KR102604294B1 - 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 - Google Patents
인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102604294B1 KR102604294B1 KR1020230097881A KR20230097881A KR102604294B1 KR 102604294 B1 KR102604294 B1 KR 102604294B1 KR 1020230097881 A KR1020230097881 A KR 1020230097881A KR 20230097881 A KR20230097881 A KR 20230097881A KR 102604294 B1 KR102604294 B1 KR 102604294B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- clothing
- design concept
- feature point
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013528 artificial neural network Methods 0.000 title description 2
- 238000013461 design Methods 0.000 claims abstract description 114
- 238000012552 review Methods 0.000 claims abstract description 72
- 238000013480 data collection Methods 0.000 claims abstract description 11
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 238000012986 modification Methods 0.000 claims abstract description 7
- 230000004048 modification Effects 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 13
- 210000000577 adipose tissue Anatomy 0.000 claims description 8
- 238000005457 optimization Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000037237 body shape Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 디자이너가 최초로 의류 디자인 시 의도한 디자인 요소가 실제 사용자에게 동일하게 전달되었는지 여부를 자동으로 판단할 수 있고, 온라인 마켓 상의 사용자 리뷰 데이터를 분석하여 의류 디자인의 수정이 필요한지 여부를 자동으로 판단해 주는 의류 패턴의 최적화 방법, 장치 및 시스템에 관한 것으로서, 구체적으로는 특히 각 의류의 디자인 컨셉을 지정하는 디자인 컨셉 지정 단계, 각 의류의 특징점을 지정하는 특징점 지정 단계, 각 의류의 종류 및 사이즈 별로 각 특징점에 대해 특징점 데이터를 생성하고 이를 서버에 저장하는 특징점 데이터 저장 단계, 각 의류에 대한 사용자 피드백 데이터를 온라인 상으로부터 수집하는 사용자 피드백 데이터 수집 단계, 사용자 피드백 데이터로부터 사용자가 느끼는 각 의류의 사용자 디자인 컨셉을 판단하는 사용자 디자인 컨셉 판단 단계, 디자인 컨셉과 사용자 디자인 컨셉을 비교하여 양자의 유사도를 판단하는 디자인 컨셉 유사도 판단 단계, 유사도를 기초로 특징점의 수정 필요 여부를 결정하는 특징점 수정 여부 결정 단계를 포함하는 의류 패턴의 최적화 방법에 관한 것이다.
Description
본 발명은 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템에 관한 것으로서, 구체적으로 온라인 상 사용자 피드백 데이터에 기반하여 디자이너가 의도한 착용감이 사용자가 실제로 느끼는 착용감과 일치하는지 여부를 판단하고 이를 수정하도록 제안할 수 있는 의류 패턴의 최적화 방법, 장치 및 시스템에 관한 것이다.
인간 생활의 3대 요소인 의(衣)·식(食)·주(住) 중 의(衣)에 해당하는 의류는 현대에 이르러 단순히 인간의 생존을 유지하기 위한 수단을 넘어서 일상 생활에 있어서 각자의 개성을 뽐내고 타인에게 자신을 표현하기 위한 수단으로서 패션 아이템의 역할을 수행하고 있다. 이 때문에, 의류를 제작하는데 있어서는 단순히 기능성만 중요한 것이 아니고, 의류의 외형을 결정하는 디자인이 가장 먼저 고려되어야 할 중요 요소로 거듭나게 되었다.
의류를 디자인하는 디자이너는 디자인하고자 하는 의류가 사용자에게 어떤 착용감을 제공하고 외적으로 어떤 패션을 연출하게 될지를 먼저 결정한 후 그러한 의도에 맞게 의류를 디자인하게 된다.
그런데, 풍부한 경험을 가진 의류 디자이너라고 하더라도 자신의 디자인대로 생산된 의류가 해당 의류의 실제 착용자에게 본래 자신이 의도한 착용감과 패션 연출을 그대로 제공할 수 있을지에 대해서는 사전에 미리 정확하게 알기는 어렵다. 이 때문에 여러 번의 실험과 실제 착용자의 피드백으로부터 의류의 디자인을 조금씩 수정해가며 최초에 의도했던 방향으로 의류를 수정해 나갈 수밖에 없다.
현대에 들어서는 온라인 마켓이 발달하면서 온라인 마켓 상에 사용자 리뷰를 남길 수 있게 되었고, 사용자 리뷰를 통해 실제 의류 착용자들의 체감 데이터로부터 디자이너가 최초에 의도한 방향이 실제로 실현되고 있는지에 대한 비교 및 분석이 가능하게 되었기 때문에, 종래보다는 의류의 수정 과정이 간편해진 것은 사실이다.
그럼에도 불구하고, 디자이너는 온라인 마켓 상에 남겨진 리뷰를 일일이 직접 읽은 후 자신이 의도한 디자인이 실제 사용자에게도 동일하게 전달되었는지 여부를 감으로 판단할 수밖에 없었다. 이 때문에, 디자이너가 최초에 의도한 방향이 실제로 실현되고 있는지에 대한 비교 및 분석에 시간이 많이 소요되고 또한 디자이너 개인의 능력과 의도에 따라 사용자의 피드백에 대한 반응 수준이 달라지는 불편함이 있었다.
본 발명의 목적은, 디자이너가 최초로 의류를 디자인할 때 의도한 디자인 요소가 실제 사용자에게 동일하게 전달되었는지 여부를 자동으로 판단할 수 있는 의류 패턴의 최적화 방법을 제공하는 것이다.
본 발명의 목적은, 온라인 마켓 상의 사용자 리뷰 데이터를 분석하여 의류 디자인의 수정이 필요한지 여부를 자동으로 판단해 주는 의류 패턴의 최적화 방법을 제공하는 것이다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법은, 각 의류의 디자인 컨셉을 지정하는 디자인 컨셉 지정 단계, 각 의류의 특징점을 지정하는 특징점 지정 단계, 각 의류의 종류 및 사이즈 별로 각 특징점에 대해 특징점 데이터를 생성하고 이를 서버에 저장하는 특징점 데이터 저장 단계, 각 의류에 대한 사용자 피드백 데이터를 온라인 상으로부터 수집하는 사용자 피드백 데이터 수집 단계, 사용자 피드백 데이터로부터 사용자가 느끼는 각 의류의 사용자 디자인 컨셉을 판단하는 사용자 디자인 컨셉 판단 단계, 디자인 컨셉과 사용자 디자인 컨셉을 비교하여 양자의 유사도를 판단하는 디자인 컨셉 유사도 판단 단계, 유사도를 기초로 특징점의 수정 필요 여부를 결정하는 특징점 수정 여부 결정 단계를 포함하고, 특징점은, 각 의류의 종류별로 미리 정해진 위치 중 전부 또는 일부이고, 특징점 데이터는, 특징점으로 지정된 부분의 치수, 컬러 및 패턴을 포함할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 특징점 데이터 저장 단계는, 특징점 데이터를 각 의류의 종류 및 사이즈 별로 분류하여 그룹화하는 것을 포함하고, 사용자 피드백 데이터 수집 단계는, 각 의류가 판매되는 온라인 판매 페이지 상에 업로드 되는 사용자 리뷰를 서버에 저장하는 것과, 미리 지정된 복수의 키워드 중 적어도 하나의 키워드가 사용자 리뷰에 포함되었는지 여부를 판단하는 것과, 사용자 리뷰로부터 사용자의 신체 치수 데이터와 사용자가 구매한 의류 사이즈 데이터를 수집하는 것을 포함하고, 온라인 판매 페이지는, 사용자 리뷰 작성 시 사용자의 신체 치수 데이터 및 사용자가 구매한 의류 사이즈 데이터를 입력하는 것을 필수로 요구하도록 구성되고, 사용자의 신체 치수 데이터는, 미리 정해진 복수의 신체 부위에 대한 신체 치수 및 체지방률 데이터를 포함할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 복수의 키워드는, 미리 정해진 복수의 디자인 컨셉 각각에 대응되는 복수의 키워드 그룹으로 그룹화 되어 있고, 각각의 키워드 그룹은, 대응하는 디자인 컨셉과 연관된다고 디자이너가 판단하여 지정한 복수 개의 키워드를 포함하고, 각각의 키워드 그룹은, 대표 키워드를 포함하고, 사용자 디자인 컨셉 판단 단계는, 미리 정해진 복수의 신체 부위에 대한 신체 치수 및 체지방률의 수치 구간을 나누어 각 구간 별로 체형 코드를 지정하고, 사용자 리뷰를 작성한 사용자의 신체 치수 데이터로부터 해당 사용자의 체형 코드를 인식하고, 사용자 리뷰를 작성한 사용자의 체형 코드에 적합한 의류 사이즈인 적정 의류 사이즈를 지정하고, 사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 적정 의류 사이즈와 일치하지 않을 경우, 해당 사용자에게 사이즈 교환 제안 피드백을 보내고, 사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 적정 의류 사이즈와 일치할 경우, 사용자 리뷰에 포함된 키워드와 해당 사용자의 인식된 체형 코드를 매칭하고, 사용자 리뷰에 포함된 키워드와 사용자의 인식된 체형 코드의 조합에 기초하여 개별 사용자 디자인 컨셉을 판단하고, 소정의 개수 이상의 사용자 리뷰가 축적되면, 각각의 사용자 리뷰로부터 판단된 개별 사용자 디자인 컨셉의 통계치에 기초하여 사용자 디자인 컨셉을 판단할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 사용자 디자인 컨셉 판단 단계는, 사용자 리뷰에 포함된 복수의 키워드가 각각 어떤 키워드 그룹에 포함되는지 판단하고, 각각의 키워드 그룹 별로 키워드 점유율을 산정하고, 키워드 점유율과 사용자의 인식된 체형 코드의 조합에 기초하여 개별 사용자 디자인 컨셉을 판단할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 컨셉 유사도 판단 단계는, 개별 사용자 디자인 컨셉의 통계치에 근거하여, 디자인 컨셉과 일치하는 개별 사용자 디자인 컨셉이 전체 사용자 리뷰 중 차지하는 비율을 기초로 산정할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 컨셉 유사도 판단 단계는, 소정의 개수 이상으로 축적된 사용자 리뷰 전체에서 인식된 키워드에 대하여 각각의 키워드 그룹 별로 전체 키워드 점유율을 산정하고, 각각의 대표 키워드를 전체 키워드 점유율에 비례하는 크기의 원형으로 도시하는 그래프를 생성할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 특징점 수정 여부 결정 단계는, 컨셉 유사도 판단 단계에서 판단된 컨셉 유사도가 소정의 기준 이하일 때에 디자이너에게 특징점 수정 필요 알림 메시지를 송신할 수 있다.
본 발명의 실시예에 따르면, 디자이너가 최초로 의류를 디자인할 때 의도한 디자인 요소가 실제 사용자에게 동일하게 전달되었는지 여부를 자동으로 판단할 수 있는 의류 패턴의 최적화 방법을 제공할 수 있다.
본 발명의 실시예에 따르면, 온라인 마켓 상의 사용자 리뷰 데이터를 분석하여 의류 디자인의 수정이 필요한지 여부를 자동으로 판단해 주는 의류 패턴의 최적화 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 지정되는 의류의 특징점 및 특징점 데이터의 예시를 도시한 도면이다.
도 3는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 생성되는 그래프의 일 예시도이다.
도 4는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법이 적용되는 온라인 판매 페이지의 일 예시도이다.
도 5은 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법이 적용되는 온라인 판매 페이지의 일 예시도이다.
도 2는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 지정되는 의류의 특징점 및 특징점 데이터의 예시를 도시한 도면이다.
도 3는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 생성되는 그래프의 일 예시도이다.
도 4는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법이 적용되는 온라인 판매 페이지의 일 예시도이다.
도 5은 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법이 적용되는 온라인 판매 페이지의 일 예시도이다.
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.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
최근에는 의류의 판매 장소가 오프라인 매장보다도 온라인 매장에서 더욱 활발하게 이루어지고 있다. 의류의 온라인 판매 페이지에는 해당 의류에 대해 사진을 포함하는 상세한 정보가 게시되어 있고, 구매자는 해당 정보에 기초하여 구매 여부를 결정 후 온라인 결제를 통해 대금을 지급하고 구매 물건을 배송 받는다. 구매자가 물건을 배송 받은 후에는 실제 착용 후 그 후기 내지는 리뷰를 온라인 판매 페이지에 남길 수 있도록 되어 있는 경우가 대부분이다. 구매자가 남긴 리뷰는 다른 잠재적인 구매자에게 노출되어 상품의 구매 결정에 참고가 될 수 있다. 또한 판매자는 잠재적인 구매자의 구매를 유도하기 위해 기존 구매자로부터 좋은 리뷰를 받아낼 필요가 있으므로, 구매자가 좋은 후기를 남길 수 있도록 좋은 질과 좋은 가격의 상품을 판매할 유인을 갖게 된다. 이를 통해 구매자는 더욱 신뢰성 있는 정보를 바탕으로 의류 구매 여부를 결정할 수 있고, 판매자는 다른 잠재적인 구매자들을 유인할 수 있는 홍보 수단으로서의 기능을 통하여 매출을 증가시킬 수 있는 장점이 있다.
종래의 온라인 마켓 리뷰제도는 상술한 정도의 용도로만 이용되어 왔다. 그러나, 본 발명의 발명자들은 각고의 노력 끝에 온라인 마켓 리뷰제도를 활용하여 상술한 기능 뿐만 아니라 더욱 우수한 기능을 발휘하는 효율적인 의류 판매 사업을 영위할 수 있음을 알게 되었다. 구체적으로, 실재 구매자 내지는 사용자로부터의 리뷰에 포함된 데이터를 가공 및 분석하여 디자이너가 의도한 디자인 요소가 실제 구매자가 느끼는 디자인 요소와 일치하는지 여부를 판단하고, 디자인 요소에 수정이 필요한지 여부를 판단하여 보다 효율적으로 의류 패턴을 최적화할 수 있는 방법에 대해 안출하게 되었다. 이하, 구체적으로 설명한다.
도 1은 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법의 순서도이다. 도 2는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 지정되는 의류의 특징점 및 특징점 데이터의 예시를 도시한 도면이다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법은, 각 의류의 디자인 컨셉을 지정하는 디자인 컨셉 지정 단계(S1), 각 의류의 특징점을 지정하는 특징점 지정 단계(S2), 각 의류의 종류 및 사이즈 별로 각 특징점에 대해 특징점 데이터를 생성하고 이를 서버에 저장하는 특징점 데이터 저장 단계(S3), 각 의류에 대한 사용자 피드백 데이터를 온라인 상으로부터 수집하는 사용자 피드백 데이터 수집 단계(S4), 사용자 피드백 데이터로부터 사용자가 느끼는 각 의류의 사용자 디자인 컨셉을 판단하는 사용자 디자인 컨셉 판단 단계(S5), 디자인 컨셉과 사용자 디자인 컨셉을 비교하여 양자의 유사도를 판단하는 디자인 컨셉 유사도 판단 단계(S6), 디자인 컨셉 유사도를 기초로 특징점의 수정 필요 여부를 결정하는 특징점 수정 여부 결정 단계(S7)를 포함할 수 있다.
상술한 디자인 컨셉이란, 디자이너가 해당 의류를 디자인할 때 의도한 디자인 컨셉을 의미한다. 또한, 사용자 디자인 컨셉이란, 사용자가 해당 의류를 실제 착용 후 느끼는 착용감 내지는 디자인 컨셉을 의미한다.
일 실시예에서, 특징점은, 각 의류의 종류별로 미리 정해진 위치 중 전부 또는 일부일 수 있다. 예컨대, 의류가 티셔츠일 경우, 티셔츠의 특징점은 어깨, 가슴, 소매, 총장 등을 포함할 수 있다. 또한, 의류가 바지일 경우, 바지의 특징점은 허리, 허벅지, 밑위, 밑단, 총장 등을 포함할 수 있다. 한편, 특징점 데이터는, 특징점으로 지정된 부분의 치수, 컬러 및 패턴을 포함할 수 있다. 예컨대, 의류가 티셔츠일 경우, 티셔츠의 특징점 데이터는 어깨 너비, 가슴 너비, 소매 길이, 총장 길이, 가슴 패턴, 컬러 등을 포함할 수 있다. 또한, 의류가 바지일 경우, 바지의 특징점 데이터는 허리 둘레, 밑위 길이, 허벅지 둘레, 밑단 길이, 총장 길이, 바지 컬러, 바지 패턴 등을 포함할 수 있다. 이 때, 특징점 데이터는 같은 의류라고 하더라도 해당 의류의 사이즈에 따라 일정 비율로 증가 또는 감소할 수 있다.
일 실시예에서, 특징점 데이터 저장 단계(S3)는, 특징점 데이터를 각 의류의 종류 및 사이즈 별로 분류하여 그룹화하는 것을 포함할 수 있다. 구체적으로, 같은 류의 의류라고 하더라도 디자이너가 의도하는 디자인에 따라 특징점 데이터가 상이할 수 있다. 예컨대, 티셔츠를 디자인할 때, Fit감(즉, 몸에 딱 달라붙어 체형을 부각시키는 디자인)을 강조하는 티셔츠를 디자인할 수도 있고, 오버핏(Over fit)으로 사용자의 신체 사이즈보다 넉넉한 치수로 디자인하여 루즈하게 떨어지는 디자인으로 디자인할 수도 있다. 양자는 같은 사용자가 입더라도 전혀 다른 분위기를 연출하도록 의도되므로, 각 특징점 및 특징점 데이터가 상이할 수 있다. 또한, 같은 의상이라도 사이즈에 따라 치수가 달라지는 것은 자명하다. 이를 고려하여, 특징점 데이터를 각 의류의 종류 및 사이즈 별로 분류하여 그룹화하는 것이다.
일 실시예에서, 사용자 피드백 데이터 수집 단계(S4)는, 각 의류가 판매되는 온라인 판매 페이지 상에 업로드 되는 사용자 리뷰를 서버에 저장하는 것을 포함할 수 있다.
또한, 사용자 피드백 데이터 수집 단계(S4)는, 미리 지정된 복수의 키워드 중 적어도 하나의 키워드가 사용자 리뷰에 포함되었는지 여부를 판단하는 것을 포함할 수 있다. 구체적으로, 키워드는 의류의 디자인 내지는 착용감을 표현하는 단어일 수 있다. 예컨대, 티셔츠에 대하여 “루즈핏”, “루즈함”, “넉넉함” 등의 단어는 티셔츠 사이즈가 넉넉하여 몸에 헐렁한 형태로 디자인되었음을 표현하는 키워드이다. 반대로, 티셔츠에 대하여 “핏감”, “핏하다”, “타이트하다” 등의 표현은 티셔츠 사이즈가 신체 사이즈와 딱 맞게 디자인되어 티셔츠가 몸에 딱 달라붙고 체형을 부각시키도록 디자인되었음을 표현하는 키워드이다. 바지의 경우, “스키니” 등의 단어는 바지가 다리에 딱 붙는 치수로 디자인된 것을 나타내는 키워드이고, “와이드”, “슬랙스” 등의 단어는 바지의 치수가 넉넉하여 느슨하고 편하게 입을 수 있도록 디자인된 것을 나타내는 키워드이다. 상술한 키워드 들은 디자이너 또는 온라인 판매 페이지 운영자 등에 의해 사전에 정해질 수 있고, 사용자 피드백 데이터 수집 단계(S4)는 이러한 키워드 들이 사용자 리뷰에 포함되었는지 여부를 판단할 수 있다. 이렇게 키워드 포함 여부를 판단하면, 키워드 포함 여부를 통하여 사용자가 느끼는 해당 의류에 대한 착용감 내지는 디자인이 어떠한지를 신뢰성 있게 판단할 수 있다.
또한, 복수의 키워드는 미리 정해진 복수의 디자인 컨셉 각각에 대응되는 복수의 키워드 그룹으로 그룹화 되어 있을 수 있다. 또한, 각각의 키워드 그룹은, 대응하는 디자인 컨셉과 연관된다고 디자이너가 판단하여 지정한 복수 개의 키워드를 포함할 수 있고, 각각의 키워드 그룹은 대표 키워드를 포함할 수 있다. 예컨대, "넉넉함" "루즈함" "루즈핏"과 같은 유사 단어는 모두 동일한 디자인 컨셉을 지칭하는 단어로 인식하여 하나의 그룹으로 그룹화될 수 있고, 이 중 대표 키워드를 예컨대 “루즈핏”으로 지정할 수 있다.
또한, 사용자 피드백 데이터 수집 단계(S4)는 사용자 리뷰로부터 사용자의 신체 치수 데이터와 사용자가 구매한 의류 사이즈 데이터를 수집하는 것을 포함할 수 있다. 이 때, 온라인 판매 페이지는 사용자 리뷰 작성 시 사용자의 신체 치수 데이터 및 사용자가 구매한 의류 사이즈 데이터를 입력하는 것을 필수로 요구하도록 구성될 수 있다. 예컨대, 온라인 판매 페이지에서 사용자가 리뷰 작성 버튼을 클릭하면, 사용자의 신체 치수 데이터 및 구매한 의류 사이즈 등의 정보를 입력해야만 구체적인 후기 내지는 감상을 작성할 수 있도록 설정될 수 있다. 이 때, 사용자의 신체 치수 데이터는 미리 정해진 복수의 신체 부위에 대한 신체 치수(즉, 키, 몸무게, 허리 둘레 등) 및 체지방률 데이터를 포함할 수 있다.
상술한 바와 같이 리뷰를 남기는 사용자의 신체 치수 데이터 및 구매한 의류 사이즈 데이터를 수집함으로써, 사용자가 느끼는 디자인이 디자이너가 의도한 디자인과 어떻게 다른지 보다 정확하게 판단할 수 있다. 같은 옷이라도 사용자의 신체 치수 및 구매한 의류 사이즈에 다를 수 있고, 또한 디자이너가 의도한 디자인에 따라 타게팅(targeting)하는 신체 조건과 의류 사이즈가 모두 상이할 수 있기 때문이다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 사용자 디자인 컨셉 판단 단계(S5)는, 미리 정해진 복수의 신체 부위에 대한 신체 치수 및 체지방률의 수치 구간을 나누어 각 구간 별로 체형 코드를 지정하는 것과, 사용자 리뷰를 작성한 사용자의 신체 치수 데이터로부터 해당 사용자의 체형 코드를 인식하는 것을 포함할 수 있다.
구체적으로, 남자를 기준으로 신체 치수 중 키에 대해서는 160~165cm, 165~170cm, 170~175cm, 175~180cm, 180~185cm, 185~190cm 등으로 구간을 나눌 수 있다. 마찬가지로, 몸무게에 대해서도 55~65kg, 65~75kg, 75~85kg, 85~95kg, 95~105kg, 105~115kg 등으로 구간을 나눌 수 있다. 또한, 체지방률에 대해서도 5~10%, 10~15%, 15~20%, 20~25%, 25~30% 등으로 구간을 나눌 수 있다. 각각의 구간을 조합한 모든 경우를 나누어서, 각 경우에 대해 신체 체형 코드를 부여할 수 있다. 예컨대, 남자 키 175~180cm, 몸무게 75~85kg, 체지방률 10~15%인 체형에 대해 체형 코드 'MA1'을 지정할 수 있다. 여자에 대해서도 마찬가지 원리로 각 신체 치수 및 체지방률의 구간을 나누어 그의 조합에 대해 체형 코드를 부여할 수 있고, 예컨대 'WA1', 'WC5' 등과 같은 방식으로 체형 코드를 지정할 수 있다.
이와 같이 체형 코드를 부여하고 난 후, 사용자 리뷰를 작성한 사용자의 신체 치수 데이터로부터 해당 사용자의 체형에 해당하는 체형 코드를 매칭할 수 있다. 이에 의해, 각 체형 별로 사용자가 느끼는 착용감 및 디자인감을 구분하여 분석할 수 있고, 결과적으로 보다 정확한 디자인 분석 및 수정 작업이 가능하게 된다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 사용자 디자인 컨셉 판단 단계(S5)는, 사용자 리뷰를 작성한 사용자의 체형 코드에 적합한 의류 사이즈인 적정 의류 사이즈를 지정할 수 있다. 예컨대, 남자의 체형 코드가 'MA1'인 경우 적절한 적정 의류 사이즈는 L사이즈라고 지정할 수 있다.
일 실시예에서, 사용자 디자인 컨셉 판단 단계(S5)는 또한 사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 적정 의류 사이즈와 일치하지 않을 경우, 해당 사용자에게 사이즈 교환 제안 피드백을 보낼 수 있다. 예컨대, 사용자가 구매한 의류 사이즈는 M사이즈인데 적정 의류 사이즈는 L사이즈일 경우, 서버로부터 해당 사용자의 연락처로 사이즈 교환을 제안하는 문자 메시지가 전송될 수 있다.
일 실시예에서, 사용자 디자인 컨셉 판단 단계(S5)는, 사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 적정 의류 사이즈와 일치할 경우, 사용자 리뷰에 포함된 키워드와 해당 사용자의 인식된 체형 코드를 매칭하고, 사용자 리뷰에 포함된 키워드와 사용자의 인식된 체형 코드의 조합에 기초하여 개별 사용자 디자인 컨셉을 판단할 수 있다.
일 실시예에서, 사용자 디자인 컨셉 판단 단계(S5)는, 사용자 리뷰에 포함된 복수의 키워드가 각각 어떤 키워드 그룹에 포함되는지 판단하고, 각각의 키워드 그룹 별로 키워드 점유율을 산정하고, 키워드 점유율과 사용자의 인식된 체형 코드의 조합에 기초하여 개별 사용자 디자인 컨셉을 판단할 수 있다. 이 때, 키워드 점유율이란, 사용자 리뷰에 포함된 전체 키워드 중 특정 키워드 그룹에 포함되는 키워드가 차지하는 개수 비율을 의미한다.
구체적으로, 사용자의 리뷰에 포함된 키워드에 대하여 각각의 키워드 그룹 별로 키워드 점유율을 먼저 산정한다. 그 후, 사용자의 리뷰에 포함된 키워드 중 주 키워드를 먼저 선정할 수 있다. 등장하는 키워드 중 점유율이 가장 높은 키워드 그룹의 대표 키워드를 주 키워드로 선정하고, 선정된 주 키워드와 사용자의 인식된 체형 코드를 매칭한다. 예컨대, 주 키워드가 “루즈핏”이고 사용자의 체형 코드가 'MA1'일 경우 개별 사용자 디자인 컨셉은 “머슬 루즈핏”이라고 판단될 수 있다.
일 실시예에서, 사용자 디자인 컨셉 판단 단계(S5)는, 소정의 개수 이상의 사용자 리뷰가 축적되면, 각각의 사용자 리뷰로부터 판단된 개별 사용자 디자인 컨셉의 통계치에 기초하여 사용자 디자인 컨셉을 판단할 수 있다. 예컨대, 동일 의류에 대해 축적된 사용자 리뷰 데이터로부터 판단된 개별 사용자 디자인 컨셉 중 85%가 “머슬 루즈핏”이고 나머지 15%가 그 외의 개별 사용자 디자인 컨셉일 경우, 해당 의류의 사용자 디자인 컨셉은 “머슬 루즈핏”이라고 판단할 수 있다. 또는, 사용자 리뷰 데이터로부터 판단된 개별 사용자 디자인 컨셉 중 45%가 “머슬 루즈핏”이고 37%가 “스키니 루즈핏”인 경우가 있을 수 있다. 이와 같이 주된 두 개의 개별 사용자 디자인 컨셉 간의 점유율 차이가 미미할 경우에는, 사용자 디자인 컨셉 판단을 보류하고 이를 디자이너에게 알리는 메시지를 전송할 수 있다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 컨셉 유사도 판단 단계(S6)는, 개별 사용자 디자인 컨셉의 통계치에 근거하여, 디자인 컨셉과 일치하는 개별 사용자 디자인 컨셉이 전체 사용자 리뷰 중 차지하는 비율을 기초로 디자인 컨셉과 개별 사용자 디자인 컨셉의 유사도를 산정할 수 있다. 예컨대, 동일 의류에 대해 축적된 사용자 리뷰 데이터로부터 판단된 개별 사용자 디자인 컨셉 중 85%가 “머슬 루즈핏”이고 나머지 15%가 그 외의 개별 사용자 디자인 컨셉일 경우, 컨셉 유사도는 “매우 높음”이라고 판단될 수 있다.
도 3는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 의해 생성되는 그래프의 일 예시도이다.
본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법에 있어서, 컨셉 유사도 판단 단계(S6)는, 소정의 개수 이상으로 축적된 사용자 리뷰 전체에서 인식된 키워드에 대하여 각각의 키워드 그룹 별로 전체 키워드 점유율을 산정하고, 각각의 대표 키워드를 전체 키워드 점유율에 비례하는 크기의 원형으로 도시하는 그래프를 생성하는 것을 포함할 수 있다. 이 때, 전체 키워드 점유율이란 소정의 개수 이상으로 축적된 사용자 리뷰 전체에서 인식된 키워드 중 특정 키워드 그룹에 포함되는 키워드의 개수 비율을 의미한다.
구체적으로, 사용자 리뷰 전체에서 대표 키워드가 “루즈핏”인 키워드 그룹의 점유율이 70%이고, 대표 키워드가 “일반 핏”인 키워드 그룹의 점유율이 20%, 대표 키워드가 “머슬핏”인 키워드 그룹의 점유율이 8%이며 그 외의 키워드 그룹 점유율이 2%일 때, 각 점유율에 비례하는 지름을 가진 원을 그래프 상에 도시하여 어떤 키워드가 가장 많이 등장하였는지 시각적이고 직관적으로 표현할 수 있고, 이를 통해 사용자가 느끼는 디자인감이 어떤 컨셉인지를 한눈에 직관적으로 파악할 수 있도록 할 수 있다.
도 4 및 5는 본 발명의 일 실시예에 따른 의류 패턴의 최적화 방법이 적용되는 온라인 판매 페이지의 일 예시도이다.
도 4 및 도 5에 도시된 바와 같은 리뷰 내용에 담긴 데이터로부터 추출, 가공 및 분석되는 데이터에 의해, 본 발명에 따른 의류 패턴의 최적화 방법은 디자이너가 최초로 의류를 디자인할 때 의도한 디자인 요소가 실제 사용자에게 동일하게 전달되었는지 여부를 자동으로 판단할 수 있고, 온라인 마켓 상의 사용자 리뷰 데이터를 분석하여 의류 디자인의 수정이 필요한지 여부를 자동으로 판단해 주는 우수한 효과를 발휘한다.
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.
S1: 디자인 컨셉 지정 단계
S2: 특징점 지정 단계
S3: 특징점 데이터 저장 단계
S4: 사용자 피드백 데이터 수집 단계
S5: 사용자 디자인 컨셉 판단 단계
S6: 디자인 컨셉 유사도 판단 단계
S7: 특징점 수정 여부 결정 단계
S2: 특징점 지정 단계
S3: 특징점 데이터 저장 단계
S4: 사용자 피드백 데이터 수집 단계
S5: 사용자 디자인 컨셉 판단 단계
S6: 디자인 컨셉 유사도 판단 단계
S7: 특징점 수정 여부 결정 단계
Claims (5)
- 컴퓨터 장치에 의해 수행되는 의류 패턴의 최적화 방법에 있어서,
각 의류의 디자인 컨셉을 수신하는 단계;
각 의류의 특징점을 수신하는 단계;
각 의류의 종류 및 사이즈 별로 각 상기 특징점에 대해 특징점 데이터를 생성하고 이를 서버에 저장하는 특징점 데이터 저장 단계;
각 의류에 대한 사용자 피드백 데이터를 온라인 상으로부터 수집하는 사용자 피드백 데이터 수집 단계;
상기 사용자 피드백 데이터로부터 사용자가 느끼는 각 의류의 사용자 디자인 컨셉을 판단하는 사용자 디자인 컨셉 판단 단계;
상기 디자인 컨셉과 상기 사용자 디자인 컨셉을 비교하여 양자의 유사도를 판단하는 디자인 컨셉 유사도 판단 단계;
상기 유사도를 기초로 디자이너에게 특징점 수정 필요 알림 메시지를 송신하는 단계;
를 포함하고,
상기 특징점은, 각 의류의 종류별로 미리 정해진 위치 중 전부 또는 일부이고,
상기 특징점 데이터는, 상기 특징점으로 지정된 부분의 치수, 컬러 및 패턴을 포함하고,
상기 특징점 데이터 저장 단계는,
상기 특징점 데이터를 각 의류의 종류 및 사이즈 별로 분류하여 그룹화하는 것을 포함하고,
상기 사용자 피드백 데이터 수집 단계는,
각 의류가 판매되는 온라인 판매 페이지 상에 업로드 되는 사용자 리뷰를 상기 서버에 저장하는 것과,
미리 지정된 복수의 키워드 중 적어도 하나의 키워드가 사용자 리뷰에 포함되었는지 여부를 판단하는 것과,
사용자 리뷰로부터 사용자의 신체 치수 데이터와 사용자가 구매한 의류 사이즈 데이터를 수집하는 것을 포함하고,
상기 온라인 판매 페이지는, 사용자 리뷰 작성 시 사용자의 상기 신체 치수 데이터 및 사용자가 구매한 상기 의류 사이즈 데이터를 입력하는 것을 필수로 요구하도록 구성되고,
상기 사용자의 상기 신체 치수 데이터는, 미리 정해진 복수의 신체 부위에 대한 신체 치수 및 체지방률 데이터를 포함하고,
상기 복수의 키워드는, 미리 정해진 복수의 디자인 컨셉 각각에 대응되는 복수의 키워드 그룹으로 그룹화 되어 있고,
각각의 상기 키워드 그룹은, 대응하는 디자인 컨셉과 연관된다고 디자이너가 판단하여 지정한 복수 개의 키워드를 포함하고,
각각의 상기 키워드 그룹은, 대표 키워드를 포함하고,
상기 사용자 디자인 컨셉 판단 단계는,
미리 정해진 복수의 신체 부위에 대한 신체 치수 및 체지방률의 수치 구간을 나누어 각 구간 별로 체형 코드를 지정하고,
사용자 리뷰를 작성한 사용자의 상기 신체 치수 데이터로부터 해당 사용자의 상기 체형 코드를 인식하고,
사용자 리뷰를 작성한 사용자의 상기 체형 코드에 적합한 의류 사이즈인 적정 의류 사이즈를 지정하고,
사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 상기 적정 의류 사이즈와 일치하지 않을 경우, 해당 사용자에게 사이즈 교환 제안 피드백을 보내고,
사용자 리뷰를 작성한 사용자가 구매한 의류 사이즈가 상기 적정 의류 사이즈와 일치할 경우, 사용자 리뷰에 포함된 상기 키워드와 해당 사용자의 인식된 상기 체형 코드를 매칭하고,
사용자 리뷰에 포함된 상기 키워드와 사용자의 인식된 상기 체형 코드의 조합에 기초하여 개별 사용자 디자인 컨셉을 판단하고,
소정의 개수 이상의 사용자 리뷰가 축적되면, 각각의 사용자 리뷰로부터 판단된 상기 개별 사용자 디자인 컨셉의 통계치에 기초하여 상기 사용자 디자인 컨셉을 판단하는,
의류 패턴의 최적화 방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 사용자 디자인 컨셉 판단 단계는,
사용자 리뷰에 포함된 복수의 키워드가 각각 어떤 상기 키워드 그룹에 포함되는지 판단하고,
각각의 상기 키워드 그룹 별로 키워드 점유율을 산정하고,
상기 키워드 점유율과 사용자의 인식된 상기 체형 코드의 조합에 기초하여 상기 개별 사용자 디자인 컨셉을 판단하는,
의류 패턴의 최적화 방법. - 제1항에 있어서,
상기 컨셉 유사도 판단 단계는,
상기 개별 사용자 디자인 컨셉의 통계치에 근거하여, 상기 디자인 컨셉과 일치하는 상기 개별 사용자 디자인 컨셉이 전체 사용자 리뷰 중 차지하는 비율을 기초로 산정하는,
의류 패턴의 최적화 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230097881A KR102604294B1 (ko) | 2023-07-27 | 2023-07-27 | 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230097881A KR102604294B1 (ko) | 2023-07-27 | 2023-07-27 | 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102604294B1 true KR102604294B1 (ko) | 2023-11-20 |
Family
ID=88974091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230097881A KR102604294B1 (ko) | 2023-07-27 | 2023-07-27 | 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102604294B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220072735A (ko) * | 2020-11-25 | 2022-06-02 | 서울대학교산학협력단 | 인공지능 기반 의류 사이즈 추천 방법 및 시스템 |
| KR102417157B1 (ko) | 2021-08-18 | 2022-07-06 | 주식회사 루츠코퍼레이션 | 의류 상품을 판매하고 디자인하기 위한 전자 장치 및 그 동작 방법 |
| KR20220147791A (ko) * | 2021-04-28 | 2022-11-04 | 이지현 | 디자인 가이드 장치 |
| KR20230006431A (ko) * | 2022-02-07 | 2023-01-10 | 주식회사 우알롱 | 온라인 의류 판매 및 관리 플랫폼 서비스 제공 방법 및 장치 |
| KR102533442B1 (ko) | 2022-12-08 | 2023-05-17 | (주)스테이튠드 | 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템 |
-
2023
- 2023-07-27 KR KR1020230097881A patent/KR102604294B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220072735A (ko) * | 2020-11-25 | 2022-06-02 | 서울대학교산학협력단 | 인공지능 기반 의류 사이즈 추천 방법 및 시스템 |
| KR20220147791A (ko) * | 2021-04-28 | 2022-11-04 | 이지현 | 디자인 가이드 장치 |
| KR102417157B1 (ko) | 2021-08-18 | 2022-07-06 | 주식회사 루츠코퍼레이션 | 의류 상품을 판매하고 디자인하기 위한 전자 장치 및 그 동작 방법 |
| KR20230026939A (ko) | 2021-08-18 | 2023-02-27 | 주식회사 루츠코퍼레이션 | 의류 상품 추천을 이용한 의류 판매 및 디자인 방법 및 장치 |
| KR20230026940A (ko) | 2021-08-18 | 2023-02-27 | 주식회사 루츠코퍼레이션 | 효율적인 의류 판매를 위한 복수의 인터페이스 제공 장치 |
| KR20230006431A (ko) * | 2022-02-07 | 2023-01-10 | 주식회사 우알롱 | 온라인 의류 판매 및 관리 플랫폼 서비스 제공 방법 및 장치 |
| KR102533442B1 (ko) | 2022-12-08 | 2023-05-17 | (주)스테이튠드 | 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110663023B (zh) | 用于优化计算机机器学习的方法和系统 | |
| US11983748B2 (en) | Using artificial intelligence to determine a size fit prediction | |
| US11188965B2 (en) | Method and apparatus for recommending customer item based on visual information | |
| US10963744B2 (en) | Cognitive automated and interactive personalized fashion designing using cognitive fashion scores and cognitive analysis of fashion trends and data | |
| US20210209510A1 (en) | Using artificial intelligence to determine a value for a variable size component | |
| US11734747B2 (en) | Contextual set selection | |
| KR102113739B1 (ko) | 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치 | |
| JP2020531987A (ja) | 人工知能技術を利用して広告及び商品購買に関するサービスを提供する装置、システム、及び方法 | |
| KR20190082048A (ko) | 시각 정보에 기초한 고객 아이템 추천 방법 및 장치 | |
| US11037071B1 (en) | Cross-category item associations using machine learning | |
| US20210350391A1 (en) | Methods and systems for providing a personalized user interface | |
| US11587028B2 (en) | Computer system for optimizing garment inventory of retailer based on shapes of users | |
| KR20210123797A (ko) | 사용자 체형 정보를 이용한 의류 추천 방법 및 장치 | |
| JP2019133620A (ja) | イメージ内の複数の客体の調和に基づく調和検索方法、コンピュータ装置およびコンピュータプログラム | |
| Shimizu et al. | Fashion intelligence system: An outfit interpretation utilizing images and rich abstract tags | |
| Sapna et al. | Recommendence and fashionsence: Online fashion advisor for offline experience | |
| KR102604294B1 (ko) | 인공 신경망을 이용하여 사용자 피드백 기반 의류 패턴을 최적화하는 방법, 장치 및 시스템 | |
| US11321887B2 (en) | Article design | |
| Hong et al. | Evaluation of fashion design using artificial intelligence tools | |
| Pondel et al. | Recommendations based on collective intelligence–case of customer segmentation | |
| KR102568001B1 (ko) | O2o 기반 사용자 맞춤형 온라인 수선 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102678159B1 (ko) | 의류판매 플랫폼 시스템 | |
| US20230260005A1 (en) | Smart window display, and method for operating smart window display | |
| KR102525624B1 (ko) | 인공지능 기반 고객의 퍼스널 컬러와 매칭되는 가방 제공 방법, 장치 및 시스템 | |
| Vargas et al. | Algorithms for Decision Making Through Customer Classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |