KR20190092910A - 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템 - Google Patents

이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템 Download PDF

Info

Publication number
KR20190092910A
KR20190092910A KR1020180012204A KR20180012204A KR20190092910A KR 20190092910 A KR20190092910 A KR 20190092910A KR 1020180012204 A KR1020180012204 A KR 1020180012204A KR 20180012204 A KR20180012204 A KR 20180012204A KR 20190092910 A KR20190092910 A KR 20190092910A
Authority
KR
South Korea
Prior art keywords
image
product
images
search
item
Prior art date
Application number
KR1020180012204A
Other languages
English (en)
Other versions
KR102043440B1 (ko
Inventor
김정우
박혜진
조근희
김현준
김종택
최승권
김상연
김태경
최정윤
이상현
최성진
최진희
Original Assignee
네이버 주식회사
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 네이버 주식회사 filed Critical 네이버 주식회사
Priority to KR1020180012204A priority Critical patent/KR102043440B1/ko
Priority to JP2018120577A priority patent/JP6527275B1/ja
Publication of KR20190092910A publication Critical patent/KR20190092910A/ko
Application granted granted Critical
Publication of KR102043440B1 publication Critical patent/KR102043440B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템을 제공한다. 본 발명의 실시예들에 따른 조화 검색 방법은 사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 정의하고, 이러한 추상적인 표현을 포함하는 키워드들에 대해서도 검색자가 의도하는 조화에 대응하는 이미지를 검색하여 제공할 수 있다.

Description

이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템{METHOD AND SYSTEM FOR COORDINATION SEARCHING BASED ON COORDINATION OF A PLURALITY OF OBJECTS IN IMAGE}
아래의 설명은 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템에 관한 것으로, 보다 자세하게는 사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 정의하고, 이러한 추상적인 표현을 포함하는 키워드들에 대해서도 검색자가 의도하는 조화에 대응하는 이미지를 검색하여 제공할 수 있는 조화 검색 방법 및 상기 조화 검색 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 상기 조화 검색 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체에 관한 것이다.
온라인을 통한 인터넷 상의 각종 포털, 전문 또는 개인 웹사이트에는 광고와 같은 다양한 정보 데이터를 게재하여 홍보할 수 있는 다양한 방식의 정보 제공창을 제공한다.
인터넷을 통한 정보 데이터는 TV나 신문, 라디오 등의 매체와 더불어 기능이나 효과적인 측면에서 거대한 수익시장을 형성하고 있다. 더욱이, 포털이나 각종 정보를 제공하는 웹사이트 등은 정보 데이터로부터 얻는 수입 비중이 커지고 있는 실정이다.
인터넷의 웹사이트에 게재되는 정보 데이터는 배너나 동영상 형태 또는 사용자가 시청각적으로 인식할 수 있는 다양한 형태로 제공된다. 이러한 정보 데이터는 단순히 웹사이트의 메인 페이지나 서브 페이지에 지정된 정보 제공창에 게재하여 홍보하거나 또는 해당하는 검색어나 키워드에 대한 정보 데이터를 위한 검색 관련 상품 등으로 나눌 수 있다.
정보 데이터를 제공하는 기술의 일례로서, 한국 공개특허공보 제10-2010-0004312호 "인터넷을 통한 웹사이트 광고 연동방법"에는 광고주가 원하는 광고를 어느 한 웹사이트와 광고 계약을 체결한 후에 해당 웹사이트와 광고 연동이 제휴된 수많은 웹사이트를 선택함으로써 원하는 광고를 원하는 웹사이트를 통해 동시에 연동하는 기술이 개시되어 있다.
이러한 정보 데이터를 제공하는 종래기술에서는 검색자의 의도를 판정하고, 판정된 검색자의 의도에 맞는 정보 데이터들을 제공하기 위한 다양한 방식들을 통해 검색자에게 검색결과를 제공한다. 예를 들어, "여자청바지"라는 키워드에 대한 검색결과는 "여자청바지"와 관련된 다양한 정보 데이터들(일례로, 여자청바지를 판매하는 인터넷 사이트에 대한 정보, 여자청바지 상품과 관련된 이미지 정보 등)을 제공한다.
한편, 검색자에 의해 입력되는 키워드들은 일례로 "스쿨룩"이나 "20대여자코디"와 같은 추상적인 표현을 포함하기도 한다. 또한, 이러한 추상적인 표현들은 단순히 하나의 아이템에 대한 정보보다, 사람에 적용 가능한 다수의 아이템들을 위한 객체들의 조화에 대한 검색자의 의도를 포함하기도 한다. 예를 들어, 앞서 설명한 키워드 "20대여자코디"는 "여자청바지"와 같이 개별 아이템에 대한 정보보다 20대 여성이 착용 및/또는 적용할 수 있는 다양한 의상, 가방, 액세서리, 머리모양, 화장 등과 같은 다수의 아이템들, 그리고 다수의 아이템들과 해당 20대 여성간의 조화에 대한 정보를 요구한다. 다른 예로, 앞서 설명한 키워드 "스쿨룩" 역시 개별 아이템에 대한 정보보다 모델이 착용 및/또는 적용할 수 있는 다양한 의상, 가방, 액세서리, 머리모양, 화장 등과 같은 다수의 아이템들, 그리고 다수의 아이템들과 해당 모델간의 조화에 대한 정보를 요구한다. 이 경우, "20대여자코디"와 관련된 정보 데이터를 제공함에 있어서, 단순히 "여자청바지" 상품의 이미지를 노출하는 것이나 "여자청바지"를 입은 모델의 하반신 이미지를 노출하는 것, 또는 "여자청바지"를 착용한 마네킹 이미지를 노출하는 것은 검색자의 의도를 충분히 반영하지 못한다는 문제점이 있다.
사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 정의하고, 이러한 추상적인 표현을 포함하는 키워드들에 대해서도 검색자가 의도하는 조화에 대응하는 이미지를 검색하여 제공할 수 있는 조화 검색 방법 및 상기 조화 검색 방법을 수행하는 컴퓨터 장치, 그리고 컴퓨터와 결합되어 상기 조화 검색 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 복수의 조화 키워드들을 정의하는 단계; 이미지 내에서 사람이 표현된 정도에 따라 기 정의된 점수별로 분류된 조화 학습 이미지들을 통해 딥 러닝(deep learning) 모델이 입력된 이미지에 따른 점수를 산출하도록 학습시키는 단계; 입력된 검색어에 대응하는 검색결과를 추출하는 단계; 상기 입력된 검색어가 조화 키워드를 포함하는 경우, 상기 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별하는 단계; 상기 학습된 딥 러닝 모델을 통해 상기 식별된 이미지들 각각의 점수를 산출하는 단계; 상기 산출된 점수에 기초하여 상기 식별된 이미지들 중 적어도 하나의 이미지를 추출하는 단계; 및 상기 추출된 검색결과 중 적어도 일부와 상기 추출된 적어도 하나의 이미지를 포함하는 검색결과 페이지를 생성 및 제공하는 단계를 포함하는 것을 특징으로 하는 조화 검색 방법을 제공한다.
컴퓨터와 결합하여 상기 씬 텍스트 검출 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 씬 텍스트 검출 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체를 제공한다.
컴퓨터 장치에 있어서, 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 복수의 조화 키워드들을 정의하고, 이미지 내에서 사람이 표현된 정도에 따라 기 정의된 점수별로 분류된 조화 학습 이미지들을 통해 딥 러닝(deep learning) 모델이 입력된 이미지에 따른 점수를 산출하도록 학습시키고, 입력된 검색어에 대응하는 검색결과를 추출하고, 상기 입력된 검색어가 조화 키워드를 포함하는 경우, 상기 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별하고, 상기 학습된 딥 러닝 모델을 통해 상기 식별된 이미지들 각각의 점수를 산출하고, 상기 산출된 점수에 기초하여 상기 식별된 이미지들 중 적어도 하나의 이미지를 추출하고, 상기 추출된 검색결과 중 적어도 일부와 상기 추출된 적어도 하나의 이미지를 포함하는 검색결과 페이지를 생성 및 제공하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 정의하고, 이러한 추상적인 표현을 포함하는 키워드들에 대해서도 검색자가 의도하는 조화에 대응하는 이미지를 검색하여 제공할 수 있다.
검색자가 의도하는 조화에 대응하는 조화 이미지에 포함된 복수의 객체들 중 적어도 일부의 개별 객체들에 대한 정보를 더 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서, 조화 검색 방법의 수행을 위해 적용 가능한 과정들의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 딥 러닝 모델의 학습을 위한 점수 별 이미지 정의의 예를 도시한 도면이다.
도 5는 종래기술에 있어서, 키워드 "코트코디"에 대응하는 검색결과 페이지의 일부를 도시한 도면이다.
도 6은 본 발명의 일실시예에 있어서, 키워드 "코트코디"에 대응하는 검색결과의 일부를 도시한 도면이다.
도 7은 본 발명의 일실시예에 있어서, 조화 이미지에 포함된 개별 아이템들에 대한 정보를 추출하는 예를 도시한 도면이다.
도 8은 본 발명의 일실시예에 있어서, 특정한 조화 이미지에 대해 동일 판매자의 연관상품에 대한 검색결과 및 다른 판매자의 유사상품에 대한 검색결과를 제공하는 예를 도시한 도면이다.
도 9는 본 발명의 일실시예에 있어서, 코디뷰의 예를 도시한 도면이다.
도 10은 본 발명의 일실시예에 있어서, 검색결과의 제공 및 검색결과에서 코디 뷰어를 제공하는 과정의 예를 도시한 도면이다.
도 11은 본 발명의 일실시예에 따른 조화 검색 방법의 예를 도시한 흐름도이다.
도 12는 본 발명의 일실시예에 있어서, 검색자에 의해 선택된 조화 이미지에 대한 뷰어 기능을 제공하는 예를 도시한 도면이다.
도 13은 본 발명의 일실시예에 있어서, CNN 기반의 이미지 특성 분류 과정의 예를 도시한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 조화 검색 방법은 이후 설명될 전자 기기나 서버와 같은 컴퓨터 장치를 통해 구현될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 조화 검색 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 조화 검색 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기 1(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기 1(110)은 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 소셜 네트워크 서비스, 메시징 서비스, 검색 서비스, 메일 서비스, 컨텐츠 제공 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있으며, 일실시예에 따른 조화 검색 방법은 이러한 컴퓨터 장치(200)에 의해 구현되는 조화 검색 시스템에 의해 수행될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)은 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 있어서, 조화 검색 방법의 수행을 위해 적용 가능한 과정들의 예를 도시한 도면이다. 도 3에 도시된 바와 같이, 본 실시예에 따른 조화 검색 방법은 조화 이미지 판정 및 추출(310)을 위한 과정, 이미지 속 조화 상품 추출(320)을 위한 과정, 유사한 상품 추천(330)을 위한 과정 및 감성 조화태그 부착(340)을 위한 과정을 포함할 수 있다. 이러한 과정들은 앞서 설명한 컴퓨터 장치(200)에 의해 구현 및 실행될 수 있다.
조화 이미지 판정 및 추출(310)을 위한 과정은 딥 러닝(deep learning) 모델을 학습시키는 제1 과정과 학습된 딥 러닝 모델을 통해 입력된 이미지에 대한 점수를 산출하는 제2 과정을 포함할 수 있다.
우선, 제1 과정에서 딥 러닝 모델의 학습에는 사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들, 그리고 이러한 조화 키워드들에 적합한 이미지와 요소들 및/또는 조화 키워드들에 부적합한 이미지와 요소들이 활용될 수 있다. 예를 들어, 표 1은 "~코디(coordi)", "~패션(fashion)", "~룩(look)"과 같이, 사람과 사람에게 착용 및/또는 적용될 수 있는 의상, 가방, 액세서리, 머리모양, 화장 등과 같은 다수의 아이템들간의 조화를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 기 정의한 예를 나타내고 있다.
10대남자코디 남자라이더자켓코디 뷔스티에코디 파티룩
10대여자코디 남자무스탕코디 샤스커트코디 하객룩
20대하객룩 남자베이지코트코디 스쿨룩 애슬레저룩
20대여자하객룩 남자스트라이프셔츠코디 신혼여행룩 히피룩
20대여자오피스룩 남자슬랙스코디 여자오피스룩 페스티벌룩
20대남자코디 남자연청바지코디 여자가을코디 프레피룩
20대여자코디 남자정장코디 여자겨울코디 섹시룩
30대하객룩 남자청남방코디 여자니트조끼코디 힙합스타일
40대하객룩 남자청바지코디 여자니트코디 매니쉬룩
30대미시룩 남자청자켓코디 여자롱코트코디 미니멀룩
30대여자오피스룩 남자카고바지코디 여자무스탕코디 보헤미안룩
30대남자코디 남자코디 여자셔츠코디 시크룩
30대여자코디 남자코트코디 여자슬랙스코디 보이시룩
30대오피스룩 남자터틀넥코디 여자청남방코디 레트로룩
40대미시룩 남자하객룩 여자청자켓코디 러블리룩
가디건코디 롱치마코디 올드스쿨패션 여자코디
가을코디 롱원피스코디 와이드팬츠코디 요즘날씨코디
겨울원피스코디 롱청치마코디 요즘유행하는패션 요즘날씨패션
겨울하객룩 리조트룩 조끼코디 요즘날씨옷차림
겨울코디 마린룩 청담동며느리룩 오늘코디
겨울치마코디 미시룩 청치마코디 오늘옷차림
이러한 표 1의 조화 키워드들은 하나의 예시일 뿐, 조화 키워드들은 다양하게 확장되어 활용될 수도 있다. 예를 들어, 입력되는 키워드 "코트코디"에 대해 "남자코트코디"와 "여자코트코디"가 모두 대응될 수 있다. 다른 예로, 입력되는 키워드 "니트코디"에 "남자니트코디", "여자니트코디"가 모두 대응될 수도 있다.
또한, 제1 과정에서는 개별 이미지들에 점수를 부여하기 위한 조건이 기 정의될 수 있으며, 기 정의된 조건에 따라 미리 분류된 학습 이미지들이 학습 데이터로서 생성될 수 있다.
예를 들어, 도 4는 본 발명의 일실시예에 있어서, 딥 러닝 모델의 학습을 위한 점수 별 이미지 정의의 예를 도시하고 있다. 보다 구체적으로 도 4는 검색자의 의도에 알맞은 조화 이미지들을 제공하기 위한 코디뷰를 제공하기 위해, 조화 이미지들에 부여 가능한 점수를 6점부터 1점까지 설정하고, 각각의 점수를 부여하기 위한 조건(일례로, 신체의 노출 정도 및/또는 전신 이미지 정도)에 알맞은 이미지의 예시들을 나타내고 있다. 또한, 도 4는 3점 이상(3점부터 6점까지)이 부여된 이미지들이 코디뷰를 통해 노출 가능함을 설명하고 있다. 코디뷰에 대해서는 이후 더욱 자세히 설명한다.
또한, 학습 이미지들로는 코디뷰에 활용하기 부적합한 이미지들과 요소들이 더 활용될 수도 있다. 예를 들어, 코디뷰에서는 텍스트가 삽입되어 있는 이미지나 마네킹 이미지, 옷걸이에 걸려 있는 의상 이미지나 사람(일례로, 모델)과 상품 아이템들이 이미지의 주 요소가 아닌 이미지, 사람과 상품 아이템들을 명확히 식별하기 어려운 이미지(일례로, 명암이 기설정된 값 이하인 이미지)와 같은 이미지들이 부적합 이미지와 요소들을 학습하기 위해 사용될 수 있다.
이러한 딥 러닝 모델로는 일례로, CNN(Convolutional Neural Network)과 같은 딥 러닝 알고리즘이 활용될 수 있다. CNN은 데이터로부터 자동으로 특징을 학습하는 대표적 알고리즘으로 주로 이미지 인식에 사용된다. 제1 과정에서는 일례로, CNN에 미리 점수가 부여된 학습 이미지들과, 대응하는 점수를 입력하여 CNN이 학습 이미지의 특징과 점수를 서로 연관시킬 수 있도록 학습시킬 수 있다.
앞서 설명한 제2 과정에서는 학습된 딥 러닝 모델(일례로, 상술한 CNN)에 점수를 부여하고자 하는 이미지를 입력함으로써, 딥 러닝 모델이 입력된 이미지에 대한 점수를 산출하도록 할 수 있다. 이때, 제2 과정에서는 산출된 점수와 입력된 이미지를 연계함으로써, 입력된 이미지가 코디뷰를 통해 노출 가능한 이미지인지 여부를 판정 및 추출할 수 있게 된다.
검색자가 입력하는 검색어에 대응하여 제공 가능한 검색결과는 상당히 많은 수의 이미지들을 포함할 수 있다. 본 실시예에서는 앞서 설명한 바와 같이, 딥 러닝 모델을 활용하여 검색결과와 연관되어 추출되는 이미지들 각각의 점수를 추출함으로써, 코디뷰를 통해 노출 가능한 이미지들을 빠르게 판정 및 추출할 수 있으며, 점수를 통해 정렬할 수 있다.
부여하기 위한 점수의 단계가 실시예에 따라 조건별로 다양한 수의 단계들로 조절될 수 있음(일례로, 10가지 조건에 따라 1~10점)과, 딥 러닝 모델 역시 이미지를 분석/분류할 수 있는 모델이라면 CNN으로 한정되지 않고 다양한 모델들 중 하나가 활용될 수 있음을 통상의 기술자가 쉽게 이해할 수 있을 것이다.
도 5는 종래기술에 있어서, 키워드 "코트코디"에 대응하는 검색결과 페이지의 일부를 도시한 도면이고, 도 6은 본 발명의 일실시예에 있어서, 키워드 "코트코디"에 대응하는 검색결과의 일부를 도시한 도면이다.
도 5의 검색결과(510)는 키워드 "코트코디"에 대해 부적절한 이미지들이 노출된 예를 나타내고 있다. 예를 들어, 도 5의 제1 이미지(520)는 도 4를 통해 설명한 조건에 따르면, 1점에 대응하는 이미지이며, 제2 이미지(530)는 단순히 개별 아이템에 대한 이미지이고, 제3 이미지(540)는 도 4를 통해 설명한 조건에 따르면, 1점에 대응하는 이미지이다. 이러한 이미지들(520 내지 540)은 모두 "코트코디"와 같이 사람과 사람에 착용된 상품 아이템들간의 조화를 위한 검색자의 의도에는 알맞지 않은 이미지이다. 3점 이상에 대응하는 이미지들이 검색결과에 포함될 수도 있으나, 이는 우연히 해당 이미지들이 포함된 것일 뿐, 시스템의 판정에 따라 추출된 것이 아니다.
반면, 도 6의 검색결과(610)는 키워드 "코트코디"에 대해 적합한 이미지들이 노출된 예를 나타내고 있다. 예를 들어, 도 6의 이미지들(620 내지 650)은 모두 도 4를 통해 설명한 조건에 따르면, 모두 코디뷰 노출 가능 점수인 3점 이상의 점수가 부여된 이미지들이다. 키워드 "코트코디"에 대한 검색결과가 6점의 이미지들을 다수 포함하는 경우, 본 실시예에 따른 시스템은 키워드 "~코디"에 적합한 6점의 전신 이미지들만을 추출하여 노출할 수도 있다.
이를 위해, 본 실시예에서는 검색자의 검색어에 따라 추출된 검색결과의 이미지들 각각에 대해, 딥 러닝 모델을 통해 점수를 부여하고, 점수에 따라 이미지를 선택 및/또는 정렬하여 제공할 수 있다. 이는 본 실시예의 이미지 판정 및 추출이, 단순히 검색어에 따른 검색의 과정으로 한정되는 것이 아닌, 조화 키워드를 포함하는 검색어에 따라 추출된 이미지들에서 조화 키워드에 보다 적합한 이미지들을 선별하는 과정임을 의미할 수 있다. 따라서, 본 실시예에 따르면, 사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화를 나타내는 추상적인 표현을 포함하는 조화 키워드들에 대해 검색자의 의도에 보다 적합한 이미지들을 판정 및 추출하여 제공할 수 있게 된다.
다시 도 3을 참조하여, 이미지 속 조화 상품 추출(320)을 위한 과정은 이미지내의 다양한 상품 아이템들을 추출하는 과정을 포함할 수 있다. 예를 들어, 표 1에 나타난 키워드 "20대하객룩"이 포함된 검색어를 입력한 검색자는 단순히 "20대하객룩"과 관련된 이미지를 살펴보고 싶은 의도뿐만 아니라, 원하는 조화 이미지에 포함된 아이템들(일례로, 의상, 가방, 액세서리 등)을 구매하고자 하는 의도 역시 포함하고 있다. 이를 위해, 본 실시예에서는, 일례로 종래기술에 따른 도 5의 제2 이미지(530)와 같이 검색어에 대한 개별 아이템들을 제공하는 것이 아니라, 사람과 사람에 적용된 상품 아이템들간의 조화에 기반한 조화 이미지를 제공하고, 조화 이미지에 포함된 상품 아이템들 각각에 대한 검색결과를 조화 이미지와 함께 제공할 수 있다.
이를 통해, 본 실시예에서는 검색자가 조화 이미지에 포함된 개별 상품 아이템들에 대해서도 쉽게 접근하여 구매가 이루어질 수 있도록 기능 및/또는 서비스를 제공할 수 있다. 다시 말해, 본 실시예에 따른 기능 및/또는 서비스는 검색자의 의도에 적합한 조화 이미지로부터 해당 조화와 연계된 개별 상품 아이템들을 제공하는 것으로, 이러한 기능 및/또는 서비스가 단순히 특정한 개별 아이템에 대한 정보를 제공하거나, 특정한 상품 제공자의 상품 아이템들에 대한 정보를 제공하거나, 서로 유사한 상품 아이템들에 대한 정보를 제공하거나 또는 단순히 특정한 이미지에 포함된 상품 아이템들에 대한 정보를 제공하는 기능이나 서비스들과 차이가 있다는 것을 통상의 기술자라면 쉽게 이해할 수 있을 것이다.
또한, 유사한 조화 상품 추천(330)을 위한 과정은 이미지내의 다양한 상품 아이템들과 유사한 상품 아이템들을 검색하여 검색된 상품 아이템들에 대한 정보를 제공하는 과정을 포함할 수 있다. 일례로, 유사한 상품 아이템들은 조화 이미지를 등록한 상품 제공자가 아닌 다른 상품 제공자의 상품 아이템들 중에서 검색될 수 있다.
도 7은 본 발명의 일실시예에 있어서, 조화 이미지에 포함된 개별 아이템들에 대한 정보를 추출하는 예를 도시한 도면이다. 일반적으로 조화 이미지는 특정한 상품 제공자에 의해 등록된 이미지일 수 있다. 예를 들어, 검색자가 선택한 조화 이미지 A는 상품 제공자 B에 의해 등록된 이미지일 수 있다. 이 경우, 컴퓨터 장치(200)는 이미지 속 조화 상품 추출(320)을 위한 과정에서 조화 이미지 A에 포함된 상품 제공자 B의 상품 아이템들을 식별할 수 있으며, 식별된 상품 제공자 B의 상품 아이템들에 대한 정보(또는 검색결과)를 검색자에게 제공할 수 있다. 또한, 이와 별개로 상품 제공자 B가 아닌 다른 상품 제공자의 상품 아이템들 중 조화 이미지 A에 포함된 상품 아이템들과 유사한 상품 아이템들에 대한 정보(또는 검색결과)를 검색자에게 더 제공할 수 있다.
도 8은 본 발명의 일실시예에 있어서, 특정한 조화 이미지에 대해 동일 판매자의 연관상품에 대한 검색결과 및 다른 판매자의 유사상품에 대한 검색결과를 제공하는 예를 도시한 도면이다. 도 8은 도 6에서 제1 이미지(620)가 선택됨에 따라 선택된 제1 이미지(620)와 관련 태그들(#날씬해보이는, #세련된, #여성스러운)을 함께 표시한 예시(810)와 제1 이미지(620)에 포함된 상품 아이템들에 대한 정보(또는 검색결과)를 표시한 예시(820) 및 제1 이미지(620)에 포함된 상품 아이템들과 유사한 상품 아이템들에 대한 정보(또는 검색결과)를 표시한 예시(830)를 각각 나타내고 있다. 다시 말해, 도 6 및 도 8은 검색자의 조화 키워드를 포함하는 검색어에 대한 개별 검색결과들을 단순히 표시하는 것이 아니라, 조화 키워드에 알맞은 조화 이미지들의 표시와 표시된 조화 이미지들 중 검색자에 의해 선택된 조화 이미지에 포함된 개별 상품 아이템들에 대한 검색결과를 표시하는 단계적 검색을 제공할 수 있다. 또한, 이러한 단계적 검색을 통해 본 실시예는 검색자의 의도에 적합한 "조화"의 제공과, 선택된 "조화"에 포함된 상품 아이템들에 대한 정보의 제공을 통해 검색자가 원하는 "조화"에 의해 서로 연계된 상품 아이템들의 집합에 대한 정보를 제공받을 수 있다. 예를 들어, 예시(820)나 예시(830)에 표시된 정보들은 단순히 검색자의 검색어에 대해 연계된 정보들이 아닌, 검색자가 의도한 "조화"에 대해 연계된 정보들일 수 있다.
도 9는 본 발명의 일실시예에 있어서, 코디뷰의 예를 도시한 도면이다. 도 9는 도 8을 통해 설명된 예시들(810 내지 830)을 연결한 하나의 페이지를 코디뷰로서 제공하는 코디 뷰어의 예를 나타내고 있다. 이러한 코디뷰는 연관 코디 키워드들을 표시하기 위한 영역 및/또는 동일 판매자(대응하는 조화 이미지를 등록한 상품 제공자)가 등록한 다른 이미지들을 표시하기 위한 영역을 더 포함할 수도 있다. 코디뷰가 포함하는 조화 이미지나 개별 상품 아이템에 대한 정보, 유사 상품 아이템에 대한 정보, 연관 코디 키워드들 및 동일 판매자가 등록한 다른 이미지들 각각은 대응하는 페이지로의 링크를 포함할 수 있다. 예를 들어, 조화 이미지는 조화 이미지와 함께 등록된 상품 아이템의 판매를 위한 페이지로의 링크를 포함할 수 있다. 다른 예로, 개별 상품 아이템에 대한 정보는 대응하는 개별 상품 아이템의 판매를 위한 페이지로의 링크를 포함할 수 있다. 또 다른 예로, 유사 상품 아이템에 대한 정보는 다른 판매자의 상품 판매 페이지로의 링크를 포함할 수 있다. 또 다른 예로, 연관 코디 키워드는 해당 키워드를 검색어로 하는 검색 결과를 제공하기 위한 페이지로의 링크를 포함할 수 있다.
다시 도 3을 참조하면, 감성 조화태그 부착(340)을 위한 과정은 조화 키워드를 포함하는 검색어에 대한 검색결과를 추출하기 위한 전처리 과정일 수 있다. 이러한 이미지에 대한 조화태그는 상품 제공자들에 의해 수동으로 설정될 수도 있으나, 컴퓨터 장치(200)에 의해 자동으로 설정될 수도 있다. 이를 위해, 컴퓨터 장치(200)는 앞서 설명한 딥 러닝 모델과는 다른 용도로 학습되는 제2 딥 러닝 모델을 포함할 수 있다. 예를 들어, 컴퓨터 장치(200)는 정의된 복수의 조화 키워드들에 대응하도록 기 분류된 태그 학습 이미지들을 통해 제2 딥 러닝 모델이 입력된 이미지에 따른 태그를 추출하도록 제2 딥 러닝 모델을 학습시킬 수 있다. 이후, 컴퓨터 장치(200)는 상품 제공자에 의해 등록되는 상품 이미지들 각각을 학습된 제2 딥 러닝 모델에 입력하여 입력되는 이미지들에 대응하는 조화태그를 얻을 수 있다. 컴퓨터 장치(200)는 결정된 태그를 대응하는 상품 이미지에 대해 설정 및 저장할 수 있다. 이 경우, 컴퓨터 장치(200)는 앞서 설명한 이미지 속 조화 상품 추출(320)을 위한 과정에서 입력된 조화 키워드와 태그(이미지에 대해 설정된 조화태그)간의 비교를 통해 조화 키워드에 대응하는 상품 이미지들을 추출할 수 있게 된다.
도 10은 본 발명의 일실시예에 있어서, 검색결과의 제공 및 검색결과에서 코디 뷰어를 제공하는 과정의 예를 도시한 도면이다. 도 10의 제1 페이지(1010)는 통합검색을 통해 조화 키워드로 정의된 "데이트룩"이 입력된 경우, 검색결과들에 대한 다양한 카테고리들 중 하나(도 10의 예시에서는 쇼핑 카테고리)를 통해 원래의 검색결과 대신 조화 이미지들을 표시한 예를 나타내고 있다. 조화 키워드로 정의된 키워드가 아닌 다른 키워드가 입력되는 경우, 쇼핑 카테고리를 통해서는 도 5를 통해 설명한 종래기술에서와 같이 개별 상품 아이템들을 위한 검색결과들이 표시될 수 있다. 이와 유사하게, 제2 페이지(1020)는 쇼핑검색을 통해 조화 키워드로 정의된 "데이트룩"이 입력된 경우, 쇼핑검색의 결과 대신 조화 이미지들을 표시한 예를 나타내고 있다. 이 경우에도 조화 키워드로 정의된 키워드가 아닌 다른 키워드가 입력되는 경우, 도 5를 통해 설명한 종래기술에서와 같이 개별 상품 아이템들을 위한 검색결과들이 표시될 수 있다. 검색자가 표시된 조화 이미지들 중 하나를 선택하는 경우, 검색자에게는 도 9를 통해 설명한 코디 뷰어를 통해 코디뷰가 제공될 수 있다.
도 11은 본 발명의 일실시예에 따른 조화 검색 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 조화 검색 방법은 앞서 설명한 컴퓨터 장치(200)에 의해 수행될 수 있다. 예를 들어, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 11의 방법이 포함하는 단계들(1110 내지 1170)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(1110)에서 컴퓨터 장치(200)는 사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 복수의 조화 키워드들을 정의할 수 있다. 예를 들어, 표 1에서는 패션과 관련하여 추상적인 표현(일례로, "~코디", "~패션", "~룩")을 포함하는 조화 키워드들이 정의된 예를 하였다. 예를 들어, 컴퓨터 장치(200)는 조화 키워드를 입력받기 위한 사용자 인터페이스를 관리자에게 제공할 수 있으며, 관리자로부터 입력되는 키워드들을 조화 키워드로서 설정 및 저장함으로써 복수의 조화 키워드들을 정의할 수 있다.
단계(1120)에서 컴퓨터 장치(200)는 이미지 내에서 사람이 표현된 정도에 따라 기 정의된 점수별로 분류된 조화 학습 이미지들을 통해 딥 러닝(deep learning) 모델이 입력된 이미지에 따른 점수를 산출하도록 학습시킬 수 있다. 예를 들어, 도 4에서는 이미지 내에서 사람이 표현된 정도에 따른 조건별로 1점부터 6점까지의 점수를 부여하는 예를 설명하였다. 예를 들어, 딥 러닝 모델에는 점수와 조건에 따른 학습 이미지가 입력될 수 있으며, 딥 러닝 모델은 이미지의 특징을 분석, 추출하여 대응하는 점수 및 조건과 연계시킴으로써, 점수 및 조건에 따른 이미지들의 특징을 분류할 수 있다.
단계(1130)에서 컴퓨터 장치(200)는 입력된 검색어에 대응하는 검색결과를 추출할 수 있다. 예를 들어, 컴퓨터 장치(200)는 검색어를 이용하여 검색결과를 추출하기 위한 다양한 검색방법들 중 적어도 하나 이상을 이용하여 입력된 검색어에 대응하는 검색결과를 추출할 수 있다.
단계(1140)에서 컴퓨터 장치(200)는 조화 키워드를 이용한 검색이 요청되는 경우, 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별할 수 있다. 예를 들어, 컴퓨터 장치(200)는 상품 제공자들에 의해 등록되는 상품 아이템들에 대한 상품 이미지들 각각에 태그를 설정하여 저장할 수 있다. 이때, 컴퓨터 장치(200)는 검색의 요청과 연관된 조화 키워드와 태그들간의 비교를 통해 조화 키워드에 대응하는 상품 이미지들을 사람에 적용 가능한 아이템의 판매와 관련된 이미지들로서 추출할 수 있다. 예를 들어, 조화 키워드를 이용한 검색의 요청은 검색자가 조화 키워드를 포함하는 검색어를 입력하여 검색을 요청하는 것, 혹은 검색자가 페이지상에 노출된 조화 키워드를 선택하여 검색을 요청하는 것을 포함할 수 있다.
상품 이미지들에 태그를 설정하는 것은 앞서 설명한 바와 같이 상품 제공자들에 의해 수동으로 진행될 수도 있으나, 컴퓨터 장치(200)에 의해 자동으로 진행될 수도 있다. 예를 들어, 컴퓨터 장치(200)는 단계(1110)에서 정의된 복수의 조화 키워드들에 대응하도록 분류된 복수의 태그 학습 이미지들을 통해 단계(1120)에서 학습된 딥 러닝 모델과는 다른 제2 딥 러닝 모델을 학습시킬 수 있다. 이 경우, 컴퓨터 장치(200)는 제2 딥 러닝 모델이 입력된 이미지에 따른 태그를 출력하도록 학습시킬 수 있다. 또한, 컴퓨터 장치(200)는 학습된 제2 딥 러닝 모델을 통해 등록되는 상품 이미지들 각각에 대한 태그를 결정할 수 있다. 이미 설명한 바와 같이, 제2 딥 러닝 모델은 태그 학습 이미지들을 분석하여 추출한 특징을 대응하는 조화 키워드와 연계시킬 수 있으며, 입력되는 상품 이미지의 특징을 추출하여 상품 이미지를 특정 조화 키워드로 분류할 수 있다. 이 경우, 상품 이미지가 분류된 조화 키워드가 해당 상품 이미지의 태그로서 추가될 수 있다. 상품 제공자들이 등록된 상품 이미지들에 태그를 설정한 경우에도 컴퓨터 장치(200)가 제2 딥 러닝 모델을 이용하여 추가적인 태그를 상품 이미지들에 더 설정할 수도 있다. 컴퓨터 장치(200)는 제2 딥 러닝 모델에 의해 결정된 태그를 대응하는 상품 이미지에 대해 설정 및 저장할 수 있다. 이러한 상품 이미지에 대해 설정된 태그를 이용하여 컴퓨터 장치(200)는 단계(1140)에서 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별할 수 있다.
단계(1150)에서 컴퓨터 장치(200)는 학습된 딥 러닝 모델을 통해 식별된 이미지들 각각의 점수를 산출할 수 있다. 앞서 단계(1120)을 통해 설명한 바와 같이 딥 러닝 모델은 입력되는 이미지에 대한 점수를 산출하도록 학습되었으며, 컴퓨터 장치(200)는 식별된 이미지들 각각을 순차적으로 학습된 딥 러닝 모델에 입력하여 식별된 이미지들 각각의 점수를 산출할 수 있다.
단계(1160)에서 컴퓨터 장치(200)는 산출된 점수에 기초하여 식별된 이미지들 중 적어도 하나의 이미지를 추출할 수 있다. 적어도 하나의 이미지를 추출하는 방식은 다양한 실시예들을 포함할 수 있다. 일실시예로, 컴퓨터 장치(200)는 기설정된 점수 이상의 점수를 갖는 이미지들만을 추출할 수 있다. 다른 실시예로, 컴퓨터 장치(200)는 산출된 점수에 따라 식별된 이미지들을 정렬한 후, 상위로부터 기설정된 개수의 이미지들을 추출할 수도 있다.
단계(1170)에서 컴퓨터 장치(200)는 추출된 검색결과 중 적어도 일부와 추출된 적어도 하나의 이미지를 포함하는 검색결과 페이지를 생성 및 제공할 수 있다.
일실시예로, 컴퓨터 장치(200)는 상품 판매 관련 검색결과를 표시하기 위한 상품 관련 영역을 포함하도록 검색결과 페이지를 생성하되, 추출된 검색결과 중 상품 관련 영역에 대응하는 검색결과 대신 추출된 적어도 하나의 이미지를 상품 관련 영역에 표시하도록 검색결과 페이지를 생성할 수 있다. 일례로, 도 10에서는 조화 키워드를 포함하는 검색에 대해 검색결과 페이지의 쇼핑 카테고리를 통해 키워드 검색결과가 아닌 추출된 조화 이미지들을 표시하는 예를 설명한 바 있다.
다른 실시예로, 컴퓨터 장치(200)는 입력된 검색어가 포함하는 조화 키워드와 연관된 조화 검색결과를 표시하기 위한 별도의 영역을 포함하고, 별도의 영역을 통해 추출된 적어도 하나의 이미지를 표시하도록 검색결과 페이지를 생성할 수도 있다. 예를 들어, 조화 검색의 결과로서 추출된 이미지들을 표시하기 위한 별도의 카테고리가 검색결과 페이지에 포함될 수 있다.
도 12는 본 발명의 일실시예에 있어서, 검색자에 의해 선택된 조화 이미지에 대한 뷰어 기능을 제공하는 예를 도시한 도면이다. 도 12의 단계들(1210 및 1220)은 도 11을 통해 설명한 단계(1170) 이후에 선택적으로 수행될 수 있다.
단계(1210)에서 컴퓨터 장치(200)는 검색결과 페이지에서 추출된 적어도 하나의 이미지가 선택되는 경우, 선택된 이미지에서 사람에게 적용된 아이템을 식별할 수 있다.
일실시예로, 컴퓨터 장치(200)는 상품 제공자들에게 조화 이미지 및 조화 이미지에 포함된 상품 아이템들에 대한 정보를 연관하여 등록받을 수 있다. 예를 들어, 컴퓨터 장치(200)는 상품 제공자에게 특정한 조화와 관련된 대표 이미지(및/또는 서브 이미지들)를 등록 받고, 등록된 대표 이미지(및/또는 서브 이미지들)에 포함된 상품 아이템들에 대한 정보를 등록된 대표 이미지(및/또는 서브 이미지들)와 연계하여 등록받기 위한 페이지를 상품 제공자에게 제공할 수 있다. 컴퓨터 장치(200)는 대표 이미지(및/또는 서브 이미지들)가 검색결과 페이지에서 조화 이미지로서 노출되고 검색자에 의해 선택되는 경우, 대표 이미지(및/또는 서브 이미지들)와 연계하여 등록된 상품 아이템들을 선택된 이미지에서 사람에게 적용된 아이템으로서 식별할 수 있다.
다른 실시예로, 컴퓨터 장치(200)는 선택된 이미지 및 선택된 이미지를 등록한 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 선택된 이미지에서 사람에게 적용된 상품 제공자의 상품 아이템을 식별할 수 있다. 예를 들어, 컴퓨터 장치(200)는 검색결과 페이지에서 선택된 이미지 A와 이미지 A를 등록한 상품 제공자 B의 상품 아이템 C의 상품 이미지 D를 비교할 수 있다. 이때, 이미지 분석의 결과에 따라 이미지 A에서 사람에게 적용된 아이템과 상품 이미지 D에 나타난 상품 아이템 C이 동일한 아이템으로 분석되는 경우, 컴퓨터 장치(200)는 상품 아이템 C를 이미지 A에서 사람에게 적용된 상품 제공자의 상품 아이템으로서 식별할 수 있다.
이처럼, 컴퓨터 장치(200)는 선택된 이미지를 등록한 상품 제공자의 상품 아이템들을 식별할 수 있다. 예를 들어, 컴퓨터 장치(200)는 선택된 이미지 및 선택된 이미지를 등록한 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 선택된 이미지에서 사람에게 적용된 상품 제공자의 상품 아이템을 식별할 수 있다. 다른 실시예로, 컴퓨터 장치(200)는 선택된 이미지를 등록한 상품 제공자가 아닌 다른 상품 제공자의 상품 아이템들만을 식별할 수도 있다. 예를 들어, 컴퓨터 장치(200)는 선택된 이미지 및 선택된 이미지를 등록한 상품 제공자가 아닌 다른 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 선택된 이미지에서 사람에게 적용된 이미지와 연관된 다른 상품 제공자의 상품 아이템을 식별할 수 있다. 또 다른 실시예로, 컴퓨터 장치는 동일 상품 제공자의 상품 아이템들과 다른 상품 제공자의 상품 아이템들의 두 가지 종류의 상품 아이템들을 각각 식별할 수도 있다. 도 7 내지 도 9는 이러한 두 가지 종류의 상품 아이템들을 각각 식별한 예들을 나타내고 있다.
단계(1220)에서 컴퓨터 장치(200)는 선택된 이미지와 식별된 아이템에 대한 정보를 포함하여 구성된 페이지에 대한 뷰어 기능을 제공할 수 있다. 예를 들어, 도 9를 통해 이처럼 선택된 이미지와 식별된 아이템에 대한 정보를 포함하여 구성된 페이지를 제공하는 코디 뷰어의 예를 설명한 바 있다.
이때, 이미지에서 아이템을 식별하는 기술 역시 CNN과 같이 딥 러닝 모델을 이용할 수 있다. 예를 들어, 컴퓨터 장치(200)는 CNN 기반 객체 검출 알고리즘에 기반하여 이미지내의 로컬리제이션을 처리할 수 있다. 이를 위해, CNN 기반 객체 검출 알고리즘은 특정 주제(예컨대, 패션 등)에 맞는 파인-튜닝(fine-tuning) 방식에 따라 CNN을 학습시킬 수 있으며, R-CNN(Regions with Convolutional Neural Network) 기반의 분류 모델을 이용하여 이미지에서 특정 주제의 아이템에 맞는 객체를 찾을 수 있다. 객체 검출을 위한 사전 훈련 모델(Pre-trained Model)은 이미지와 관련된 데이터셋을 이용하여 학습시킨 CNN 학습 모델을 적용하되, CNN 학습 모델을 패션에 더 적합한 파인-튜닝을 위한 분류 모델을 재생성 하여 적용할 수 있다. 여기서 로컬리제이션은 이미지 안에서 찾고자 하는 패션 아이템에 해당되는 객체에 관한 위치와 미리 정의된 라벨을 알아내는 과정을 의미할 수 있다. 컴퓨터 장치(200)는 로컬리제이션을 위해 CNN 기반 객체 검출 알고리즘을 적용하며, 이는 CNN 내부에서 후보 ROI를 내재하여 계산하기 때문에 보다 빠르게 로컬리제이션을 수행할 수 있다. 객체에 대한 분류 성능을 향상시키기 위해 패션 아이템에 보다 적합하도록 사전 훈련 모델을 재구성할 수 있다. 다시 말해, 파인-튜닝을 위해 상세한 카테고리를 적용한 사전 훈련 모델을 재생성할 수 있으며, 기존의 사전 훈련 모델을 패션 데이터셋을 이용하여 재학습(re-training)할 수 있다. 이때, 컴퓨터 장치(200)는 이미지에 대한 패션 카테고리의 데이터셋을 이용하여 학습시킨 CNN 기반 객체 검출 알고리즘을 적용함으로써, 이미지에 포함된 패션 아이템(상품 아이템)에 대한 로컬리제이션과 속성 학습(attribute learning)을 수행할 수 있다. 예를 들어, 컴퓨터 장치(200)는 이미지가 입력되는 경우 CNN 기반 객체 검출 알고리즘을 바탕으로 입력된 이미지안에 존재하는 패션 아이템들의 위치를 찾고, 각 위치에 해당되는 객체 속성을 분류할 수 있다. 이때, 객체의 위치는 로컬리제이션의 결과를 의미하고, 객체 속성은 객체의 속성 학습에 대한 결과로서, 칼라, 텍스처, 카테고리에 대한 결과를 포함할 수 있다. 컴퓨터 장치(200)는 이미지에서 검출된 객체에 대한 속성 학습을 통해 해당 객체의 특징을 추출하여 카테고리를 분류할 수 있다. 예를 들어, 패션 아이템의 특성 속성, 즉 칼라, 텍스처, 카테고리에 기반하여 모델링 된 CNN을 적용하여 이미지에서 검출된 객체의 특징을 정확히 추출 및 분류할 수 있다. 속성 학습은 특정한 패션 카테고리에 맞는 다양한 속성을 정의하여 학습에 적용한 것이다. 칼라와 텍스처 및 카테고리 속성에 대한 데이터셋을 구성하고 해당 속성의 특성을 가진 데이터들을 CNN 알고리즘을 적용하여 학습시킬 수 있다. 칼라와 텍스처 속성은 각각 1개씩 카테고리에 상관없이 공통된 학습 모델을 생성할 수 있다. 패션 아이템에 대한 분류 구조는 계층적 구조를 가지며, 이는 카테고리 속성 측면에서 볼 때 패션 카테고리들은 서로 공통된 특성을 공유한다. 예를 들어, 원피스는 탑(Top)과 스커트(Skirts)의 속성을 둘 다 가지는 경우이다. 이처럼 패션 카테고리는 세부 카테고리로 나눌수록 서로 공통된 특성을 가지는 경우가 매우 많다. 따라서, 각각의 카테고리에 대해서 구별되는 특성을 보존하도록 설계할 필요가 있어 계층적 구조를 가지도록 구성할 수 있다. 일례로, 로컬리제이션에 따른 분류 결과는 상위 레벨을 의미할 수 있고, 카테고리 속성은 하위 레벨을 의미할 수 있다.
다른 실시예로, 컴퓨터 장치(200)는 상품 제공자들에 의해 등록되는 이미지들 중 일정한 점수 이상의 조화 이미지들에 대해 코디뷰와 같은 페이지를 미리 생성해둘 수도 있다. 이 경우, 검색결과 페이지에서 특정한 조화 이미지가 선택되는 경우, 상기 조화 이미지와 대응하여 생성된 페이지가 코디 뷰어를 통해 검색자에게 제공될 수 있다.
도 13은 본 발명의 일실시예에 있어서, CNN 기반의 이미지 특성 분류 과정의 예를 도시한 도면이다. 도 13을 참조하면, 컴퓨터 장치(200)는 이미지(1300)가 들어오면 로컬리제이션을 위한 CNN 모델(상위레벨)(1310)과 속성 학습을 위한 CNN 모델(하위레벨)(1320)을 차례로 적용할 수 있다. 컴퓨터 장치(200)는 이미지(1300) 안에 패션 아이템에 해당되는 객체들이 존재하는 경우 CNN 모델(상위레벨)(1310)을 통한 로컬리제이션 과정에서 상위 개념의 패션 라벨과 위치(ROI)를 찾아낼 수 있다. 이후, 컴퓨터 장치(200)는 속성 학습 CNN 모델(하위레벨)(1320) 중에서 이미지(1300)에서 검출된 객체의 라벨에 매칭되는 카테고리 속성 모델과 각 칼라/텍스처 속성 모델을 적용한 CNN 과정을 거쳐 최종적으로 각 객체의 칼라/텍스처/카테고리에 대한 3개의 분류 결과를 획득할 수 있다. 속성 학습 CNN 모델(하위레벨)(1320)을 적용한 분류의 중간 과정, 즉 CNN의 소프트-맥스 레이어(Soft-max Layer)(classifier)의 바로 이전 레이어인 풀 연결 레이어(Fully Connected Layer)부터 최종 분류 결과와 마찬가지로 각각 3개의 특징(칼라, 텍스처, 카테고리)을 추출할 수 있다(Deep Feature).
따라서, 컴퓨터 장치(200)는 패션 아이템의 데이터셋이 적용된 CNN 학습 모델을 적용함으로써 이미지에서 패션 아이템에 해당되는 객체를 찾아 해당 객체의 특징을 정확히 추출할 수 있다. 컴퓨터 장치(200)는 이와 같이 이미지에서 추출된 특징에 기초하여 조화 이미지에 포함된 상품 아이템을 식별할 수 있다. 예를 들어, 이미지들간의 비교를 통해 상품 아이템을 식별하는 실시예의 경우에는 각각의 이미지들에서 추출되는 특징들을 서로 비교하여 동일 및/또는 유사 여부에 따라 상품 아이템을 식별할 수 있다.
이처럼 본 발명의 실시예들에 따르면, 사람에 적용 가능한 아이템을 위한 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 조화 키워드들을 정의하고, 이러한 추상적인 표현을 포함하는 키워드들에 대해서도 검색자가 의도하는 조화에 대응하는 이미지를 검색하여 제공할 수 있다. 또한, 검색자가 의도하는 조화에 대응하는 조화 이미지에 포함된 복수의 객체들 중 적어도 일부의 개별 객체들에 대한 정보를 더 제공할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 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 어플리케이션을 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.
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 장치에 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 기록매체에 저장될 수 있다.
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. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (20)

  1. 사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 복수의 조화 키워드들을 정의하는 단계;
    이미지 내에서 사람이 표현된 정도에 따라 기 정의된 점수별로 분류된 조화 학습 이미지들을 통해 딥 러닝(deep learning) 모델이 입력된 이미지에 따른 점수를 산출하도록 학습시키는 단계;
    입력된 검색어에 대응하는 검색결과를 추출하는 단계;
    상기 입력된 검색어가 조화 키워드를 포함하는 경우, 상기 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별하는 단계;
    상기 학습된 딥 러닝 모델을 통해 상기 식별된 이미지들 각각의 점수를 산출하는 단계;
    상기 산출된 점수에 기초하여 상기 식별된 이미지들 중 적어도 하나의 이미지를 추출하는 단계; 및
    상기 추출된 검색결과 중 적어도 일부와 상기 추출된 적어도 하나의 이미지를 포함하는 검색결과 페이지를 생성 및 제공하는 단계
    를 포함하는 것을 특징으로 하는 조화 검색 방법.
  2. 제1항에 있어서,
    상기 검색결과 페이지를 생성 및 제공하는 단계는,
    상품 판매 관련 검색결과를 표시하기 위한 상품 관련 영역을 포함하도록 상기 검색결과 페이지를 생성하되, 상기 추출된 검색결과 중 상기 상품 관련 영역에 대응하는 검색결과 대신 상기 추출된 적어도 하나의 이미지를 상기 상품 관련 영역에 표시하도록 상기 검색결과 페이지를 생성하는 것을 특징으로 하는 조화 검색 방법.
  3. 제1항에 있어서,
    상기 검색결과 페이지를 생성 및 제공하는 단계는,
    상기 입력된 검색어가 포함하는 조화 키워드와 연관된 조화 검색결과를 표시하기 위한 별도의 영역을 포함하고, 상기 별도의 영역을 통해 상기 추출된 적어도 하나의 이미지를 표시하도록 상기 검색결과 페이지를 생성하는 것을 특징으로 하는 조화 검색 방법.
  4. 제1항에 있어서,
    상기 검색결과 페이지에서 상기 추출된 적어도 하나의 이미지가 선택되는 경우, 상기 선택된 이미지에서 사람에게 적용된 아이템을 식별하는 단계; 및
    상기 선택된 이미지와 상기 식별된 아이템에 대한 정보를 포함하여 구성된 페이지에 대한 뷰어 기능을 제공하는 단계
    를 더 포함하는 것을 특징으로 하는 조화 검색 방법.
  5. 제4항에 있어서,
    상품 제공자들에게 조화 이미지 및 상기 조화 이미지에 포함된 상품 아이템들에 대한 정보를 연관하여 등록받는 단계
    를 더 포함하고,
    상기 아이템을 식별하는 단계는,
    상기 선택된 이미지와 연관하여 등록된 상품 아이템들에 대한 정보를 통해 상기 선택된 이미지에서 사람에게 적용된 아이템을 식별하는 것을 특징으로 하는 조화 검색 방법.
  6. 제4항에 있어서,
    상기 아이템을 식별하는 단계는,
    상기 선택된 이미지 및 상기 선택된 이미지를 등록한 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 상기 선택된 이미지에서 사람에게 적용된 상기 상품 제공자의 상품 아이템을 식별하는 것을 특징으로 하는 조화 검색 방법.
  7. 제4항에 있어서,
    상기 아이템을 식별하는 단계는,
    상기 선택된 이미지 및 상기 선택된 이미지를 등록한 상품 제공자가 아닌 다른 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 상기 선택된 이미지에서 사람에게 적용된 이미지와 연관된 다른 상품 제공자의 상품 아이템을 식별하는 것을 특징으로 하는 조화 검색 방법.
  8. 제1항에 있어서,
    상품 제공자들에 의해 등록되는 상품 아이템들에 대한 상품 이미지들 각각에 태그를 설정 및 저장하는 단계
    를 더 포함하고,
    상기 아이템의 판매와 관련된 이미지들을 식별하는 단계는,
    상기 입력된 검색어가 포함하는 조화 키워드와 태그들간의 비교를 통해 상기 조화 키워드에 대응하는 상품 이미지들을 추출하는 것을 특징으로 하는 조화 검색 방법.
  9. 제8항에 있어서,
    상기 태그를 설정 및 저장하는 단계는,
    상기 정의된 복수의 조화 키워드들에 대응하도록 분류된 복수의 태그 학습 이미지들을 통해 제2 딥 러닝 모델이 입력된 이미지에 따른 태그를 출력하도록 학습시키는 단계;
    상기 학습된 제2 딥 러닝 모델을 통해 상기 등록되는 상품 이미지들 각각에 대한 태그를 결정하는 단계; 및
    상기 결정된 태그를 대응하는 상품 이미지에 대해 설정 및 저장하는 단계
    를 포함하는 것을 특징으로 하는 조화 검색 방법.
  10. 컴퓨터와 결합하여 제1항 내지 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  11. 제1항 내지 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
  12. 컴퓨터 장치에 있어서,
    컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    사람에 적용 가능한 아이템을 위한 복수의 객체들간의 조화(coordination)를 나타내는 추상적인 표현을 포함하는 복수의 조화 키워드들을 정의하고,
    이미지 내에서 사람이 표현된 정도에 따라 기 정의된 점수별로 분류된 조화 학습 이미지들을 통해 딥 러닝(deep learning) 모델이 입력된 이미지에 따른 점수를 산출하도록 학습시키고,
    입력된 검색어에 대응하는 검색결과를 추출하고,
    상기 입력된 검색어가 조화 키워드를 포함하는 경우, 상기 추출된 검색결과와 연계된 이미지들 중 사람에 적용 가능한 아이템의 판매와 관련된 이미지들을 식별하고,
    상기 학습된 딥 러닝 모델을 통해 상기 식별된 이미지들 각각의 점수를 산출하고,
    상기 산출된 점수에 기초하여 상기 식별된 이미지들 중 적어도 하나의 이미지를 추출하고,
    상기 추출된 검색결과 중 적어도 일부와 상기 추출된 적어도 하나의 이미지를 포함하는 검색결과 페이지를 생성 및 제공하는 것
    을 특징으로 하는 컴퓨터 장치.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상품 판매 관련 검색결과를 표시하기 위한 상품 관련 영역을 포함하도록 상기 검색결과 페이지를 생성하되, 상기 추출된 검색결과 중 상기 상품 관련 영역에 대응하는 검색결과 대신 상기 추출된 적어도 하나의 이미지를 상기 상품 관련 영역에 표시하도록 상기 검색결과 페이지를 생성하는 것을 특징으로 하는 컴퓨터 장치.
  14. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 입력된 검색어가 포함하는 조화 키워드와 연관된 조화 검색결과를 표시하기 위한 별도의 영역을 포함하고, 상기 별도의 영역을 통해 상기 추출된 적어도 하나의 이미지를 표시하도록 상기 검색결과 페이지를 생성하는 것을 특징으로 하는 컴퓨터 장치.
  15. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 검색결과 페이지에서 상기 추출된 적어도 하나의 이미지가 선택되는 경우, 상기 선택된 이미지에서 사람에게 적용된 아이템을 식별하고,
    상기 선택된 이미지와 상기 식별된 아이템에 대한 정보를 포함하여 구성된 페이지에 대한 뷰어 기능을 제공하는 것
    을 특징으로 하는 컴퓨터 장치.
  16. 제15항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상품 제공자들에게 조화 이미지 및 상기 조화 이미지에 포함된 상품 아이템들에 대한 정보를 연관하여 등록받는 단계
    상기 선택된 이미지와 연관하여 등록된 상품 아이템들에 대한 정보를 통해 상기 선택된 이미지에서 사람에게 적용된 아이템을 식별하는 것을 특징으로 하는 컴퓨터 장치.
  17. 제15항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 선택된 이미지 및 상기 선택된 이미지를 등록한 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 상기 선택된 이미지에서 사람에게 적용된 상기 상품 제공자의 상품 아이템을 식별하는 것을 특징으로 하는 컴퓨터 장치.
  18. 제15항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 선택된 이미지 및 상기 선택된 이미지를 등록한 상품 제공자가 아닌 다른 상품 제공자의 상품 아이템들의 이미지들을 분석 및 비교하여 상기 선택된 이미지에서 사람에게 적용된 이미지와 연관된 다른 상품 제공자의 상품 아이템을 식별하는 것을 특징으로 하는 컴퓨터 장치.
  19. 제12항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상품 제공자들에 의해 등록되는 상품 아이템들에 대한 상품 이미지들 각각에 태그를 설정 및 저장하고,
    상기 입력된 검색어가 포함하는 조화 키워드와 태그들간의 비교를 통해 상기 조화 키워드에 대응하는 상품 이미지들을 추출하는 것을 특징으로 하는 컴퓨터 장치.
  20. 제19항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 정의된 복수의 조화 키워드들에 대응하도록 분류된 복수의 태그 학습 이미지들을 통해 제2 딥 러닝 모델이 입력된 이미지에 따른 태그를 출력하도록 학습시키고,
    상기 학습된 제2 딥 러닝 모델을 통해 상기 등록되는 상품 이미지들 각각에 대한 태그를 결정하고,
    상기 결정된 태그를 대응하는 상품 이미지에 대해 설정 및 저장하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020180012204A 2018-01-31 2018-01-31 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템 KR102043440B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180012204A KR102043440B1 (ko) 2018-01-31 2018-01-31 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템
JP2018120577A JP6527275B1 (ja) 2018-01-31 2018-06-26 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180012204A KR102043440B1 (ko) 2018-01-31 2018-01-31 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190092910A true KR20190092910A (ko) 2019-08-08
KR102043440B1 KR102043440B1 (ko) 2019-11-08

Family

ID=66730752

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180012204A KR102043440B1 (ko) 2018-01-31 2018-01-31 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템

Country Status (2)

Country Link
JP (1) JP6527275B1 (ko)
KR (1) KR102043440B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024122863A1 (ko) * 2022-12-06 2024-06-13 삼성전자주식회사 이미지가 표시되는 캘린더 ui를 제공하는 전자 장치 및 그 제어 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417287A (zh) * 2020-11-24 2021-02-26 乐聚(深圳)机器人技术有限公司 积木块搜索方法、模型训练方法、装置、设备及存储介质
JP7360411B2 (ja) * 2021-03-29 2023-10-12 株式会社Zozo 情報表示装置、情報表示方法及び情報表示プログラム
JP7360413B2 (ja) * 2021-03-29 2023-10-12 株式会社Zozo 情報処理装置、情報処理方法及び情報処理プログラム
JP7360412B2 (ja) * 2021-03-29 2023-10-12 株式会社Zozo 情報処理装置、情報処理方法及び情報処理プログラム
CN114821030B (zh) * 2022-04-11 2023-04-04 苏州振旺光电有限公司 行星图像处理方法、系统以及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070077908A (ko) * 2006-01-25 2007-07-30 성희찬 인터넷 쇼핑몰의 운영방법
KR20110020104A (ko) * 2009-08-21 2011-03-02 유앤코드 주식회사 코디 검색 시스템 및 서비스 제공 방법
KR101768521B1 (ko) * 2016-05-02 2017-08-17 네이버 주식회사 이미지에 포함된 객체에 대한 정보 데이터를 제공하는 방법 및 시스템
KR101818716B1 (ko) * 2011-09-27 2018-01-15 네이버 주식회사 컨셉 키워드 확장 데이터 셋 생성방법, 장치 및 컴퓨터로 판독 가능한 기록매체

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8306872B2 (en) * 2008-08-08 2012-11-06 Nikon Corporation Search supporting system, search supporting method and search supporting program
JP6182125B2 (ja) * 2014-09-30 2017-08-16 富士フイルム株式会社 コーディネート提案装置及び方法
WO2016152277A1 (ja) * 2015-03-25 2016-09-29 富士フイルム株式会社 リコメンド装置、リコメンドシステム、リコメンド方法、及びプログラム
JP2017220019A (ja) * 2016-06-07 2017-12-14 日本電信電話株式会社 画像検索装置、方法、及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070077908A (ko) * 2006-01-25 2007-07-30 성희찬 인터넷 쇼핑몰의 운영방법
KR20110020104A (ko) * 2009-08-21 2011-03-02 유앤코드 주식회사 코디 검색 시스템 및 서비스 제공 방법
KR101818716B1 (ko) * 2011-09-27 2018-01-15 네이버 주식회사 컨셉 키워드 확장 데이터 셋 생성방법, 장치 및 컴퓨터로 판독 가능한 기록매체
KR101768521B1 (ko) * 2016-05-02 2017-08-17 네이버 주식회사 이미지에 포함된 객체에 대한 정보 데이터를 제공하는 방법 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024122863A1 (ko) * 2022-12-06 2024-06-13 삼성전자주식회사 이미지가 표시되는 캘린더 ui를 제공하는 전자 장치 및 그 제어 방법

Also Published As

Publication number Publication date
JP6527275B1 (ja) 2019-06-05
JP2019133620A (ja) 2019-08-08
KR102043440B1 (ko) 2019-11-08

Similar Documents

Publication Publication Date Title
KR102043440B1 (ko) 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템
US10747826B2 (en) Interactive clothes searching in online stores
EP3267362B1 (en) Machine learning image processing
US10963744B2 (en) Cognitive automated and interactive personalized fashion designing using cognitive fashion scores and cognitive analysis of fashion trends and data
US11232324B2 (en) Methods and apparatus for recommending collocating dress, electronic devices, and storage media
KR102127191B1 (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR102664008B1 (ko) 시각 정보에 기초한 고객 아이템 추천 방법 및 장치
US10360623B2 (en) Visually generated consumer product presentation
US20200342320A1 (en) Non-binary gender filter
KR20210098884A (ko) 사용자의 체형 및 구매 이력을 이용하여 패션 아이템 추천 서비스를 제공하는 방법
US20210390607A1 (en) Method, apparatus and computer program for style recommendation
US10776417B1 (en) Parts-based visual similarity search
TW201443807A (zh) 視覺化服飾檢索
Zhao et al. Neo-fashion: A data-driven fashion trend forecasting system using catwalk analysis
US11195227B2 (en) Visual search, discovery and attribution method, system, and computer program product
CN112330383A (zh) 用于基于可视元素的物品推荐的设备及方法
CN111767420A (zh) 一种生成服饰搭配数据的方法和装置
Shimizu et al. Fashion intelligence system: An outfit interpretation utilizing images and rich abstract tags
US11972466B2 (en) Computer storage media, method, and system for exploring and recommending matching products across categories
CN108764232B (zh) 标签位置获取方法及装置
KR102113318B1 (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20200058343A (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20210063665A (ko) 사용자 이벤트 정보 기반 추천 아이템 제공 방법 및 이를 실행하는 장치
CN112750004A (zh) 一种跨领域商品的冷启动推荐方法、装置和电子设备
Khaund et al. PoshakNet: Framework for matching dresses from real-life photos using GAN and Siamese Network

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant