 및 작업 시각 등을 포함할 수 있다. 구매 정보(133)는 사용자가 웹페이지를 통하여 제품을 검색한 히스토리, 이전 구매 내역등을 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 외부 전자 장치 또는 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치(100), 제1 공급자 단말(101), 제2 공급자 단말(102) 및 사용자 단말(103)은, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 서버 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나,""A, B 또는 C," "A, B 및 C 중 적어도 하나,"및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리) 또는 외장 메모리)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램)로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(100))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는, 다양한 실시예들에 따르는 전자 장치를 구성하는 인공 신경망 모델의 개념도이다.
도 2를 참조하면, 일반적인 합성곱 신경망은 컨벌루션 레이어(201), 및 풀링 레이어(pooling layer)(202)를 이용한 입력 데이터(210)의 특성 추출(11) 및 완전 연결 레이어(290)를 이용한 입력 데이터(210)의 분류(12)에 사용될 수 있다.
다양한 실시예에 따르면, 컨벌루션 레이어(201)는 합성곱 연산을 통해 입력 데이터(210)의 의미있는 특징들을 추출하는 레이어일 수 있다. 예를 들면, 컨벌루션 레이어(201)는 입력 데이터(210)에 특정 크기의 필터 또는 커널 매트릭스(kernel(weight) matrix)(230)를 적용하여 다음 레이어에 전달할 새로운 데이터를 생성할 수 있다. 이와 같은 컨벌루션 레이어(201)의 입출력 데이터는 특징 맵(feature maps)으로 지칭될 수 있다.
합성곱 신경망 모델에 입력된느 데이터가 RGB 성분과 같이 복수의 성분을 포함하는 입력 이미지인 경우, 입력 데이터는 복수의 채널로 구성될 수 있다. 예를 들면, 컨벌루션 레이어(201)의 입출력 데이터가 2차원 이미지의 공간 이외에 채널을 포함하고, 입출ㄹ력 데이터의 특징 맵은 3차원 형태로 이루어 질 수 있다.
다양한 실시예에 따르면, 풀링 레이어(202)는 서브 샘플링(Sub-sampling)을 통하여 입력받은 데이터를 축소할 수 있다. 예를 들면, 풀링 레이어(202)는 최대 풀링(max pooling) 및 평균 풀링(average pooling)과 같은 풀링 기법을 통해 데이터를 샘플링 함으로써 데이터의 크기를 축소할 수 있다.
다양한 실시예에 따르면, 완전 연결 레이어(290)는 컨벌루션 레이어(201) 및 풀링 레이어(202)를 통해 전달된 특징을 바탕으로 데이터 분류를 수행하기 위한 레이어로서, 3차원 형태의 특징 맵을 평탄화된 1차원 형태의 데이터를 입력 받을 수 있다. 이와 같이 완전 연결 레이어(290)를 통과한 1차원 형태의 데이터는 활성화 함수를 통해 출력신호로 변환될 수 있다. 합성곱 신경망은 컨벌루션 레이어 및 풀링 레이어를 사용하여 입력 데이터(예: 입력 이미지)에 대한 특징 맵의 3차원 형상을 유지할 수 있으므로, 입력 이미지의 화소 또는 채널 사이의 관련성에 관한 정보가 손실되는 것을 방지하여 이미지 인식률을 높일 수 있다.
도 3은, 다양한 실시예들에 따르는 전자 장치와, 전자 장치에 연결된 복수의 단말들 사이의 신호흐름을 도시한다.
도 3을 참조하면, 전자 장치(100)는 제1 공급자 단말(101), 제2 공급자 단말(102) 또는 사용자 단말(103)과 통신 채널이 개설되어 데이터 또는 신호를 송수신할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 제1 공급자 단말(101)로부터, 전달된 제품 디자인 정보(131)를 수신할 수 있다(S201). 수신된 제품 디자인 정보(131)는 메모리(130)의 할당된 영역에 저장될 수 있다. 제품 디자인 정보(131)는 제품의 형태, 모양, 또는 색채를 포함할 수 있다. 예를 들면, 제품이 벽지인 경우, 제품 디자인 정보(131)중 형태는 정사각형, 사각형, 또는 사이즈 등을 포함할 수 있다. 제품 디자인 정보(131)중 모양은 제품의 형상내에 표현되는 무늬, 패턴, 사진 또는 그림등을 포함할 수 있다. 제품 디자인 정보(131)중 색상은 모양내에 표현되는 색채를 포함할 수 있다. 추가적으로 제품 디자인 정보(131)에는 제품의 가격, 제품의 재질(예를 들면, 벽지의 경우 인쇄 가능 재질, 두께, 또는 벽지를 구성하는 종이의 재질 등)을 포함할 수 있다. 제품 디자인 정보(131)는 인공 신경망 모델(134)을 통하여, 특징점을 추출할 수 있다. 구매 정보(133)에 포함된 제품의 디자인과 관한 정보는 인공 신경망 모델(134)을 통하여 특징점을 추출할 수 있다. 프로세서(120)는 제품 디자인 정보(131)에서 추출된 특징점 및 구매 정보(133)에 포함된 디자인 정보로부터 추출된 특징점을 비교하여, 사용자가 원하는 디자인과 유사한 디자인을 추천할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 제2 공급자 단말(102)로부터, 전달된 시공자 정보(132)를 수신할 수 있다(S202). 전자 장치(100)는 수신된 시공자 정보(132)를 메모리(133)의 할당된 영역에 저장할 수 있다. 시공자 정보(132)는 시공자의 시공 가능 위치, 시공 포토폴리오 또는 제품의 시공 사진 등을 포함할 수 있다. 시공자의 시공 가능 위치는 제품을 구매하고자 하는 구매자 또는 사용자의 위치와 매칭시키는데 활용될 수 있다. 예를 들면, 사용자가 시공하는 현장은 서초구 서초동이면, 시공사 정보(132)에 포함된 시공위치에 강남구, 서초구와 같은 인접 영역이면, 시공사를 매칭시킬 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 사용자 단말(103)로부터, 전달된 구매 정보(133) 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별할 수 있다(S203). 수신된 제품 구매 정보(133)는 메모리(130)의 할당된 영역에 저장될 수 있다. 구매 정보(133)는 사용자가 원하는 제품의 형태, 모양, 또는 색채를 포함할 수 있다. 구매 정보(133)는 이외에 이전에 사용자가 구매했던 내역, 사용자가 검색했던 히스토리, 이전 사용자의 제품 평가등을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 제1 신호의 식별에 응답하여, 인공 신경망 모델(134)을 이용하여 제품 디자인 정보(131) 및 구매 정보(133)와의 대응여부를 판단할 수 있다. 전자 장치(100)는 대응여부 판단에 응답하여, 구매 정보(133)에 대응되는 제품 디자인 정보(134)를 가공하여, 사용자 단말(103)에 추천 제품 디자인을 전송할 수 있다(S204). 전자 장치(100)는 제품 디자인 정보(131)를 인공 신경망 모델(134)을 통하여, 특징점을 추출할 수 있다. 전자 장치(100)는 구매 정보(133)에 포함된 제품의 디자인과 관한 정보는 인공 신경망 모델(134)을 통하여 특징점을 추출할 수 있다. 전자 장치(100)는 제품 디자인 정보(131)에서 추출된 특징점 및 구매 정보(133)에 포함된 디자인 정보로부터 추출된 특징점을 비교하여, 사용자가 원하는 디자인과 대응되는 디자인을 판단할 수 있다. 전자 장치(100)는 사용자의 구매 정보(133)에 포함된 디자인과 유사한 디자인을 추천할 수 있고, 추천된 디자인을 사용자 단말(103)로 전송할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 구매 정보(133)에 포함된 제품의 형상, 모양, 또는 색상 중 어느 하나가 제품 디자인 정보(131)에 포함된 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우, 대응여부 판단에 응답하여, 구매 정보에 어느 하나라도 동일 유사한 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 구매 정보(133)에 포함된 제품의 형상, 모양, 또는 색상 중 적어도 두개가 제품 디자인 정보(131)에 포함된 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 제품의 부존재를, 상기 사용자 단말에 통지할 수 있다. 이 경우, S203 단계로 돌아가, 전자 장치(100)는 구매 정보를 재입력하도록 사용자 단말(103)에 요청할 수 있다.
다른 실시예에 따르면, 전자 장치(100)는 구매 정보(133)에 포함된 제품의 형상, 모양, 또는 색상 중 적어도 두개가 제품 디자인 정보(131)에 포함된 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우, 대응여부 판단에 응답하여, 유사도가 떨어지는 제품 중 인공 신경망 모델(134)에서 추출된 특징점이 가장 많이 포함된 제품을 추천할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 사용자 단말(103)로부터 제품의 결정과 관련된 신호를 식별할 수 있다(S205). 사용자는 전달된 추천 제품 디자인으로부터 1차 제품 디자인을 선택할 수 있다. 전달된 추천 제품이 복수개인 경우, 하나 이상의 제품을 선택할 수 있다. 사용자 단말(103)은 제품의 선택과 관련한 신호를 전자 장치(100)로 송신할 수 있다. 제품의 결정과 관련된 신호가, 선호 제품이 없다는 내용이면, 전자 장치(100)는 추천 제품 디자인 송신(S204)를 다시 진행할 수 있다. 이경우, 전자 장치(100)는 유사도가 떨어지는 제품 중 인공 신경망 모델(134)에서 추출된 특징점이 가장 많이 포함된 제품을 추천할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 사용자 단말(103)로부터 제품의 결정과 관련된 신호를 식별함에 대응하여, 제품이 맵핑된 디자인을 사용자 단말(103)로 전송할 수 있다(S206). 전자 장치(100)는 사용자 단말(103)로부터 전달받은 선택된 복수의 디자인을 실제 벽에 맵핑할 수 있다. 벽은 사용자가 실제 시공할 대상일 수 있다. 사용자는 실제 시공할 영역에 대한 사진을 촬영하고, 해당 영역에서 제품이 설치될 영역을 선택하고 전자 장치(100)로 사용자 단말(103)에 저장된 설치장소 정보를 전송할 수 있다. 전자 장치(100)는 전달된 설치 장소 정보를 메모리(130)에 할당된 구매 정보(133)영역에 저장할 수 있다. 전자 장치(100)는 구매 정보(133)영역에 저장된 설치 장소 정보에 포함된 벽에 디자인을 맵핑할 수 있다. 전자 장치(100)는 제품이 맵핑된 디자인을 전송할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 사용자 단말(103)로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별할 수 있다(S207). 사용자 단말(103)은 전자 장치(100)로부터 전달된 복수의 맵핑된 디자인 중 사용자가 최종적으로 구매관련 선택된 제품 디자인 정보를 저장할 수 있다. 사용자 단말(103)은 선택된 디자인 정보 및 결제를 위한 요청을 전자 장치(100)로 송신할 수 있다.
다양한 실시예에 따르면, 전자 장치는 제2 신호의 식별에 응답하여, 제1 공급자 단말(101)에 시제품 또는 제품 제작 요청을 제1 공급자 단말(101)에 송신할 수 있다(S208). 제1 공급자 단말(101)의 사용자인 디자이너가 제품을 제작하지 않고, 전자 장치(100) 소유자가 디자이너의 디자인을 바탕으로 제품을 제작하는 경우에는 S208 동작은 생략할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 시공자 정보(132) 중 구매 정보(133)와 대응되는 시공자 정보를 사용자 단말(103)에 송신할 수 있다(S209). 전자 장치(100)는 시공자 정보(132)에 포함된 위치 정보와 구매 중보(133)에 포함된 시공 장소 정보를 비교할 수 있다. 전자 장치(100)는 시공자 정보(132)에 포함된 위치 정보가 구매 중보(133)에 포함된 시공 장소 정보가 동일하거나 인접한 시공사를 추천할 수 있다. 또한, 전자 장치(100)는 시공자 정보(132) 중에서, 시공자 평가 및 추천도 및 가격을 기초로, 사용자가 선호할 수 있는 업체를 순번을 정하여 제공할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 사용자 단말(103)로부터 전달된 시공자의 선택과 관련된 제4 신호를 식별할 수 있다(S210). 사용자 단말(103)은 전자 장치로부터 전달된 추천 시공사 중 사용자가 선택한 시공자를 입력받을 수 있다. 사용자 단말(103)은 사용자가 선택한 시공자와 관련된 신호를 전자 장치(100)로 송부할 수 있다. 전자 장치(100)는 시공자와 관련된 제4 신호에 응답하여, 사용자 단말(103)로부터 전달된 시공현장 정보를 제2 공급자 단말(102)에 전달할 수 있다(S211).
도 4a, 4b, 및 4c는, 다양한 실시예들에 따르는 전자 장치가 전자 장치에 연결된 사용자 단말에 보내는 데이터와 관련하여 정보를 표시하는 것을 도시한다.
도 4a, 4b, 및 4c는 S204와 관련하여 형상, 모양, 색채의 유사도를 판단하여 추천하는 것을 설명한다. 도 3에서 추천 제품 디자인 송신(S204)와 관련하여, 인공신경망(134)를 활용하여 특징점이 많이 포함된 디자인을 추천하는 것으로 설명하였으나, 세부적으로, 디자인의 형상, 모양 및 색채를 분리하여 추천하는 것으로 제공할 수 있다.
도 4a를 참조하면, 사용자의 구매 정보(133)에 포함된 사용자의 검색 히스토리를 바탕으로, 사용자가 사각형상의 제품디자인을 검색이 많은 경우, 전자 장치(100)는 디자인 형상은 높이가 긴 직사각형(301a), 사다리꼴(301b), 높이가 짧은 사각형(301c)를 추천할 수 있다. 사용자 단말(103)의 디스플레이(300)에 표시된 정보 중에서 사용자가 높이가 긴 직사각형(301a)를 선택하게 되면, 사용자 단말(103)은 전자 장치(100)로 해당 정보를 송신할 수 있다.
도 4b를 참조하면, 전자 장치(100)는 긴 직사각형(301a) 형상에 대응되는 제품중에서 사용자가 검색한 디자인들 중에서 인공신경망(134)으로부터 획득된 특징점을 비교하여, 복수개의 제품 형상을 추천할 수 있다. 이때, 제품의 형상에서 색상은 포함되거나 되지 않을 수 있다. 사용자 단말(103)은 디스플레이(300)에 전자 장치로부터 추천된 복수개의 제품 디자인(302a, 302b, 302c)의 형상을 디스플레이할 수 있다. 사용자 단말(103)의 디스플레이(300)에 표시된 정보 중에서 사용자가 높이가 도형이 표시된 제품(301b)을 선택하게 되면, 사용자 단말(103)은 전자 장치(100)로 해당 정보를 송신할 수 있다.
다양한 실시예에 따르면, 전자 장치(100)는 도형이 표시된 제품(301b) 형상에 대응되는 제품 중에서 사용자가 검색한 디자인들 중에서 인공신경망(134)으로부터 획득된 특징점을 비교하여, 제품의 색상이 칠해진 디자인(303)을 최종적으로 추천할 수 있다. 추천되는 제품 디자인은 복수개일 수 있다.
상술한 설명은 형태, 모양, 색상을 세분화하여 사용자 단말에 디스플레이 하는 것으로 설명하였으나, 이는 예시에 불과하고, 보다 많은 단계로 세분화되거나, 하나의 단계로 단순화하여 사용자 단말에 제품의 디자인을 디스플레이할 수 있다.
도 5a, 5b, 및 5c는 다양한 실시예들에 따르는 전자 장치가 매핑된 정보를 사용자 단말로 전달하는 것을 도시한다.
도 5a를 참조하면, 사용자 단말(103)은 제품이 설치 또는 시공될 벽면(410)을 포함하는 사진을 촬영할 수 있다. 사용자 단말(103)은 벽면(410)과 주변 물체(415)를 포함하는 이미지를 획득하기 위하여, 어플리케이션에 포함된 촬영버튼(401)을 통하여 촬영신호를 입력할 수 있다.
다양한 실시예에 따르면, 사용자 단말(103)은 촬영신호를 식별하여, 획득된 이미지를 사용자 단말(103)의 메모리에 저장할 수 있다. 사용자 단말(103)은 메모리에 저장된 이미지를 디스플레이에 표시할 수 있다.
다양한 실시예에 따르면, 메모리에 저장된 이미지는 벽면(410)과 주변 물체(415)를 구별할 수 있도록, 거리정보를 포함할 수 있다. 사용자 단말(103)은 거리정보를 획득하기 위하여, TOF(time-of-flight) 카메라 또는 뎁스 카메라(depth carmera)를 포함할 수 있다.
도 5b를 참조하면, 사용자 단말(103)은 디스플레이에 메모리에 저장된 이미지를 디스플레이하고, 제품이 설치될 수 있는 영역을 선택하는 모드를 제공할 수 있다. 사용자 단말(103)은 사용자의 드래그 입력, 멀티 터치 등을 통하여, 제품 설치 영역(420)을 결정할 수 있다. 사용자 단말(103)은 제품 설치 영역(420)을 결정하면, 전자 장치(100)로 제품 설치 영역(420)과 관련된 정보 및 미설치 벽면(411)에 관련된 정보를 포함한 이미지를 전송할 수 있다.
도 5c를 참조하면, 전자 장치(100)는 제품 설치 영역(420)과 관련된 정보를 포함한 이미지에 제품 디자인(412)이 맵핑된 이미지를 사용자 단말로 전달할 수 있다. 전자 장치(100)는 제품 설치 영역(420)과 이미지 촬영시 획득한 거리정보를 바탕으로, 제품 디자인(412)이 맵핑할 수 있다. 제품 설치 영역(420) 중 주변 물체(415)에 의해 가려진 부분은 제외하고, 맵핑을 수행하고, 사용자 단말에 해당 디자인을 제공할 수 있다.
다양한 실시예에 따르면, 사용자가 제품 디자인을 선택하고, 설치될 벽면을 촬영하는 경우, 사용자 단말(103)에서 맵핑을 진행하여, 사용자 단말(103)의 디스플레이를 통하여 사용자에게 맵핑된 이미지를 전달할 수 있다.
상술한 다양한 실시예에 따르는, 전자 장치(electronic device)는 하나 이상의 사용자 단말과 통신하기 위한 통신 프로세서(CP, communication processor), 인공 신경망(artificial neural network) 모델 학습을 위한 훈련 데이터를 입력하기 위한 입력부, 상기 훈련 데이터를 이용하여 상기 인공 신경망 모델을 훈련시키는 러닝 프로세서, 상기 인공 신경망 모델이 저장되는 메모리, 및 상기 통신 프로세서 및 상기 메모리와 작동적으로 결합된(operably coupled to) 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 복수의 인스트럭션들을 저장하고, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 제1 공급자 단말로부터, 전달된 제품 디자인 정보를 상기 메모리에 저장하고, 제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하고, 사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별하고, 상기 제1 신호의 식별에 응답하여, 상기 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하고, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하고, 상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별하고, 상기 제2 신호의 식별에 응답하여, 상기 제1 공급자 단말에 제품 결제와 관련된 제3 신호를 전송하고, 상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하도록 제어할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 적어도 하나의 프로세서에 의해 상기 인스트럭션들을 실행할 시, 상기 사용자 단말로부터, 전달된 상기 시공자의 선택과 관련된 제4 신호를 식별하고, 상기 제4 신호에 응답하여, 상기 사용자 단말로부터 전달된 시공현장 정보를 상기 제2 공급자 단말에 전달하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 제품 디자인 정보는 상기 제품을 형성하는 형상, 모양, 및 색채를 포함하고, 상기 구매 정보는 상기 사용자가 접근한(access) 제품을 형성하는 형상, 모양, 및 색채를 포함할 수 있다.
다양한 실시예에 따르면, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하는 동안, 상기 사용자가 접근한 제품의 형상에 대응되는 상기 제품 디자인 정보의 형상을 가지는 공급 제품을 식별하고, 상기 사용자가 접근한 제품의 모양에 대응되는 상기 제품 디자인 정보의 모양을 가지는 공급 제품을 식별하고, 상기 사용자가 접근한 제품의 색상에 대응되는 상기 제품 디자인 정보의 색상을 가지는 공급 제품을 식별하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 구매 정보에 포함된 상기 제품의 형상, 모양, 또는 색상 중 어느 하나가 상기 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 어느 하나라도 동일 유사한 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 구매 정보에 포함된 상기 제품의 형상, 모양, 또는 색상 중 적어도 두개가 상기 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 제품의 부존재를, 상기 사용자 단말에 통지하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 제품 디자인 정보는 상기 사용자 단말외의 타 사용자 단말로부터 전달된 제품 평가 정보를 더 포함하고, 상기 구매 정보에 대응되는 상기 제품 디자인 정보는 상기 제품 평가 정보를 바탕으로 획득되고, 상기 가공된 제품 디자인 정보는 상기 평가 정보에 따른 우선순위를 포함할 수 있다.
다양한 실시예에 따르면, 상기 제품 디자인 정보는 상기 제품을 설치할 위치 정보를 더 포함하고, 상기 시공자 정보는 상기 시공자가 입력한 위치 정보 및 상기 사용자 단말외의 타 사용자 단말로부터 전달된 시공자 평가 정보를 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 제품을 설치할 위치 정보에 대응되는 상기 시공자가 입력한 위치 정보를 사용자 단말에 송신하도록 제어할 수 있다.
다양한 실시예에 따르는, 전자 장치의 동작 방법은, 상기 전자 장치와 통신 연결된 제1 공급자 단말로부터, 전달된 제품 디자인 정보를 메모리에 저장하고, 상기 전자 장치와 통신 연결된 제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하는 동작, 상기 전자 장치와 통신 연결된 사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별함에 응답하여, 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하는 동작, 상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하는 동작, 상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별함에 응답하여, 상기 제1 공급자 단말에 선택된 제품과 관련된 제3 신호를 전송하는 동작 및 상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하는 동작을 포함할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM: Read Only Memory), 전기적 삭제가능 프로그램가능 롬(EEPROM: Electrically Erasable Programmable Read Only Memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM: Compact Disc-ROM), 디지털 다목적 디스크(DVDs: Digital Versatile Discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 상기 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(Local Area Network), WLAN(Wide LAN), 또는 SAN(Storage Area Network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
100 : 전자 장치
101 : 제1 공급자 단말
102 : 제2 공급자 단말
103 : 사용자 단말
110 : 입력부
120 : 프로세서
130 : 메모리
140 : 러닝프로세서
150 : 통신프로세서

Claims (10)

  1. 전자 장치(electronic device)에 있어서,
    하나 이상의 사용자 단말과 통신하기 위한 통신 프로세서(CP, communication processor);
    인공 신경망(artificial neural network) 모델 학습을 위한 훈련 데이터를 입력하기 위한 입력부;
    상기 훈련 데이터를 이용하여 상기 인공 신경망 모델을 훈련시키는 러닝 프로세서;
    상기 인공 신경망 모델이 저장되는 메모리; 및
    상기 통신 프로세서 및 상기 메모리와 작동적으로 결합된(operably coupled to) 적어도 하나의 프로세서를 포함하고,
    상기 메모리는, 복수의 인스트럭션들을 저장하고,
    상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가,
    제1 공급자 단말로부터, 전달된 제품 디자인 정보를 상기 메모리에 저장하고,
    제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하고,
    사용자 단말로부터, 전달된 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별하고,
    상기 제1 신호의 식별에 응답하여, 상기 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와 대응여부를 판단하고,
    상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하고,
    상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별하고,
    상기 제2 신호의 식별에 응답하여, 상기 제1 공급자 단말에 제품 결제와 관련된 제3 신호를 전송하고,
    상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하도록 제어하고,
    상기 제품 디자인 정보는 상기 제품의 형상, 모양, 및 색채와 상기 사용자 단말과 구별되는 타 사용자 단말로부터 전달된 제품 평가 정보를 포함하고,
    상기 구매 정보는 상기 사용자가 접근한(access) 제품을 형성하는 형상, 모양, 및 색채를 포함하고,
    상기 구매 정보에 대응되는 상기 제품 디자인 정보는 상기 제품 평가 정보를 바탕으로 획득되고,
    상기 가공된 제품 디자인 정보는 상기 평가 정보에 따른 우선순위를 포함하는 전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는, 상기 적어도 하나의 프로세서에 의해 상기 인스트럭션들을 실행할 시,
    상기 사용자 단말로부터, 전달된 상기 시공자의 선택과 관련된 제4 신호를 식별하고,
    상기 제4 신호에 응답하여, 상기 사용자 단말로부터 전달된 시공현장 정보를 상기 제2 공급자 단말에 전달하도록 설정된 전자 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가,
    상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하는 동안, 상기 사용자가 접근한 제품의 형상에 대응되는 상기 제품 디자인 정보의 형상을 가지는 공급 제품을 식별하고,
    상기 사용자가 접근한 제품의 모양에 대응되는 상기 제품 디자인 정보의 모양을 가지는 공급 제품을 식별하고,
    상기 사용자가 접근한 제품의 색상에 대응되는 상기 제품 디자인 정보의 색상을 가지는 공급 제품을 식별하도록 설정된 전자 장치.
  5. 제4항에 있어서,
    상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가,
    상기 구매 정보에 포함된 상기 제품의 형상, 모양, 또는 색상 중 어느 하나가 상기 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우,
    상기 대응여부 판단에 응답하여, 상기 구매 정보에 어느 하나라도 동일 유사한 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하도록 설정된 전자 장치.
  6. 제4항에 있어서,
    상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가,
    상기 구매 정보에 포함된 상기 제품의 형상, 모양, 또는 색상 중 적어도 두개가 상기 공급 제품의 형상, 모양, 또는 색상과 불일치한 것으로 판단하는 경우,
    상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 제품의 부존재를, 상기 사용자 단말에 통지하도록 설정된 전자 장치.
  7. 삭제
  8. 제1항에 있어서,
    상기 제품 디자인 정보는 상기 제품을 설치할 위치 정보를 더 포함하고,
    상기 시공자 정보는 상기 시공자가 입력한 위치 정보 및 상기 사용자 단말외 타 사용자 단말로부터 전달된 시공자 평가 정보를 더 포함하는 전자 장치.
  9. 제8항에 있어서,
    상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가,
    상기 제품을 설치할 위치 정보에 대응되는 상기 시공자가 입력한 위치 정보를 사용자 단말에 송신하도록 제어하는 전자 장치.
  10. 전자 장치의 방법에 있어서,
    상기 전자 장치와 통신 연결된 제1 공급자 단말로부터, 전달된 제품의 형상, 모양, 및 색채를 포함하는 제품 디자인 정보를 메모리에 저장하고, 상기 전자 장치와 통신 연결된 제2 공급자 단말로부터, 전달된 시공자 정보를 상기 메모리에 저장하는 동작;
    상기 전자 장치와 통신 연결된 사용자 단말로부터, 전달된 상기 사용자가 접근한 제품을 형성하는 형상, 모양 및 색채를 포함하는 구매 정보 및 제품을 선택하기 위한 요청과 관련된 제1 신호를 식별함에 응답하여, 인공 신경망 모델을 이용하여 상기 제품 디자인 정보 및 상기 구매 정보와의 대응여부를 판단하는 동작;
    상기 대응여부 판단에 응답하여, 상기 구매 정보에 대응되는 상기 제품 디자인 정보를 가공하여, 상기 사용자 단말에 전송하는 동작;
    상기 사용자 단말로부터, 전달된 제품의 결정 및 결제와 관련된 제2 신호를 식별함에 응답하여, 상기 제1 공급자 단말에 선택된 제품과 관련된 제3 신호를 전송하는 동작; 및
    상기 시공자 정보 중 상기 구매 정보와 대응되는 정보를 상기 사용자 단말에 송신하는 동작을 포함하고,
    상기 제품 디자인 정보는 상기 사용자 단말외 타 사용자 단말로부터 전달된 제품 평가 정보를 더 포함하고,
    상기 구매 정보에 대응되는 상기 제품 디자인 정보는 상기 제품 평가 정보를 바탕으로 획득되고,
    상기 가공된 제품 디자인 정보는 상기 평가 정보에 따른 우선순위를 포함하는 방법.
KR1020190154422A 2019-11-27 2019-11-27 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템 KR102299393B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190154422A KR102299393B1 (ko) 2019-11-27 2019-11-27 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190154422A KR102299393B1 (ko) 2019-11-27 2019-11-27 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템

Publications (2)

Publication Number Publication Date
KR20210065551A KR20210065551A (ko) 2021-06-04
KR102299393B1 true KR102299393B1 (ko) 2021-09-07

Family

ID=76391717

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190154422A KR102299393B1 (ko) 2019-11-27 2019-11-27 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템

Country Status (1)

Country Link
KR (1) KR102299393B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102611326B1 (ko) * 2022-10-04 2023-12-07 주식회사 망고트리 상품 분석에 따른 디자인 생성 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090001967A (ko) * 2007-05-30 2009-01-09 박동원 인터넷을 이용한 건축 시공의 직거래 연결 시스템
KR20190081197A (ko) * 2017-12-29 2019-07-09 주식회사 더리테리어 인테리어 토탈 서비스 관리 시스템
KR102149818B1 (ko) * 2018-04-19 2020-09-01 주식회사 하이리퍼브테크 인테리어 자동 견적 서비스 제공 방법 및 이를 실행하기 위한 시스템

Also Published As

Publication number Publication date
KR20210065551A (ko) 2021-06-04

Similar Documents

Publication Publication Date Title
KR102012676B1 (ko) 콘텐츠 추천 방법, 장치 및 시스템
CN111797893B (zh) 一种神经网络的训练方法、图像分类系统及相关设备
US20220414911A1 (en) Three-dimensional reconstruction method and three-dimensional reconstruction apparatus
Arietta et al. City forensics: Using visual elements to predict non-visual city attributes
KR102211650B1 (ko) 인공지능 기반 상품 추천 방법 및 그 시스템
US11562179B2 (en) Artificial intelligence system for inspecting image reliability
KR102087362B1 (ko) 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
US20220392165A1 (en) Techniques for Producing Three-Dimensional Models from One or More Two-Dimensional Images
KR20190029083A (ko) 신경망 학습 방법 및 이를 적용한 장치
US20200074175A1 (en) Object cognitive identification solution
US10460464B1 (en) Device, method, and medium for packing recommendations based on container volume and contextual information
KR102445457B1 (ko) 물품 구매 요청에 대한 판매 제안 방식을 기반으로 한 구매자 및 판매자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템
US10769585B2 (en) Systems and methods for automated harmonized system (HS) code assignment
KR102429392B1 (ko) 이미지 크롤링 기법을 활용한 상품 정보 제공 방법, 장치 및 시스템
CN115222896A (zh) 三维重建方法、装置、电子设备及计算机可读存储介质
KR102299393B1 (ko) 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템
KR102427723B1 (ko) 인공지능 기반 상품 추천 방법 및 그 시스템
KR20200013164A (ko) 전자 장치, 및 전자 장치의 제어 방법
KR101743169B1 (ko) 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체
KR102440963B1 (ko) 전자 장치, 이의 제어 방법 및 비일시적인 컴퓨터 판독가능 기록매체
KR102582813B1 (ko) 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치
KR101986804B1 (ko) 시각적 콘텐츠 검색용 데이터베이스 생성 장치 및 방법
KR102356023B1 (ko) 제품과 사용자의 매칭을 위한 전자 장치 및 이를 포함하는 매칭 시스템
KR102521020B1 (ko) 인공지능 모델을 이용한 갤러리, 작가 및 소비자 매칭 및 결제 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102507141B1 (ko) 판매자 및 구매자 간의 채팅 기반 it 인프라 장비의 구매 플랫폼 서비스 제공 방법, 장치 및 시스템

Legal Events

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