KR102575382B1 - 인공지능 기반 온라인 의류 판매 시스템 - Google Patents

인공지능 기반 온라인 의류 판매 시스템 Download PDF

Info

Publication number
KR102575382B1
KR102575382B1 KR1020230086563A KR20230086563A KR102575382B1 KR 102575382 B1 KR102575382 B1 KR 102575382B1 KR 1020230086563 A KR1020230086563 A KR 1020230086563A KR 20230086563 A KR20230086563 A KR 20230086563A KR 102575382 B1 KR102575382 B1 KR 102575382B1
Authority
KR
South Korea
Prior art keywords
clothing item
clothing
image
combination
user
Prior art date
Application number
KR1020230086563A
Other languages
English (en)
Inventor
박현정
Original Assignee
주식회사 지원알엔티
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 지원알엔티 filed Critical 주식회사 지원알엔티
Priority to KR1020230086563A priority Critical patent/KR102575382B1/ko
Application granted granted Critical
Publication of KR102575382B1 publication Critical patent/KR102575382B1/ko

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • 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
    • 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
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일실시예에 따르면, 인공지능 기반 온라인 의류 판매 시스템에 있어서, 인공지능 기반 온라인 의류 판매 시스템을 제공하기 위한 서버를 포함하는 시스템이 제공된다.

Description

인공지능 기반 온라인 의류 판매 시스템{AI-based online clothing retail system}
본 발명은 인공지능 기반 온라인 의류 판매 시스템을 제공하기 위한 기술에 관한 것이다.
일반적으로, 온라인 의류 판매 시스템은 웹 또는 모바일 애플리케이션을 통해 의류 제품 정보를 게시하고 판매하며, 고객은 의류 아이템의 이미지와 설명을 확인한 후 주문을 진행한다.
기존의 온라인 의류 판매 시스템의 문제점 중 하나는 구매할 의류 아이템 선택의 어려움이 있다. 고객은 많은 옵션과 제품 사이에서 원하는 제품을 찾기 위해 수많은 페이지를 넘기며 시간을 투자해야 하고, 판매량이 많은 의류 아이템을 추천받을 수는 있지만 앞으로 유행할 트렌드 의류 아이템에 대한 정보는 얻기 어렵다. 이로 인해 고객들은 구매할 의류 아이템의 선택 과정에서 피로감을 느낄 수밖에 없다.
또한, 고객이 보유하고 있는 의류 아이템 또는 구매를 원하는 의류 아이템과 어울리는 조합 의류 아이템을 찾기 어려운 문제점도 있다. 판매 의류 아이템은 아니지만 내가 보유하고 있는 의류 아이템과 잘 어울리는지에 대한 여부는 알기 어렵다. 온라인 의류 판매 관리자가 생성하는 의류 아이템 조합(코디) 정보는 한정적이고, 개인의 주관적인 패션 스타일이 반영되어, 고객 취향에 맞지 않을 수 있다.
한국등록특허 제10-2501592호 한국등록특허 제10-2113739호 한국공개특허 제10-2023-0026940호 한국공개특허 제10-2022-0050079호
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 인공지능 기반 온라인 의류 판매 시스템을 제공하는 데 있다.
본 발명에 따른 인공지능 기반 온라인 의류 판매 시스템을 제공함으로써, 입력 이미지에 포함되는 의류 아이템을 식별 가능한 인공지능 모델을 구현 및 활용할 수 있고, 패션 매거진 사이트 및 소셜 미디어 서버로부터 대중적인 의류 아이템 조합 데이터를 획득할 수 있으며, 의류 아이템 이미지를 입력하면 조합 가능한 의류 아이템 이미지를 출력하는 인공지능 모델을 구현 및 활용할 수 있고, 의류 아이템 이미지를 입력하면 속성 정보를 예측하는 인공지능 모델을 구현 및 활용할 수 있으며, 사용자에게 트렌드 의류 및 추천 조합 의류 아이템을 제공할 수 있고, 사용자가 직접 생성하는 사용자 추천 의류 아이템 조합을 획득하여 다수의 사용자와 공유할 수 있는 효과가 있다.
일실시예에 따르면, 인공지능 기반 온라인 의류 판매 시스템에 있어서, 인공지능 기반 온라인 의류 판매 시스템을 제공하기 위한 서버를 포함하는 시스템이 제공된다.
또한, 상기 서버는, 각 의류 아이템 영역이 라벨링된 다수의 패션 관련 이미지를 학습데이터로, 소정의 이미지를 입력하면, 상기 입력한 이미지에 포함되는 의류 아이템들을 식별하도록 제1 인공지능 모델을 학습시키고, 소정의 패션 매거진 사이트 API 또는 웹 크롤링을 활용하여, 기지정한 주기마다 '(올해 년도) fashion trends' 키워드로 검색한 검색 결과에 포함되는 웹페이지의 이미지 및 텍스트인 제1 데이터를 수집하고, 다수의 소셜 미디어 API를 활용하여, 기지정한 주기마다 'OOTD' 해시태그 및 'outfit' 해시태그가 달린 게시물의 이미지인 제2 데이터를 수집하고, 자연어 처리 기술 및 데이터마이닝 기술을 이용하여, 상기 제1 데이터 중 텍스트에서 트렌드 정보를 획득하되, 상기 트렌드 정보는, 트렌드 의류 아이템의 명칭, 소재, 색상, 및 패턴을 포함하고, 기학습된 제1 인공지능 모델에, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터를 입력하여, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터에서 의류 아이템 영역을 식별하고, 원본 이미지에서, 상기 식별한 각 의류 아이템 영역을 잘라내어 단일 의류 아이템 이미지들을 생성하되, 상기 생성한 단일 의류 아이템 이미지들은, 원본 이미지별로 구분하여 저장하고, 상기 원본 이미지별로 구분하여 저장한 단일 의류 아이템 이미지들을 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지를 출력하도록 제2 인공지능 모델을 학습시키고, 다수의 의류 아이템 이미지, 및 각 의류 아이템의 속성 정보를 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템 이미지에 포함되는 의류 아이템의 속성 정보를 출력하도록 제3 인공지능 모델을 학습시키되, 상기 속성 정보는, 의류 아이템의 명칭, 소재, 색상, 및 패턴이고, 웹사이트를 운용하고, 상기 웹사이트에 태그를 포함하는 다수의 판매 의류 아이템을 게시하되, 상기 태그는 각 판매 의류 아이템의 명칭, 소재, 색상, 및 패턴이고, 사용자 단말을 통해, 상기 웹사이트에 사용자가 접속되면, 상기 웹사이트를 통해, 사용자 단말에 트렌드 의류 리스트를 표시하되, 상기 트렌드 의류 리스트는, 상기 트렌드 정보에 포함되는 트렌드 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템들을 포함하고, 상기 웹사이트를 통해 사용자 단말에, 추천 조합 의류 아이템 메뉴를 표시하고, 상기 웹사이트를 통해, 사용자 단말로부터 추천 조합 의류 아이템 메뉴가 선택되면, 사용자 단말에 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지 선택 인터페이스를 제공하되, 상기 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지는, 상기 웹사이트에 게시된 판매 의류 아이템 이미지, 사용자 구매 이력에 포함되는 의류 아이템 이미지, 및 사용자 단말을 통해 획득한 의류 아이템 이미지 중 적어도 하나 이상이고, 상기 웹사이트를 통해, 사용자 단말로부터 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지를 획득하면, 기학습된 제2 인공지능 모델에, 상기 획득한 의류 아이템 이미지를 입력하여, 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지인 제1 출력을 획득하고, 기학습된 제3 인공지능 모델에, 상기 제1 출력을 입력하여, 상기 제1 출력에 포함되는 의류 아이템의 속성 정보인 제2 출력을 획득하고, 상기 웹사이트를 통해 사용자 단말에, 상기 제2 출력에 포함되는 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템 리스트를 표시하고, 상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하기 위한 인터페이스를 제공하되, 상기 사용자 추천 의류 아이템 조합은, 상의 및 하의, 또는 원피스 의류를 반드시 포함하고, 상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하면, 다수의 사용자 단말에, 상기 사용자 추천 의류 아이템 조합을 표시하고, 상기 웹사이트를 통해 다수의 사용자 단말에, 사용자 추천 의류 아이템 조합 투표 인터페이스를 제공하고, 상기 웹사이트를 통해, 다수의 사용자 단말에 사용자 추천 의류 아이템 조합 순위 리스트를 표시할 수 있다.
또한, 상기 서버는, [수학식 1]을 바탕으로 산출한 의류 아이템 조합 점수가 높은 순으로 상기 의류 아이템 조합 순위를 정렬하고,
[수학식 1]
Figure 112023073554823-pat00001
Scoreic는 의류 아이템 조합 점수이고, Aattr는 의류 아이템 조합에 포함되는 각 의류 아이템의 속성 정보와, 트렌드 아이템 속성 정보가 일치하는 개수의 평균이며, Nvotes는 의류 아이템 조합의 득표수이고, Tvotes는 모든 의류 아이템 조합의 총 투표수이며, Pimage는 의류 아이템 조합 실착 이미지 유무(1 or 0)일 수 있다.
일실시예에 따르면, 본 발명에 따른 인공지능 기반 온라인 의류 판매 시스템을 제공함으로써, 입력 이미지에 포함되는 의류 아이템을 식별 가능한 인공지능 모델을 구현 및 활용할 수 있는 효과가 있다.
또한, 패션 매거진 사이트 및 소셜 미디어 서버로부터 대중적인 의류 아이템 조합 데이터를 획득할 수 있다.
또한, 의류 아이템 이미지를 입력하면 조합 가능한 의류 아이템 이미지를 출력하는 인공지능 모델을 구현 및 활용할 수 있다.
또한, 의류 아이템 이미지를 입력하면 속성 정보를 추론하는 인공지능 모델을 구현 및 활용할 수 있는 효과가 있다.
또한. 사용자에게 트렌드 의류 및 추천 조합 의류 아이템을 제공할 수 있다.
또한. 사용자가 직접 생성하는 사용자 추천 의류 아이템 조합을 획득하여 다수의 사용자와 공유할 수 있다.
또한, 의류 아이템 조합 점수를 산출하여 점수가 높은 순으로 정렬한 사용자 추천 의류 아이템 조합을 제공할 수 있고, 사용자 활동 점수를 산출하여 점수가 높은 순으로 정렬한 인기 조합 사용자 리스트를 제공할 수 있는 효과가 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 구성을 개략적으로 나타낸 개념도이다.
도 2는 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 인공지능 학습 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 사용자 단말에 트렌드 의류 및 추천 조합 의류 아이템을 제공하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 사용자 추천 의류 아이템 조합 순위 리스트를 제공하는 과정을 설명하기 위한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 동작 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 하는 과정을 설명하기 위한 도면이다.
도 1은 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 구성을 개략적으로 나타낸 개념도이고, 도 2는 일실시예에 따른 인공지능 기반 온라인 의류 판매 시스템의 인공지능 학습 과정을 설명하기 위한 순서도이며, 도 3은 일실시예에 따른 사용자 단말에 트렌드 의류 및 추천 조합 의류 아이템을 제공하는 과정을 설명하기 위한 도면이고, 도 4는 일실시예에 따른 사용자 추천 의류 아이템 조합 순위 리스트를 제공하는 과정을 설명하기 위한 도면이다.
일실시예로서, 도 1을 참조하면, 인공지능 기반 온라인 의류 판매 시스템은 시스템을 제공하기 위한 서버(100)를 포함할 수 있다.
상기 서버(100)는, 입력한 이미지에 포함되는 의류 아이템들을 식별할 수 있는 제1 인공지능 모델과, 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지를 출력할 수 있는 제2 인공지능 모델과, 입력한 의류 아이템 이미지에 포함되는 의류 아이템의 속성 정보를 출력할 수 있는 제3 인공지능 모델을 포함할 수 있다. 또한, 각 인공지능 모델을 학습시키기 위한 프로세스와, 활용하기 위한 프로세스를 포함할 수 있다.
상기 서버(100)는, 웹페이지를 통해 접속되는 다수의 사용자 단말과, 소정의 패션 매거진 사이트를 운용하는 서버, 및 다수의 소셜 미디어를 운용하는 서버와 네트워크를 통해 데이터를 송수신할 수 있다.
소정의 패션 매거진 사이트는 유명 패션 매거진과 패션 전문 웹사이트를 포함할 수 있으며, 주로 최신 패션 트렌드, 스타일 가이드, 패션 관련 팁, 패션 위크와 패션 쇼 등의 정보를 제공하므로 최신 패션 트렌드에 대한 정보를 얻을 수 있다.
소셜 미디어 서버를 통해 패션 인플루언서 및 일반 사용자들의 패션 스타일, 패션 관련 아이디어, 의류 아이템 조합 등에 대한 정보를 획득할 수 있다.
일실시예로서, 도 2를 참조하면, S201 단계에서 서버는, 각 의류 아이템 영역이 라벨링된 다수의 패션 관련 이미지를 학습데이터로, 소정의 이미지를 입력하면, 상기 입력한 이미지에 포함되는 의류 아이템들을 식별하도록 제1 인공지능 모델을 학습시킬 수 있다.
제1 인공지능 모델은, 컨볼루션 신경망(Convolutional Neural Network, CNN)을 기반으로 할 수 있다. 컨볼루션 신경망은, 이미지의 공간적 구조를 이해하고, 특징을 추출하는데 강점을 가진 딥러닝 알고리즘으로서, 각 의류 아이템 영역이 라벨링된 다수의 패션 관련 이미지를 학습데이터로 사용하여 제1 인공지능 모델을 학습시킴으로서, 입력 이미지의 공간적인 특징을 추출하고 의류 아이템의 영역을 식별할 수 있다. 이를 통해 이미지 내의 의류 아이템을 라벨링하고 분류할 수 있다.
S202 단계에서 서버는, 소정의 패션 매거진 사이트 API 또는 웹 크롤링을 활용하여, 기지정한 주기마다 '(올해 년도) fashion trends' 키워드로 검색한 검색 결과에 포함되는 웹페이지의 이미지 및 텍스트인 제1 데이터를 수집할 수 있다. 예를 들면, '2023 fashion trends'를 검색 키워드로 활용할 수 있다.
S203 단계에서 서버는, 다수의 소셜 미디어 API를 활용하여, 기지정한 주기마다 'OOTD' 해시태그 및 'outfit' 해시태그가 달린 게시물의 이미지인 제2 데이터를 수집할 수 있다.
S204 단계에서 서버는, 자연어 처리 기술 및 데이터마이닝 기술을 이용하여, 상기 제1 데이터 중 텍스트에서 트렌드 정보를 획득할 수 있다.
상기 트렌드 정보는, 트렌드 의류 아이템의 명칭, 소재, 색상, 및 패턴을 포함할 수 있다. 예를 들어, 트렌드 의류 아이템의 명칭은, 탱크탑, 청바지, 가죽 자켓, 미니 스커트, 카키색 코트, 트위드 투피스 등일 수 있다. 소재로는 면 소재, 캐시미어 소재, 울 소재, 실크 소재, 폴리에스테르 소재, 나일론 소재, 스판 소재, 및 혼방 소재 등이 포함될 수 있다. 패턴에는 민무늬, 페이즐리 패턴, 플로랄(플라워) 패턴, 레오파드 패턴, 도트 패턴, 노르딕 패턴, 줄무늬(스트라이프 패턴), 체크 패턴 등이 포함될 수 있다.
자연어 처리 기술은 텍스트 데이터를 이해하고 처리하는 기술로, 문장의 구문, 의미, 토픽 등을 분석하고 추출할 수 있다. 트렌드 아이템이나 트렌드 색상과 관련된 정보를 추출하기 위해서는 텍스트에서 핵심 단어, 문맥, 특정 패턴 등을 인식하고 이해하는 과정이 필요할 수 있다. 이를 위해 자연어 처리 기술을 사용하여 문장을 토큰화하고, 형태소 분석, 구문 분석, 개체명 인식 등의 처리를 수행할 수 있다. 이러한 처리를 통해 텍스트 데이터를 구조화하고 의미 있는 정보를 추출할 수 있다.
이후 데이터마이닝 기술을 활용하여 추출된 정보를 분석하고 패턴을 발견할 수 있다. 데이터마이닝은 다양한 분석 기법과 알고리즘을 사용하여 데이터에서 유용한 정보를 발견하고 예측 모델을 구축하는 과정을 의미한다. 추출된 트렌드 아이템이나 트렌드 색상과 관련된 데이터를 데이터마이닝 기술에 적용하여 트렌드의 특성을 파악하고 예측할 수 있다.
S205 단계에서 서버는, 기학습된 제1 인공지능 모델에, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터를 입력하여, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터에서 의류 아이템 영역을 식별할 수 있다.
S206 단계에서 서버는, 원본 이미지에서, 상기 식별한 각 의류 아이템 영역을 잘라내어 단일 의류 아이템 이미지들을 생성할 수 있고, 생성한 단일 의류 아이템 이미지들은, 원본 이미지별로 구분하여 저장할 수 있다.
예를 들어, 제1 원본 이미지에 포함되는 [1-1 단일 의류 아이템 이미지, 1-2 단일 의류 아이템 이미지, 1-3 단일 의류 아이템 이미지]는, 제2 원본 이미지에 포함되는 [2-1 단일 의류 아이템 이미지, 2-2 단일 의류 아이템 이미지, 2-3 단일 의류 아이템 이미지]는 구분하여 저장할 수 있다.
S207 단계에서 서버는, 상기 원본 이미지별로 구분하여 저장한 단일 의류 아이템 이미지들을 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지를 출력하도록 제2 인공지능 모델을 학습시킬 수 있다.
제2 인공지능 모델은 생성적 적대 신경망(Generative Adversarial Network, GAN) 또는 변이형 오토인코더(Variational Autoencoder, VAE)를 기반으로 할 수 있다. 생성적 적대 신경망(GAN)은, 생성 모델 중 하나로, 생성자(Generator)와 판별자(Discriminator)라는 두 개의 신경망을 경쟁시켜서 원하는 결과물을 생성하는 방식이다. 생성자는 실제와 유사한 가짜 데이터를 생성하려고 하고, 판별자는 생성자가 생성한 데이터와 실제 데이터를 구분하려고 하며, 두 신경망은 서로 경쟁하면서 점차적으로 발전해 나가는 과정에서 좋은 결과물을 생성할 수 있다. 또한, 변이형 오토인코더(VAE)는, 생성적 적대 신경망과 마찬가지로 생성 모델 중 하나로서, 입력 데이터의 특징을 학습하고 잠재 변수 공간에서 새로운 샘플을 생성하는 모델이다. VAE는 오토인코더(Autoencoder)의 변형 형태로, 데이터를 저차원 잠재 공간으로 인코딩한 후 다시 디코딩하여 원래의 데이터를 복원하는 과정을 거친다.
생성적 적대 신경망 또는 변이형 오토인코더는, 원본 이미지별로 구분하여 저장한 단일 의류 아이템 이미지들을 학습 데이터셋으로 의류 아이템의 특징을 학습하고, 새로운 의류 아이템을 생성하는데 사용될 수 있다. 입력된 단일 의류 아이템 이미지를 기반으로 모델은 유사한 특징을 가진 다른 의류 아이템 이미지를 생성하거나, 이미 학습한 의류 아이템들 중에서 조합 가능한 의류 아이템을 선택하여 출력할 수 있다. 이를 통해 다양한 의류 아이템 조합을 시뮬레이션하거나 추천할 수 있다.
S208 단계에서 서버는, 다수의 의류 아이템 이미지, 및 각 의류 아이템의 속성 정보를 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템 이미지에 포함되는 의류 아이템의 속성 정보를 출력하도록 제3 인공지능 모델을 학습시킬 수 있다. 상기 속성 정보는, 의류 아이템의 명칭, 소재, 색상, 및 패턴을 포함할 수 있다.
제3 인공지능 모델은 의류 아이템 이미지와 해당 아이템의 속성 정보를 입력받아, 입력된 의류 아이템의 속성 정보를 출력하는데 사용되는 모델로서, 장단기 메모리(LSTM)를 기반으로 할 수 있다. 장단기 메모리(LSTM)는 순환 신경망 (RNN)의 한 종류로, 시퀀스 데이터를 처리하는 데 특화된 구조이다. 장단기 메모리는 RNN의 일반적인 문제인 기울기 소실 또는 폭주 문제를 해결하고, 시간적인 의존성을 장기적으로 기억할 수 있는 능력을 가질 수 있다.
장단기 메모리(LSTM)는 장기 상태(Long-Term State)를 유지하면서 정보를 선택적으로 삭제하거나 추가할 수 있다. 장단기 메모리(LSTM)는 내부적으로 게이트(Gate)라고 불리는 세 가지 주요한 구조를 사용하여 동작하는데, 현재 입력에 대한 중요한 정보를 선택적으로 저장하는 역할을 하는 입력 게이트 (Input Gate), 장기 상태에서 불필요한 정보를 삭제하는 역할을 하는 삭제 게이트 (Forget Gate), 및 장기 상태에서 어떤 정보를 출력할지 결정하여 출력하는 출력 게이트 (Output Gate)를 포함할 수 있다.
장단기 메모리(LSTM)는 의류 아이템 이미지와 해당 아이템의 속성 정보를 입력으로 받아, 이미 학습된 데이터셋에서 유사한 의류 아이템의 속성 정보를 찾거나 추론할 수 있고, 이를 통해 입력된 의류 아이템의 속성 정보를 예측하고 출력할 수 있다.
도 3을 참조하면, 일실시예로서 S301 단계에서 서버는, 웹사이트를 운용할 수 있다.
S302 단계에서 서버는, 상기 웹사이트에 태그를 포함하는 다수의 판매 의류 아이템을 게시할 수 있다. 이때 상기 태그는 각 판매 의류 아이템의 명칭, 소재, 색상, 및 패턴일 수 있다.
S303 단계에서 서버는, 사용자 단말을 통해, 상기 웹사이트에 사용자가 접속되면, 상기 웹사이트를 통해, 사용자 단말에 트렌드 의류 리스트를 표시할 수 있다.
상기 트렌드 의류 리스트는, 상기 트렌드 정보에 포함되는 트렌드 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템들을 포함할 수 있다.
예를 들어, 트렌드 정보가 [가디건, 리넨 소재, 밝은 갈색, 민무늬]이고, 판매 의류 아이템의 게시 제목이 ‘한여름용 리넨 가디건, 데일리용 색상 추가’이며, 해당 판매 의류 아이템에 달린 태그가 #리넨가디건, #여름용가디건, #데일리가디건 등이면, 상기 판매 의류 아이템은 트렌드 의류 리스트에 포함하여 웹사이트에 게시할 수 있다.
S304 단계에서 서버는, 상기 웹사이트를 통해 사용자 단말에, 추천 조합 의류 아이템 메뉴를 표시할 수 있다. 추천 조합 의류 아이템 메뉴는 웹사이트에 표시되는 선택 버튼일 수 있다.
S305 단계에서 서버는, 상기 웹사이트를 통해, 사용자 단말로부터 추천 조합 의류 아이템 메뉴가 선택되면, 사용자 단말에 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지 선택 인터페이스를 제공할 수 있다.
상기 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지는, 상기 웹사이트에 게시된 판매 의류 아이템 이미지, 사용자 구매 이력에 포함되는 의류 아이템 이미지, 및 사용자 단말을 통해 획득한 의류 아이템 이미지 중 적어도 하나 이상일 수 있다. 사용자는 판매 의류 아이템이 게시된 웹페이지에서, 해당 판매 의류 아이템을 추천 조합 의류 아이템으로 선택하거나, 개인 구매 이력 조회 웹페이지에서 추천 조합 의류 아이템을 선택할 수도 있다. 또한, 판매 의류 아이템에는 포함되지 않지만 사용자 개인이 보유하고 있는 의류 아이템의 사진을 촬영하여 업로드 후 선택할 수도 있다.
또한, PC 화면에서는 의류 아이템 이미지를 드래그해서 업로드할 수 있는 인터페이스를 제공할 수도 있다.
S306 단계에서 서버는, 상기 웹사이트를 통해, 사용자 단말로부터 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지를 획득하면, 기학습된 제2 인공지능 모델에, 상기 획득한 의류 아이템 이미지를 입력하여, 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지인 제1 출력을 획득할 수 있다.
사용자 단말로부터 획득하는 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지는 복수 개일 수도 있다. 예를 들어, 사용자는 상의와 아우터를 선택하여 하의를 추천받을 수도 있다. 또는 상의를 선택하여 해당 상의와 어울리는 하의, 아우터, 레이어드 착용할 수 있는 상의 의류 아이템을 추천받을 수 있다.
S307 단계에서 서버는, 기학습된 제3 인공지능 모델에, 상기 제1 출력을 입력하여, 상기 제1 출력에 포함되는 의류 아이템의 속성 정보인 제2 출력을 획득할 수 있다.
제1 출력은 사용자가 입력한 의류 아이템 이미지를 바탕으로 출력한 조합 가능한 의류 아이템 이미지로서, 제3 인공지능 모델에 입력하면 속성 정보를 추론한 데이터를 획득할 수 있다.
S308 단계에서 서버는, 상기 웹사이트를 통해 사용자 단말에, 상기 제2 출력에 포함되는 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템 리스트를 일치하는 속성 정보가 많은 순서로 정렬하여 표시할 수 있다.
도 4를 참조하면, 일실시예로서 S401 단계에서 서버는, 상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하기 위한 인터페이스를 제공할 수 있다. 상기 사용자 추천 의류 아이템 조합은, 상의 및 하의, 또는 원피스 의류를 반드시 포함할 수 있다. 원피스 의류는, 드레스만 지칭하는 것이 아닌 상하의가 하나로 구성되는 점프수트와 같은 의류 아이템도 포함할 수 있다.
S402 단계에서 서버는, 상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하면, 다수의 사용자 단말에, 상기 사용자 추천 의류 아이템 조합을 표시할 수 있다.
S403 단계에서 서버는, 상기 웹사이트를 통해 다수의 사용자 단말에, 사용자 추천 의류 아이템 조합 투표 인터페이스를 제공할 수 있다. 사용자 추천 의류 아이템 조합 투표 인터페이스는, 사용자 추천 의류 아이템 조합에 포함되는 판매 의류 아이템의 상세 설명 페이지 또는 투표 게시판에 포함할 수 있다.
S404 단계에서 서버는, 상기 웹사이트를 통해, 다수의 사용자 단말에 사용자 추천 의류 아이템 조합 순위 리스트를 표시할 수 있다.
또한, 일실시예로서, 사용자 추천 의류 아이템 조합 순위 중 상위권 또는 소정의 득표수 이상인 사용자 추천 의류 아이템 조합은, 해당 조합에 포함되는 의류 아이템 이미지들을 제2 인공지능 모델에 입력하여 재학습시킬 수도 있다.
일실시예로서, 상기 서버는, [수학식 1]을 바탕으로 산출한 의류 아이템 조합 점수가 높은 순으로 상기 의류 아이템 조합 순위를 정렬할 수 있다.
[수학식 1]
Figure 112023073554823-pat00002
Scoreic는 의류 아이템 조합 점수이고, Aattr는 의류 아이템 조합에 포함되는 각 의류 아이템의 속성 정보와, 트렌드 아이템 속성 정보가 일치하는 개수의 평균이며, Nvotes는 의류 아이템 조합의 득표수이고, Tvotes는 모든 의류 아이템 조합의 총 투표수이며, Pimage는 의류 아이템 조합 실착 이미지 유무(1 or 0)일 수 있다.
예를 들어, 의류 아이템 조합에 포함되는 각 의류 아이템의 속성 정보가 [티셔츠, 면 소재, 흰색, 줄무늬]와 [청바지, 스판 혼방 데님, 짙은 청색, 민무늬]이고, 트렌드 아이템 속성 정보가 [블라우스, 리넨 소재, 흰색, 줄무늬]와 [반바지, 면 소재, 갈색, 민무늬]이면, 속성 정보가 일치하는 개수는 상의 2개, 하의 1개일 수 있다. 의류 아이템의 착용 위치별 카테고리는 상의, 하의, 원피스, 아우터 등을 포함할 수 있다. 따라서 의류 아이템 조합에 포함되는 각 의류 아이템의 속성 정보와, 트렌드 아이템 속성 정보가 일치하는 개수의 평균(Aattr)은 [2(상의)+1(하의)+0(원피스 의류 아이템 없음)+0(아우터 의류 아이템 없음)]/4일 수 있다.
또한, 의류 아이템 조합의 득표수(Nvotes)가 100개이고, 모든 의류 아이템 조합의 총 투표수(Tvotes)가 10,000개이며, 의류 아이템 조합 실착 이미지 유무(Pimage)가 1(실착 이미지 존재)이면, 의류 아이템 조합 점수(Scoreic)는 47점일 수 있다. 이로써 상기 의류 아이템 조합 순위를 정렬하기 위한 아이템 조합 점수를 산출할 수 있다.
일실시예로서, 상기 웹사이트를 통해, 다수의 사용자 단말에 사용자 추천 의류 아이템 조합 순위 리스트를 표시하는 단계 이후에, 상기 웹사이트를 통해, 다수의 사용자 단말에 인기 조합 사용자 리스트를 표시하되, 상기 인기 조합 사용자 리스트는, [수학식 2]를 바탕으로 산출한 사용자 활동 점수 순으로 정렬할 수 있다.
[수학식 2]
Figure 112023073554823-pat00003
Scoreact는 사용자 활동 점수이고, Rpur은 전체 판매 아이템 개수 대비 사용자가 구매한 판매 아이템 개수의 비율이며, Utvotes는 사용자가 등록한 모든 추천 의류 아이템 조합이 획득한 총 득표수이고, Nurm은 사용자가 웹사이트에 등록한 사용자 추천 의류 아이템 조합의 개수이며, Nvtbyuser는 사용자가 투표한 횟수일 수 있다.
예를 들어, 전체 판매 아이템 개수 대비 사용자가 구매한 판매 아이템 개수의 비율(Rpur)이 0.3이고, 사용자가 등록한 모든 추천 의류 아이템 조합이 획득한 총 득표수(Utvotes)가 2,000이고, 사용자가 웹사이트에 등록한 사용자 추천 의류 아이템 조합의 개수(Nurm)가 20이고, 사용자가 투표한 횟수(Nvtbyuser)가 100이면, 사용자 활동 점수(Scoreact)는 55점일 수 있다. 이로 인해 인기 조합 사용자 리스트를 정렬하기 위한 사용자 활동 점수를 산출할 수 있다.
또한, 웹사이트를 통해 사용자는 상기 인기 조합 사용자 리스트에서 사용자의 개인 취향에 맞는 인기 조합 사용자를 찾을 수 있다. 서버는, 웹사이트를 통해 사용자 단말로부터, 즐겨찾는 인기 조합 사용자를 획득할 수 있고, 즐겨찾기한 인기 조합 사용자가 새로운 사용자 추천 의류 아이템 조합을 등록하면, 해당 인기 조합 사용자를 즐겨찾기 한 다수의 사용자 단말에 알람을 전송할 수도 있다.
또한, 서버는, 상기 웹사이트를 통해 사용자 단말로부터, 즐겨찾기할 사용자 추천 의류 조합을 획득할 수도 있다. 동일한 사용자 추천 의류 아이템 조합을 즐겨찾기한 사용자들의 구매 이력을 기반으로 사용자에게 의류 아이템을 추천할 수도 있다.
본 발명에 따른 인공지능 기반 온라인 의류 판매 시스템을 제공함으로써, 입력 이미지에 포함되는 의류 아이템을 식별 가능한 인공지능 모델을 구현 및 활용할 수 있고, 패션 매거진 사이트 및 소셜 미디어 서버로부터 대중적인 의류 아이템 조합 데이터를 획득할 수 있으며, 의류 아이템 이미지를 입력하면 조합 가능한 의류 아이템 이미지를 출력하는 인공지능 모델을 구현 및 활용할 수 있고, 의류 아이템 이미지를 입력하면 속성 정보를 예측하는 인공지능 모델을 구현 및 활용할 수 있으며, 사용자에게 트렌드 의류 및 추천 조합 의류 아이템을 제공할 수 있고, 사용자가 직접 생성하는 사용자 추천 의류 아이템 조합을 획득하여 다수의 사용자와 공유할 수 있으며, 의류 아이템 조합 점수를 산출하여 점수가 높은 순으로 정렬한 사용자 추천 의류 아이템 조합을 제공할 수 있고, 사용자 활동 점수를 산출하여 점수가 높은 순으로 정렬한 인기 조합 사용자 리스트를 제공할 수 있는 효과가 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 서버

Claims (3)

  1. 인공지능 기반 온라인 의류 판매 시스템에 있어서,
    인공지능 기반 온라인 의류 판매 시스템을 제공하기 위한 서버를 포함하고,
    상기 서버는,
    각 의류 아이템 영역이 라벨링된 다수의 패션 관련 이미지를 학습데이터로, 소정의 이미지를 입력하면, 상기 입력한 이미지에 포함되는 의류 아이템들을 식별하도록 제1 인공지능 모델을 학습시키고,
    소정의 패션 매거진 사이트 API 또는 웹 크롤링을 활용하여, 기지정한 주기마다 '(올해 년도) fashion trends' 키워드로 검색한 검색 결과에 포함되는 웹페이지의 이미지 및 텍스트인 제1 데이터를 수집하고,
    다수의 소셜 미디어 API를 활용하여, 기지정한 주기마다 'OOTD' 해시태그 및 'outfit' 해시태그가 달린 게시물의 이미지인 제2 데이터를 수집하고,
    자연어 처리 기술 및 데이터마이닝 기술을 이용하여, 상기 제1 데이터 중 텍스트에서 트렌드 정보를 획득하되, 상기 트렌드 정보는, 트렌드 의류 아이템의 명칭, 소재, 색상, 및 패턴을 포함하고,
    기학습된 제1 인공지능 모델에, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터를 입력하여, 상기 제1 데이터 중 이미지, 및 상기 제2 데이터에서 의류 아이템 영역을 식별하고,
    원본 이미지에서, 상기 식별한 각 의류 아이템 영역을 잘라내어 단일 의류 아이템 이미지들을 생성하되, 상기 생성한 단일 의류 아이템 이미지들은, 원본 이미지별로 구분하여 저장하고,
    상기 원본 이미지별로 구분하여 저장한 단일 의류 아이템 이미지들을 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지를 출력하도록 제2 인공지능 모델을 학습시키고,
    다수의 의류 아이템 이미지, 및 각 의류 아이템의 속성 정보를 학습데이터로, 소정의 의류 아이템 이미지를 입력하면, 상기 입력한 의류 아이템 이미지에 포함되는 의류 아이템의 속성 정보를 출력하도록 제3 인공지능 모델을 학습시키되, 상기 속성 정보는, 의류 아이템의 명칭, 소재, 색상, 및 패턴이고,
    웹사이트를 운용하고,
    상기 웹사이트에 태그를 포함하는 다수의 판매 의류 아이템을 게시하되, 상기 태그는 각 판매 의류 아이템의 명칭, 소재, 색상, 및 패턴이고,
    사용자 단말을 통해, 상기 웹사이트에 사용자가 접속되면, 상기 웹사이트를 통해, 사용자 단말에 트렌드 의류 리스트를 표시하되, 상기 트렌드 의류 리스트는, 상기 트렌드 정보에 포함되는 트렌드 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템들을 포함하고,
    상기 웹사이트를 통해 사용자 단말에, 추천 조합 의류 아이템 메뉴를 표시하고,
    상기 웹사이트를 통해, 사용자 단말로부터 추천 조합 의류 아이템 메뉴가 선택되면, 사용자 단말에 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지 선택 인터페이스를 제공하되, 상기 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지는, 상기 웹사이트에 게시된 판매 의류 아이템 이미지, 사용자 구매 이력에 포함되는 의류 아이템 이미지, 및 사용자 단말을 통해 획득한 의류 아이템 이미지 중 적어도 하나 이상이고,
    상기 웹사이트를 통해, 사용자 단말로부터 조합 의류 아이템을 추천하기 위한 의류 아이템 이미지를 획득하면, 기학습된 제2 인공지능 모델에, 상기 획득한 의류 아이템 이미지를 입력하여, 입력한 의류 아이템과 조합 가능한 의류 아이템 이미지인 제1 출력을 획득하고,
    기학습된 제3 인공지능 모델에, 상기 제1 출력을 입력하여, 상기 제1 출력에 포함되는 의류 아이템의 속성 정보인 제2 출력을 획득하고,
    상기 웹사이트를 통해 사용자 단말에, 상기 제2 출력에 포함되는 의류 아이템 명칭, 소재, 색상, 및 패턴 중 적어도 하나 이상이, 게시 제목 또는 태그에 포함되는 판매 의류 아이템 리스트를 표시하고,
    상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하기 위한 인터페이스를 제공하되, 상기 사용자 추천 의류 아이템 조합은, 상의 및 하의, 또는 원피스 의류를 반드시 포함하고,
    상기 웹사이트를 통해 사용자 단말로부터, 사용자 추천 의류 아이템 조합을 획득하면, 다수의 사용자 단말에, 상기 사용자 추천 의류 아이템 조합을 표시하고,
    상기 웹사이트를 통해 다수의 사용자 단말에, 사용자 추천 의류 아이템 조합 투표 인터페이스를 제공하고,
    상기 웹사이트를 통해, 다수의 사용자 단말에 사용자 추천 의류 아이템 조합 순위 리스트를 표시하고,
    상기 서버는,
    [수학식 1]을 바탕으로 산출한 의류 아이템 조합 점수가 높은 순으로 상기 의류 아이템 조합 순위를 정렬하고,
    [수학식 1]
    Figure 112023089156288-pat00004

    Scoreic는 의류 아이템 조합 점수이고, Aattr는 의류 아이템 조합에 포함되는 각 의류 아이템의 속성 정보와, 트렌드 아이템 속성 정보가 일치하는 개수의 평균이며, Nvotes는 의류 아이템 조합의 득표수이고, Tvotes는 모든 의류 아이템 조합의 총 투표수이며, Pimage는 의류 아이템 조합 실착 이미지 유무(1 or 0)인, 시스템.
  2. 삭제
  3. 삭제
KR1020230086563A 2023-07-04 2023-07-04 인공지능 기반 온라인 의류 판매 시스템 KR102575382B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230086563A KR102575382B1 (ko) 2023-07-04 2023-07-04 인공지능 기반 온라인 의류 판매 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230086563A KR102575382B1 (ko) 2023-07-04 2023-07-04 인공지능 기반 온라인 의류 판매 시스템

Publications (1)

Publication Number Publication Date
KR102575382B1 true KR102575382B1 (ko) 2023-09-06

Family

ID=87973870

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230086563A KR102575382B1 (ko) 2023-07-04 2023-07-04 인공지능 기반 온라인 의류 판매 시스템

Country Status (1)

Country Link
KR (1) KR102575382B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102667142B1 (ko) * 2023-12-27 2024-05-20 동아디브이 주식회사 인공지능 기반 의류 판매 시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190120346A (ko) * 2017-03-30 2019-10-23 스노우 주식회사 아이템에 대한 추천 정보 제공 방법 및 장치
KR102113739B1 (ko) 2020-03-04 2020-05-20 케이퍼스트랩 주식회사 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
KR102317432B1 (ko) * 2019-09-09 2021-10-25 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR20220050079A (ko) 2020-10-15 2022-04-22 카페24 주식회사 인공지능 기반의 쇼핑몰 생성 방법, 장치 및 시스템
KR102461863B1 (ko) * 2022-04-28 2022-11-01 주식회사 패션에이드 개인화 스타일링 추천 시스템 및 방법
KR102501592B1 (ko) 2022-09-16 2023-02-22 차인식 인공지능에 기반한 온라인 의류 판매 시스템
KR20230026940A (ko) 2021-08-18 2023-02-27 주식회사 루츠코퍼레이션 효율적인 의류 판매를 위한 복수의 인터페이스 제공 장치
KR20230042243A (ko) * 2020-07-30 2023-03-28 주식회사 룩코 코디 조합 생성 시스템 및 코디 조합 생성 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190120346A (ko) * 2017-03-30 2019-10-23 스노우 주식회사 아이템에 대한 추천 정보 제공 방법 및 장치
KR102317432B1 (ko) * 2019-09-09 2021-10-25 권수희 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
KR102113739B1 (ko) 2020-03-04 2020-05-20 케이퍼스트랩 주식회사 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
KR20230042243A (ko) * 2020-07-30 2023-03-28 주식회사 룩코 코디 조합 생성 시스템 및 코디 조합 생성 방법
KR20220050079A (ko) 2020-10-15 2022-04-22 카페24 주식회사 인공지능 기반의 쇼핑몰 생성 방법, 장치 및 시스템
KR20230026940A (ko) 2021-08-18 2023-02-27 주식회사 루츠코퍼레이션 효율적인 의류 판매를 위한 복수의 인터페이스 제공 장치
KR102461863B1 (ko) * 2022-04-28 2022-11-01 주식회사 패션에이드 개인화 스타일링 추천 시스템 및 방법
KR102501592B1 (ko) 2022-09-16 2023-02-22 차인식 인공지능에 기반한 온라인 의류 판매 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102667142B1 (ko) * 2023-12-27 2024-05-20 동아디브이 주식회사 인공지능 기반 의류 판매 시스템

Similar Documents

Publication Publication Date Title
Dubey et al. Deep learning the city: Quantifying urban perception at a global scale
US20200342320A1 (en) Non-binary gender filter
CN110110181A (zh) 一种基于用户风格和场景偏好的服装搭配推荐方法
CN110728015A (zh) 认知自动化和交互式个性化时尚设计
Chung et al. Interactive design recommendation using sensor based smart wear and weather WebBot
Al-Lohibi et al. Awjedni: a reverse-image-search application
KR102309373B1 (ko) 기획 판매를 위한 컨텐츠를 자동적으로 구축하는 시스템 및 그 방법
US11935106B2 (en) System and method for product recommendation based on multimodal fashion knowledge graph
Wu et al. ClothGAN: generation of fashionable Dunhuang clothes using generative adversarial networks
KR102043440B1 (ko) 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템
US11783408B2 (en) Computer vision based methods and systems of universal fashion ontology fashion rating and recommendation
US20210350391A1 (en) Methods and systems for providing a personalized user interface
JP6511204B1 (ja) 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法
Shi et al. The exploration of artificial intelligence application in fashion trend forecasting
Choi et al. Fashion informatics of the Big 4 Fashion Weeks using topic modeling and sentiment analysis
US20200372560A1 (en) Method for exploring and recommending matching products across categories
KR20160117678A (ko) 큐레이션 커머스에서 상품 등록 및 추천 방법
KR20220019737A (ko) 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램
Al-Halah et al. Modeling fashion influence from photos
US10771544B2 (en) Online fashion community system and method
KR102575382B1 (ko) 인공지능 기반 온라인 의류 판매 시스템
Chakraborty et al. A COMPREHENSIVE REVIEW ON IMAGE BASED STYLE PREDICTION AND ONLINE FASHION RECOMMENDATION.
Frejlichowski et al. Finding similar clothes based on semantic description for the purpose of fashion recommender system
EP3905180A2 (en) Method for providing fashion item recommendation service to user by using swipe gesture
Pan et al. How to discover consumer attention to design topics of fast fashion: a topic modeling approach

Legal Events

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