KR102318992B1 - 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템 - Google Patents

멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템 Download PDF

Info

Publication number
KR102318992B1
KR102318992B1 KR1020210023965A KR20210023965A KR102318992B1 KR 102318992 B1 KR102318992 B1 KR 102318992B1 KR 1020210023965 A KR1020210023965 A KR 1020210023965A KR 20210023965 A KR20210023965 A KR 20210023965A KR 102318992 B1 KR102318992 B1 KR 102318992B1
Authority
KR
South Korea
Prior art keywords
customer
image
agent
fitting
evaluation
Prior art date
Application number
KR1020210023965A
Other languages
English (en)
Inventor
안혜령
김상현
조원양
Original Assignee
안혜령
김상현
조원양
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 안혜령, 김상현, 조원양 filed Critical 안혜령
Priority to KR1020210023965A priority Critical patent/KR102318992B1/ko
Application granted granted Critical
Publication of KR102318992B1 publication Critical patent/KR102318992B1/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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts

Landscapes

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

Abstract

본 발명은 고객단말기로부터 가상 피팅을 위한 고객이미지를 등록하도록 하거나, 업로드하도록 하고, 상기 고객단말기를 통해서 선택한 의류의 제품이미지를 상기 고객이미지에 합성하여 피팅이미지를 제공하며, 상기 피팅이미지와 상기 고객이미지의 인간 자세 추정의 차이에 해당하는 형상 네트워크 손실값과 상기 피팅이미지와 피팅한 옷의 특징 차이에 해당하는 특징 네트워크 손실값을 역전파시킴으로써, 얻은 미분값을 이용해서 라이프롱(lifelong) 학습을 통한 파라미터를 갱신하고, 상기 고객단말기를 통한 의류의 구매절차를 수행하도록 하는 에이전트부가 다수로 이루어지는 에이전트모듈; 상기 에이전트부로부터 갱신한 파라미터를 전달받고, 전달받은 파라미터를 주기적으로 다른 에이전트부 각각에 전달함으로써 상기 에이전트부가 학습한 내용을 다른 에이전트부 각각이 학습할 수 있도록 하는 글로벌네트워크모듈; 및 상기 에이전트부가 갱신한 파라미터를 고객별로 저장하는 데이터베이스부;를 포함하도록 한 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에 관한 것이다. 본 발명에 따르면, 고객 각각에 대한 적합한 피팅 서비스를 제공할 수 있고, 고객의 기여도를 반영함으로써, 고객의 기여도에 대한 보상이 제대로 이루어지도록 할 수 있으며, 학습을 통해 효과적인 피팅 서비스의 제공과 함께, 서비스질 향상에 기여하는 효과를 가진다.

Description

멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템{Personal coordination service provision system using multi-agent}
본 발명은 코디네이션 서비스 제공 시스템에 관한 것으로서, 보다 상세하게는 멀티 에이전트를 이용하여 개인 코디네이터를 구현함으로써, 고객별 초 개인화 서비스 제공을 통한 고객 각각에 대한 적합한 피팅 서비스를 제공하도록 하는 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에 관한 것이다.
최근에는 정보 및 통신 기술의 발달로 인해 온라인으로 의류를 구매하는 경우가 크게 늘고 있다.
이와 같이, 온라인으로 의류를 구매할 경우, 오프라인 의류 매장에서와 같이, 자유로운 피팅을 할 수 없어 구매력 감소의 원인이 되었으며, 심지어는 반품 비율을 높이는 원인이 되었다.
이러한 문제점을 해결하기 위하여, 패션분야에서 가상 피팅 시스템이 개발되어 활용되고 있는데, 이는 온라인상에서 고객이 선택한 의류이미지를 고객이 선택한 전신이미지에 오버랩하는 방식으로 선택 의류의 가상 피팅 이미지를 제공하고 있다.
이와 같은 가상 피팅과 관련되는 종래 기술로서, 한국공개특허 제10-2018-0059091호의 "소비자 패션선호도 기반의 가상 피팅 방법, 그 시스템 및 시스템의 작동을 제어하기 위한 제어방법"이 제시된 바 있는데, 이는 고객에 해당되는 2D 아바타를 설정하는 2D 아바타설정단계와; 고객 단말기를 통해 고객이 원하는 제품의 이미지를 획득하는 제품이미지획득단계와; 상기 제품이미지획득단계에서 획득된 제품이미지를 피팅에 적합한 이미지로 가공하는 제품이미지가공단계와; 상기 제품이미지가공단계에서 가동된 제품이미지를 설정된 아바타 상에 이미지 합성으로 피팅하는 제품이미지 피팅단계와; 상기 제품이미지 피팅단계에서 피팅완료된 피팅이미지를 고객 단말기에 제공하는 피팅이미지 제공단계로 구성된다.
그러나, 종래 기술은 고객 각각에 적합한 피팅 서비스 제공에 한계를 가지고, 이를 개선할 필요성을 가지고 있었다.
또한, 종래 기술은 고객의 기여도에 대한 반영이 전혀 이루어지지 않음으로써, 고객의 기여에 대한 보상이 제대로 이루어지지 않는다는 문제점을 가진다.
또한, 종래 기술은 피팅에 대한 고객의 만족도 향상이 이루어지지 못함으로써, 효율적인 피팅 서비스질 향상을 어렵게 하는 문제점을 가지고 있었다.
이러한 종래 기술의 문제점들은 오프라인 매장에서 제공되는 가상 피팅 시스템에서도 마찬가지로 적용된다.
상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 고객 각각에 대한 적합한 피팅 서비스를 제공하고, 고객의 기여도를 반영함으로써, 고객의 기여도에 대한 보상이 제대로 이루어지도록 하며, 학습을 통해 효과적인 피팅 서비스의 제공과 함께, 서비스질 향상에 기여하고, 집단 지성을 이용한 피팅이미지의 평가를 통해 제품 구매 결정에 참작할 수 있도록 함과 아울러, 피팅이미지를 평가점수와 함께 가상 후기로서 활용할 수 있도록 하는데 목적이 있다.
본 발명의 다른 목적들은 이하의 실시례에 대한 설명을 통해 쉽게 이해될 수 있을 것이다.
상기한 바와 같은 목적을 달성하기 위해, 본 발명의 일측면에 따르면, 고객단말기로부터 가상 피팅을 위한 고객이미지를 등록하도록 하거나, 업로드하도록 하고, 상기 고객단말기를 통해서 선택한 의류의 제품이미지를 상기 고객이미지에 합성하여 피팅이미지를 제공하며, 상기 피팅이미지와 상기 고객이미지의 인간 자세 추정의 차이에 해당하는 형상 네트워크 손실값과 상기 피팅이미지와 피팅한 옷의 특징 차이에 해당하는 특징 네트워크 손실값을 역전파시킴으로써, 얻은 미분값을 이용해서 라이프롱(lifelong) 학습을 통한 파라미터를 갱신하고, 상기 고객단말기를 통한 의류의 구매절차를 수행하도록 하는 에이전트부가 다수로 이루어지는 에이전트모듈; 상기 에이전트부로부터 갱신한 파라미터를 전달받고, 전달받은 파라미터를 주기적으로 다른 에이전트부 각각에 전달함으로써 상기 에이전트부가 학습한 내용을 다른 에이전트부 각각이 학습할 수 있도록 하는 글로벌네트워크모듈; 및 상기 에이전트부가 갱신한 파라미터를 고객별로 저장하는 데이터베이스부;를 포함하는, 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템이 제공된다.
상기 에이전트부는, 상기 형상 네트워크가 고객이미지로부터 머리, 몸통, 팔 및 다리로 세분화하는 인간 파싱(Human parsing), 인간 자세 추정(Human pose estimation), 형상 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성되고, 상기 특징 네트워크가 상기 형상 네트워크에서 나온 결과값인 형상 맵, 인간 파싱(Human parsing), 특징 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성될 수 있다.
상기 형상 네트워크는, 상기 인간 자세 추정(Human pose estimation)을 조건으로, 형상 맵을 입력받아, 새로운 형상 이미지를 출력하도록 하고, 상기 형상 맵은, 상기 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하며, 상기 고객이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분으로 교체하고, 상기 특징 네트워크는, 특징 맵을 조건으로, 상기 형상 네트워크의 출력을 입력받아, 가상의 피팅 이미지를 출력하고, 상기 특징 맵은, 상기 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 특징 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 피팅할 선택 옷의 파싱 부분을 특징 오토 엔코더로 벡터화하며, 상기 고객이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분으로 교체할 수 있다.
상기 글로벌네트워크모듈은, 상기 에이전트모듈과 동일한 파라미터를 사용하고, 가입을 마친 고객단말기를 통해서 로그인을 수행하면, 상기 에이전트모듈에서 에이전트부를 생성함과 아울러, 상기 데이터베이스부에 저장된 해당 고객의 파라미터를 생성한 에이전트부에 로딩하도록 하며, 가입하지 아니한 고객단말기를 통해서 가입 요청시, 보유하는 파라미터를 사용하여 상기 에이전트모듈에서 에이전트부를 생성하도록 하고, 상기 파라미터를 고객의 기여도에 따라 갱신하되, 상기 고객의 기여도가 제품 구매 회수, 제품 구매 가격, 방문 횟수 및 접속한 시간으로 계산될 수 있다.
상기 고객단말기로부터 상기 에이전트부에서 생성한 피팅이미지에 대한 평가를 받기 위해 등록하도록 하고, 정해진 시간동안 다수의 다른 고객단말기가 등록한 피팅이미지에 대한 평가를 수행할 수 있도록 함과 아울러, 평가의 수행 결과를 점수로서 평가를 등록한 상기 고객단말기에 실시간으로 제공하며, 상기 평가를 수행하는 고객단말기의 제한대수를 설정하되, 상기 제한대수가 평가를 등록한 상기 고객단말기가 다른 피팅이미지의 평가에 참가한 횟수의 설정된 배수가 되도록 하고, 아래의 수학식 1에 의해 산출되는 보정된 배수를 상기 설정된 배수로서 대신 사용하여 상기 제한대수를 보정하도록 하는 집단지성평가부; 및 상기 평가를 받은 피팅이미지와 상기 집단지성평가부에 의해 평가된 점수를 상기 평가를 받은 피팅이미지에 피팅된 제품의 후기리스트에 등록함으로써, 고객단말기를 통해서 제품에 대한 후기로서 제공하도록 하는 가상후기등록부;를 더 포함할 수 있다.
[수학식 1]
Figure 112021090763226-pat00001
여기서, A는 보정된 배수이고, Dtotal은 평가 시작시부터 평가 종료시까지의 시간이고, Di는 평가 시작시부터 평가 수행 완료시까지의 시간, k는 설정된 배수이다.
본 발명에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에 의하면, 고객 각각에 대한 적합한 피팅 서비스를 제공할 수 있고, 고객의 기여도를 반영함으로써, 고객의 기여도에 대한 보상이 제대로 이루어지도록 할 수 있으며, 학습을 통해 효과적인 피팅 서비스의 제공과 함께, 서비스질 향상에 기여할 수 있고, 집단 지성을 이용한 피팅이미지의 평가를 통해 제품 구매 결정에 참작할 수 있도록 함과 아울러, 피팅이미지를 평가점수와 함께 가상 후기로서 활용할 수 있도록 하는 효과를 가진다.
도 1은 본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템을 도시한 구성도이다.
도 2는 본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에서 형상 네트워크의 형상 맵 제작을 설명하기 위한 구성도이다.
도 3은 본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에서 특징 네트워크의 특징 맵 제작을 설명하기 위한 구성도이다.
본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시례를 가질 수 있는 바, 특정 실시례들을 도면에 예시하고, 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니고, 본 발명의 기술 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 식으로 이해되어야 하고, 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시례에 한정되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 실시례를 상세히 설명하며, 도면 부호에 관계없이 동일하거나 대응하는 구성요소에 대해서는 동일한 참조 번호를 부여하고, 이에 대해 중복되는 설명을 생략하기로 한다.
도 1은 본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템을 도시한 구성도이다.
도 1을 참조하면, 본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템(100)은 에이전트모듈(110), 글로벌네트워크모듈(120) 및 데이터베이스부(130)를 포함할 수 있다.
에이전트모듈(110)은 고객단말기(1)가 통신망을 통해서 접속하여, 고객단말기(1)로부터 가상 피팅을 위한 고객이미지를 등록하도록 하거나, 업로드하도록 하고, 고객단말기(1)를 통해서 선택한 의류의 제품이미지를 고객이미지에 합성하여 피팅이미지를 제공하며, 피팅이미지와 고객이미지의 인간 자세 추정의 차이에 해당하는 형상 네트워크 손실값과 피팅이미지와 피팅한 옷의 특징 차이에 해당하는 특징 네트워크 손실값을 역전파시킴으로써, 얻은 미분값을 이용해서 라이프롱(lifelong) 학습을 통한 파라미터를 갱신하고, 고객단말기(1)를 통한 의류의 구매절차를 수행하도록 하는 에이전트부(111)가 다수로 이루어진다. 여기서, 에이전트부(111)는 라이프롱 학습으로서, 학습 단계가 아닌 추론 단계에서도 학습을 진행하게 되며, 이로 인해 시스템(100)이 동작하는 동안 계속 학습을 하게 되고, 이로 인해 파라미터 값을 갱신하도록 한다. 특징 네트워크 손실값에서 특징 차이는 "feature matching loss"를 이용할 수 있다. 피팅에서 고객의 얼굴과 헤어는 중요한 부분이기 때문에 생성한 이미지에서 얼굴과 헤어는 미세 조정을 할 수 있다. 에이전트부(111)는 고객단말기(1)가 접속시 미리 정해진 본인 인증 절차를 수행하도록 구성될 수 있고, 정해진 학습을 위하여, 다양한 머신러닝 알고리즘을 사용할 수 있음은 물론이다.
에이전트부(111)는 주기적으로 정보를 글로벌네트워크모듈(120)에 전달하며, 글로벌네트워크모듈(120)이 이러한 정보를 모아 서로 교차 학습할 수 있도록 주기적으로 에이전트부(111)를 업데이트하게 된다. 에이전트부(111)가 전달하는 정보는 각 고객의 가중치를 반영하여, 글로벌네트워크모듈(120)에서 사용될 수 있다. 정보를 전달하고 업데이트하는 과정은 시스템(100)이 운영되는 동안 평생 학습(Lifelong learning)을 할 수 있다. 또한 에이전트부(111)는 고객과의 교류를 수행하게 되는데, 예컨대, 옷의 추천, 가상피팅(GAN based Try on Algorithm), 고객 만족도 평가(구매 포함) 등을 수행하게 된다.
에이전트부(111)는 형상 네트워크가 고객이미지로부터 머리, 몸통, 팔 및 다리로 세분화하는 인간 파싱(Human parsing), 인간 자세 추정(Human pose estimation), 형상 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성될 수 있고, 특징 네트워크가 형상 네트워크에서 나온 결과값인 형상 맵, 인간 파싱(Human parsing), 특징 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성될 수 있다. 또한 에이전트부(111)는 추론이 형상 네트워크와 특징 네트워크 순으로 진행될 수 있으며, GAN을 CGAN으로 사용할 수 있다.
여기서, 형상 네트워크는 인간 자세 추정(Human pose estimation)을 조건으로, 형상 맵을 입력받아, 새로운 형상 이미지를 출력하도록 하는데, 형상 맵은 도 2에서와 같이, 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하며, 고객이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분으로 교체할 수 있다.
또한 특징 네트워크는 특징 맵을 조건으로, 형상 네트워크의 출력을 입력받아, 가상의 피팅 이미지를 출력할 수 있는데, 특징 맵은 도 3에서와 같이, 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 특징 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 피팅할 선택 옷의 파싱 부분을 특징 오토 엔코더로 벡터화하며, 고객이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분으로 교체할 수 있다.
글로벌네트워크모듈(120)은 에이전트부(111)로부터 갱신한 파라미터를 전달받고, 전달받은 파라미터를 주기적으로 다른 에이전트부(111) 각각에 전달함으로써 에이전트부(111)가 학습한 내용을 다른 에이전트부(111) 각각이 학습할 수 있도록 한다.
글로벌네트워크모듈(120)은 에이전트부(111)로부터 전달받은 정보를, 각 고객의 가중치를 고려하여 업데이트에 반영하고, 주기별로 에이전트부(111)에 대한 업데이트를 수행한다. 이 과정을 통해 다른 에이전트부(111)가 모은 정보를 교차 학습할 수 있도록 한다.
글로벌네트워크모듈(120)은 에이전트모듈(110)과 동일한 파라미터를 사용하고, 가입을 마친 고객단말기(1)를 통해서 로그인을 수행하면, 에이전트모듈(110)에서 에이전트부(111)를 생성함과 아울러, 데이터베이스부(130)에 저장된 해당 고객의 파라미터를 생성한 에이전트부(111)에 로딩하도록 하며, 가입하지 아니한 고객단말기(1)를 통해서 가입 요청시, 보유하는 파라미터를 사용하여 에이전트모듈(110)에서 에이전트부(111)를 생성하도록 하고, 파라미터를 고객의 기여도에 따라 갱신하되, 고객의 기여도가 제품 구매 회수, 제품 구매 가격, 방문 횟수 및 접속한 시간으로 계산될 수 있다.
데이터베이스부(130)는 에이전트부(111)가 갱신한 파라미터를 고객별로 저장하도록 하고, 나아가서, 동작에 필요한 각종 데이터 및 프로그램을 저장하며, 요청시 이를 제공하도록 구성될 수 있다.
본 발명의 일 실시례에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템(100)은 집단 지성을 이용한 피팅이미지의 평가를 통해 제품 구매 결정에 참작할 수 있도록 하는 집단지성평가부(140)와, 피팅이미지를 가상 후기로서 활용할 수 있도록 하는 가상후기등록부(150)를 더 포함할 수 있다.
집단지성평가부(140)는 고객단말기(1)로부터 에이전트부(111)에서 생성한 피팅이미지에 대한 평가를 받기 위해 등록하도록 하고, 정해진 시간동안 다수의 다른 고객단말기(1)가 등록한 피팅이미지에 대한 평가를 수행할 수 있도록 함과 아울러, 평가의 수행 결과를 점수로서 평가를 등록한 고객단말기(1)에 실시간으로 제공하며, 평가를 수행하는 고객단말기(1)의 제한대수를 설정하되, 제한대수가 평가를 등록한 고객단말기(1)가 다른 피팅이미지의 평가에 참가한 횟수의 설정된 배수가 되도록 하고, 아래의 수학식 1에 의해 산출되는 보정된 배수를 설정된 배수로서 대신 사용하여 제한대수를 보정하도록 한다. 또한, 집단지성평가부(140)는 접속한 고객단말기(1) 마다 평가를 수행할 수 있도록 피팅이미지의 제공과 함께 점수 부여를 하기 위한 정보나 웹페이지를 제공할 수 있다.
Figure 112021090763226-pat00002
여기서, A는 보정된 배수이고, Dtotal은 평가 시작시부터 평가 종료시까지의 시간이고, Di는 평가 시작시부터 평가 수행 완료시까지의 시간, k는 설정된 배수이다.
예를 들면, 어느 고객이 자신의 단말기(1)를 통해서, 다른 고객에 대한 피팅이미지에 대해서, 5점 만점 기준으로 의류의 만족도에 대해서 자신의 기준으로 점수를 부여하면, 집단지성평가부(140)가 해당 피팅이미지에 대한 점수를 합산 및 평균하여 이를 피팅이미지의 해당 고객의 단말기(1)에 실시간으로 제공하게 된다. 또한 고객단말기(1)를 통해서 집단지성평가부(140)에 의해 평가 시간을 임의로 설정할 수 있는데, 급할수록 평가 시간을 단축시키도록 할 수 있다. 또한, 1번 평가할 때마다 이후 자신이 평가를 받을 수 있는 제한대수의 계산에 사용되는 설정된 배수가 예컨대 10인 경우, "1×10"이므로, 10대의 다른 고객단말기(1)로부터 평가를 받을 수 있는데, 실시간 평가와 함께 신속한 평가를 받기 위하여, 평가 시간이 5시간인 경우, 평가를 2시간 이내에 수행하면, 상기의 수학식 1에 의하여, (5/2)×10에 의하여, 25대의 다른 고객단말기(1)로부터 평가를 받을 수 있다. 집단지성평가부(140)는 이러한 정해진 계산에 의하여, 피팅이미지마다 제한된 대수의 다른 고객단말기(1)로부터 평가를 수행하도록 카운트 및 제어를 수행하게 되는데, 평가 시간을 우선적인 조건으로 하여 평가가 수행되도록 제어를 수행하게 된다.
가상후기등록부(150)는 앞서 설명한 바와 같은 평가를 받은 피팅이미지와 집단지성평가부(140)에 의해 평가된 점수를 평가를 받은 피팅이미지에 피팅된 제품의 후기리스트에 등록함으로써, 고객단말기(1)를 통해서 제품에 대한 후기로서 제공하도록 하고, 이로 인해, 의류인 제품의 후기를 보다 풍부하도록 하고, 피팅이미지와 함께 이에 대한 다른 고객들의 판단을 구매 결정에 참작할 수 있도록 하며, 이로 인해 의류 쇼핑시 관련 정보와 함께 흥미를 높이도록 할 수 있다.
이와 같은 본 발명에 따른 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템에 따르면, 고객 각각에 대한 적합한 피팅 서비스를 제공할 수 있고, 고객의 기여도를 반영함으로써, 고객의 기여도에 대한 보상이 제대로 이루어지도록 할 수 있다.
또한 본 발명에 따르면, 학습을 통해 효과적인 피팅 서비스의 제공과 함께, 서비스질 향상에 기여할 수 있다.
또한 본 발명에 따르면, 집단 지성을 이용한 피팅이미지의 평가를 통해 제품 구매 결정에 참작할 수 있도록 함과 아울러, 피팅이미지를 평가점수와 함께 가상 후기로서 활용할 수 있다.
이와 같이 본 발명에 대해서 첨부된 도면을 참조하여 설명하였으나, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 수정 및 변형이 이루어질 수 있음은 물론이다. 그러므로, 본 발명의 범위는 설명된 실시례에 한정되어서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이러한 특허청구범위와 균등한 것들에 의해 정해져야 한다.
110 : 에이전트모듈 111 : 에이전트부
120 : 글로벌네트워크모듈 130 : 데이터베이스부
140 : 집단지성평가부 150 : 가상후기등록부

Claims (5)

  1. 고객단말기로부터 가상 피팅을 위한 고객이미지를 등록하도록 하거나, 업로드하도록 하고, 상기 고객단말기를 통해서 선택한 의류의 제품이미지를 상기 고객이미지에 합성하여 피팅이미지를 제공하며, 상기 피팅이미지와 상기 고객이미지의 인간 자세 추정의 차이에 해당하는 형상 네트워크 손실값과 상기 피팅이미지와 피팅한 옷의 특징 차이에 해당하는 특징 네트워크 손실값을 역전파시킴으로써, 얻은 미분값을 이용해서 라이프롱(lifelong) 학습을 통한 파라미터를 갱신하고, 상기 고객단말기를 통한 의류의 구매절차를 수행하도록 하는 에이전트부가 다수로 이루어지는 에이전트모듈;
    상기 에이전트부로부터 갱신한 파라미터를 전달받고, 전달받은 파라미터를 주기적으로 다른 에이전트부 각각에 전달함으로써 상기 에이전트부가 학습한 내용을 다른 에이전트부 각각이 학습할 수 있도록 하는 글로벌네트워크모듈;
    상기 에이전트부가 갱신한 파라미터를 고객별로 저장하는 데이터베이스부;
    상기 고객단말기로부터 상기 에이전트부에서 생성한 피팅이미지에 대한 평가를 받기 위해 등록하도록 하고, 정해진 시간동안 다수의 다른 고객단말기가 등록한 피팅이미지에 대한 평가를 수행할 수 있도록 함과 아울러, 평가의 수행 결과를 점수로서 평가를 등록한 상기 고객단말기에 실시간으로 제공하며, 상기 평가를 수행하는 고객단말기의 제한대수를 설정하되, 상기 제한대수가 평가를 등록한 상기 고객단말기가 다른 피팅이미지의 평가에 참가한 횟수의 설정된 배수가 되도록 하고, 아래의 수학식 1에 의해 산출되는 보정된 배수를 상기 설정된 배수로서 대신 사용하여 상기 제한대수를 보정하도록 하는 집단지성평가부; 및
    상기 평가를 받은 피팅이미지와 상기 집단지성평가부에 의해 평가된 점수를 상기 평가를 받은 피팅이미지에 피팅된 제품의 후기리스트에 등록함으로써, 고객단말기를 통해서 제품에 대한 후기로서 제공하도록 하는 가상후기등록부;
    를 포함하고,
    상기 에이전트부는,
    상기 형상 네트워크가 고객이미지로부터 머리, 몸통, 팔 및 다리로 세분화하는 인간 파싱(Human parsing), 인간 자세 추정(Human pose estimation), 형상 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성되고, 상기 특징 네트워크가 상기 형상 네트워크에서 나온 결과값인 형상 맵, 인간 파싱(Human parsing), 특징 오토 엔코더 및 GAN(Generative Adversarial Networks)으로 구성되고,
    상기 형상 네트워크는,
    상기 인간 자세 추정(Human pose estimation)을 조건으로, 형상 맵을 입력받아, 새로운 형상 이미지를 출력하도록 하고,
    상기 형상 맵은,
    상기 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 형상 오토 엔코더로 벡터화하며, 상기 고객이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 형상 오토 엔코더로 벡터화한 부분으로 교체하고,
    상기 특징 네트워크는,
    특징 맵을 조건으로, 상기 형상 네트워크의 출력을 입력받아, 가상의 피팅 이미지를 출력하고,
    상기 특징 맵은,
    상기 고객이미지를 인간 파싱(Human Parsing)하여, 파싱한 각 부분을 특징 오토 엔코더로 벡터화하고, 피팅할 옷이 있는 제품이미지를 인간 파싱(Human Parsing)하여, 피팅할 선택 옷의 파싱 부분을 특징 오토 엔코더로 벡터화하며, 상기 고객이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분 중에서 피팅하고 싶은 부분을 제품이미지의 인간 파싱하여 특징 오토 엔코더로 벡터화한 부분으로 교체하는 것을 특징으로 하는, 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템.
    [수학식 1]
    Figure 112021090763226-pat00007

    여기서, A는 보정된 배수이고, Dtotal은 평가 시작시부터 평가 종료시까지의 시간이고, Di는 평가 시작시부터 평가 수행 완료시까지의 시간, k는 설정된 배수이다.
  2. 삭제
  3. 삭제
  4. 청구항 1 에 있어서,
    상기 글로벌네트워크모듈은,
    상기 에이전트모듈과 동일한 파라미터를 사용하고, 가입을 마친 고객단말기를 통해서 로그인을 수행하면, 상기 에이전트모듈에서 에이전트부를 생성함과 아울러, 상기 데이터베이스부에 저장된 해당 고객의 파라미터를 생성한 에이전트부에 로딩하도록 하며, 가입하지 아니한 고객단말기를 통해서 가입 요청시, 보유하는 파라미터를 사용하여 상기 에이전트모듈에서 에이전트부를 생성하도록 하고, 상기 파라미터를 고객의 기여도에 따라 갱신하되, 상기 고객의 기여도가 제품 구매 회수, 제품 구매 가격, 방문 횟수 및 접속한 시간으로 계산되는, 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템.
  5. 삭제
KR1020210023965A 2021-02-23 2021-02-23 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템 KR102318992B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210023965A KR102318992B1 (ko) 2021-02-23 2021-02-23 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210023965A KR102318992B1 (ko) 2021-02-23 2021-02-23 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템

Publications (1)

Publication Number Publication Date
KR102318992B1 true KR102318992B1 (ko) 2021-10-28

Family

ID=78232492

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210023965A KR102318992B1 (ko) 2021-02-23 2021-02-23 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템

Country Status (1)

Country Link
KR (1) KR102318992B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190103641A (ko) * 2018-02-28 2019-09-05 (주)미디어포스원 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
KR102044901B1 (ko) * 2019-05-30 2019-12-02 패디코리아 주식회사 피팅 상품에 대한 이미지 기반 구매정보 생성 시스템 및 이를 위한 단말 장치
KR20200034028A (ko) * 2018-09-13 2020-03-31 정형록 인공지능 기반 가상 피팅 시스템 및 방법
KR20200084780A (ko) * 2019-01-03 2020-07-13 (주)미즈 이미지를 이용하여 신체 사이즈를 측정하고, 의류 사이즈를 추천하는 방법, 서버 및 프로그램
KR20200123161A (ko) * 2019-04-16 2020-10-28 원 커넥트 스마트 테크놀로지 컴퍼니 리미티드 (썬전) 휴먼이미지 속성 모델 구축 방법, 장치, 컴퓨터 디바이스 및 저장 매체
KR20210000044A (ko) * 2019-06-24 2021-01-04 주식회사 이매지니어스 증강현실 기반 가상 피팅 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190103641A (ko) * 2018-02-28 2019-09-05 (주)미디어포스원 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
KR20200034028A (ko) * 2018-09-13 2020-03-31 정형록 인공지능 기반 가상 피팅 시스템 및 방법
KR20200084780A (ko) * 2019-01-03 2020-07-13 (주)미즈 이미지를 이용하여 신체 사이즈를 측정하고, 의류 사이즈를 추천하는 방법, 서버 및 프로그램
KR20200123161A (ko) * 2019-04-16 2020-10-28 원 커넥트 스마트 테크놀로지 컴퍼니 리미티드 (썬전) 휴먼이미지 속성 모델 구축 방법, 장치, 컴퓨터 디바이스 및 저장 매체
KR102044901B1 (ko) * 2019-05-30 2019-12-02 패디코리아 주식회사 피팅 상품에 대한 이미지 기반 구매정보 생성 시스템 및 이를 위한 단말 장치
KR20210000044A (ko) * 2019-06-24 2021-01-04 주식회사 이매지니어스 증강현실 기반 가상 피팅 시스템 및 방법

Similar Documents

Publication Publication Date Title
CN111291170B (zh) 一种基于智能客服的会话推荐方法及相关装置
KR102251304B1 (ko) 가죽 제품의 맞춤 제작 서비스를 위한 시스템 및 방법
CN110163713A (zh) 一种业务数据处理方法、装置以及相关设备
CN112001782B (zh) 基于粉丝画像智能匹配直播带货货品信息的方法及系统
CN110322093A (zh) 信息处理方法、信息显示方法、装置及计算设备
Alfantoukh et al. Multi-stakeholder consensus decision-making framework based on trust: a generic framework
KR20190103641A (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
Rashi et al. New personalized social approach based on flexible integration of web services
KR102318992B1 (ko) 멀티 에이전트를 이용한 개인 코디네이션 서비스 제공 시스템
KR20200028569A (ko) 화장품 정보 추천 방법
KR102264034B1 (ko) 사용자의 sns 계정과 상품 정보를 매칭하는 서버 및 그 운영 방법
CN117217820A (zh) 供应链采购需求智能集成预测方法及系统
KR102457943B1 (ko) 플랫폼을 이용한 어플리케이션 기반의 네일 서비스 제공 방법 및 장치
CN110765350A (zh) 一种会员积分的数据融合方法和装置
AU2012101974A4 (en) A System and Method for Selling Products
KR101894088B1 (ko) 품질검사 관리장치, 품질검사 의뢰 시스템 및 그 방법
Sabater-Mir et al. Towards a Framework that Allows Using a Cognitive Architecture to Personalize Recommendations in e-Commerce.
US20230143789A1 (en) Label inference in split learning defenses
KR102324317B1 (ko) 콘텐츠 협업을 통한 통합 거래 서비스 제공 방법 및 이를 위한 통합 거래 서비스 제공 서버
US20230252555A1 (en) Fish purchasing system
WO2020050287A1 (ja) 情報処理装置及びプログラム
US20150170043A1 (en) Decentralized Expert System for Network-Based Crowdfunding
US20230196553A1 (en) Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin dryness
KR102465455B1 (ko) 스코어 분포 예측을 통한 사용자 취향별 뷰티 평가 인공지능 장치 및 방법
WO2022034879A1 (ja) ３次元人物モデル生成装置およびプログラム

Legal Events

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