KR20190103098A - 의류 코디 정보 추천 방법 및 장치 - Google Patents
의류 코디 정보 추천 방법 및 장치 Download PDFInfo
- Publication number
- KR20190103098A KR20190103098A KR1020190100133A KR20190100133A KR20190103098A KR 20190103098 A KR20190103098 A KR 20190103098A KR 1020190100133 A KR1020190100133 A KR 1020190100133A KR 20190100133 A KR20190100133 A KR 20190100133A KR 20190103098 A KR20190103098 A KR 20190103098A
- Authority
- KR
- South Korea
- Prior art keywords
- clothing
- information
- image
- matching
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000004744 fabric Substances 0.000 title 1
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000000725 suspension Substances 0.000 claims description 10
- 230000006698 induction Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 65
- 238000004891 communication Methods 0.000 abstract description 24
- 238000010801 machine learning Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 16
- 230000004044 response Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000037303 wrinkles Effects 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 235000019645 odor Nutrition 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000001877 deodorizing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- G06F16/55—Clustering; Classification
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06K9/481—
-
- G06K9/6267—
-
- 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
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Abstract
탑재된 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 5G 통신 환경에서 의류 코디 정보 추천 장치와, 의류 처리 가전과, 사용자 단말기 및 서버가 통신할 수 있는 의류 코디 정보 추천 방법 및 장치가 개시된다. 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법은, 수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류하는 단계와, 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 TPO 매칭 스코어를 산출하여 데이터베이스에 등록하는 단계와, 사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하는 단계와, 데이터베이스에 등록된 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보를 추천하는 단계를 포함할 수 있다. 본 발명에 의하면, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여, 사용자 자신이 실제로 보유하고 있는 의류 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
Description
본 발명은 의류 코디 정보 추천 방법 및 장치에 관한 것으로, 더욱 상세하게는 사용자 자신이 실제로 보유하고 있는 의류 정보와 TPO(time, place, occasion) 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천하는 의류 코디 정보 추천 방법 및 장치에 관한 것이다.
의류 처리 장치는 의류가 수용된 처리실 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)하는 장치를 통칭할 수 있다.
특히 의류 처리 장치에 의류를 수납하여 의류를 처리하는 기술이 선행기술 1 및 선행기술 2에 의해 개시되어 있다.
선행기술 1에는 내부에 보관되는 의류에 스팀과 건조 및 무빙행어를 제공하여 의류를 간편하고 효율적으로 건조, 살균, 구김 방지 등을 동시에 수행하는 의류 세정 관리 장치에 대한 기술이 개시되어 있으나, 의류 세정 관리 장치를 통하여 사용자가 실제 보유하고 있는 의류 정보를 수집할 수 없고, 그에 따라 사용자 요구에 적합하게 의류 코디 정보를 추천해 줄 수 없다.
선행기술 2에는 의류를 건조시킬 때 고온 다습한 열풍을 부여하여 주름을 제거하는 한편, 살균 및 탈취 효과 등을 얻을 수 있는 동시에 필요 시 옷장으로도 사용할 수 있는 다목적 의류 건조기에 대한 기술이 개시되어 있으나, 의류 건조기를 통하여 사용자가 실제 보유하고 있는 의류 정보를 수집할 수 없고, 그에 따라 사용자 요구에 적합하게 의류 코디 정보를 추천해 줄 수 없다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천하는데 있다.
본 발명의 일 과제는, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보와 TPO 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천하는데 있다.
본 발명의 일 과제는, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보와 기상정보와 TPO 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천하는데 있다.
본 발명의 일 과제는, 사용자 단말기로부터 구매 의사가 있는 의류 이미지를 수신하면, 사용자 자신이 실제로 보유하고 있는 의류 정보와 구매 의사가 있는 의류 이미지의 어울림 매칭 스코어를 계산하여 사용자에게 알려주는데 있다.
본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법은, 사용자 자신이 실제로 보유하고 있는 의류 정보와 TPO 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천하는 단계를 포함할 수 있다.
구체적으로, 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법은, 수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류하는 단계와, 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록하는 단계와, 사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하는 단계와, 데이터베이스에 등록된 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보를 추천하는 단계를 포함할 수 있다.
본 실시 예에 따른 의류 코디 정보 추천 방법을 통하여, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
또한, 스타일 정보를 분류하는 단계는, 의류 이미지로부터 추출한 특징 벡터를 분석하여 의류의 외형적 스타일 정보를 분류하도록 미리 훈련된 제1 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 추출한 특징 벡터를 분석하여 수집한 의류 이미지의 외형적 스타일 정보를 분류하는 단계와, 의류의 외형적 스타일 정보를 분석하여 의류의 추상적 스타일 정보를 분류하도록 미리 훈련된 제2 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 생성한 외형적 스타일 정보를 분석하여 수집한 의류 이미지의 추상적 스타일 정보를 분류하는 단계를 포함할 수 있다.
또한, 발화 의도를 파악하는 단계는, 사용자로부터 수신한 의류 코디 요청 발화 음성으로부터 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 추출하는 단계를 포함하고, 의류 코디 정보를 추천하는 단계는, 추출된 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 데이터베이스에 저장된 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 발화 의도에 대응하는 의류 코디 정보를 추천하는 단계를 포함할 수 있다.
또한, 데이터베이스에 등록하는 단계는, 수집한 의류 이미지에 대한 외형적 스타일 정보 및 추상적 스타일 정보를 포함하는 스타일 정보와, 데이터베이스에 등록된 사용자가 보유한 의류 이미지에 대한 스타일 정보의 유사도를 기반으로 하여, 사용자가 보유한 의류 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 데이터베이스에 등록하는 단계를 포함할 수 있다.
또한, 데이터베이스에 등록하는 단계는, 수집한 의류 이미지와, 의류 쇼핑몰들로부터 수집한 의류 코디가 완성된 이미지에 대한 유사도를 기반으로 하여, 의류 코디가 완성된 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 데이터베이스에 등록하는 단계를 포함할 수 있다.
또한, 추천하는 단계는, 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하는 단계를 포함할 수 있다.
또한, 본 실시 예에 따른 의류 코디 정보 추천 방법은, 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하는 단계를 더 포함하고, 추천하는 단계는, 의류 코디 요청 발화 음성의 발화 의도 및 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하는 단계를 포함할 수 있다.
또한, 본 실시 예에 따른 의류 코디 정보 추천 방법은, 사용자 단말기로부터 구매 의사가 있는 의류의 이미지를 수집하는 단계와, 의류 이미지 및 스타일 정보의 분석을 통하여 의류 이미지 사이의 어울림 매칭 스코어를 산출하도록 미리 훈련된 제3 심층 신경망 모델을 이용하여 구매 의사가 있는 의류의 이미지 및 구매 의사가 있는 의류의 이미지의 스타일 정보를 분석하여 구매 의사가 있는 의류의 이미지와 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하는 단계와, 어울림 매칭 스코어를 기반으로 하여 사용자 단말기에 구매 추천 정보 또는 구매 보류 정보를 전송하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따른 의류 코디 정보 추천 장치는, 수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류하는 분류부와, 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록하는 산출부와, 사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하는 음성 인식부와, 데이터베이스에 등록된 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보를 추천하는 추천부를 포함할 수 있다.
본 실시 예에 따른 의류 코디 정보 추천 장치를 통하여, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
또한, 분류부는, 의류 이미지로부터 추출한 특징 벡터를 분석하여 의류의 외형적 스타일 정보를 분류하도록 미리 훈련된 제1 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 추출한 특징 벡터를 분석하여 수집한 의류 이미지의 외형적 스타일 정보를 분류하는 제1 분류부와, 의류의 외형적 스타일 정보를 분석하여 의류의 추상적 스타일 정보를 분류하도록 미리 훈련된 제2 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 생성한 외형적 스타일 정보를 분석하여 수집한 의류 이미지의 추상적 스타일 정보를 분류하는 제2 분류부를 포함할 수 있다.
또한, 음성 인식부는, 사용자로부터 수신한 의류 코디 요청 발화 음성으로부터 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 추출하도록 구성되고, 추천부는, 추출된 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 데이터베이스에 저장된 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 발화 의도에 대응하는 의류 코디 정보를 추천하도록 구성될 수 있다.
또한, 산출부는, 수집한 의류 이미지에 대한 외형적 스타일 정보 및 추상적 스타일 정보를 포함하는 스타일 정보와, 데이터베이스에 등록된 사용자가 보유한 의류 이미지에 대한 스타일 정보의 유사도를 기반으로 하여, 사용자가 보유한 의류 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 데이터베이스에 등록하도록 구성될 수 있다.
또한, 산출부는, 수집한 의류 이미지와, 의류 쇼핑몰들로부터 수집한 의류 코디가 완성된 이미지에 대한 유사도를 기반으로 하여, 의류 코디가 완성된 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 데이터베이스에 등록하도록 구성될 수 있다.
또한, 추천부는, 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하도록 구성될 수 있다.
또한, 본 실시 예에 따른 의류 코디 정보 추천 장치는, 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하는 수집부를 더 포함하고, 추천부는, 의류 코디 요청 발화 음성의 발화 의도 및 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하도록 구성될 수 있다.
또한, 본 실시 예에 따른 의류 코디 정보 추천 장치는, 사용자 단말기로부터 구매 의사가 있는 의류의 이미지를 수집하고, 의류 이미지 및 스타일 정보의 분석을 통하여 의류 이미지 사이의 어울림 매칭 스코어를 산출하도록 미리 훈련된 제3 심층 신경망 모델을 이용하여 구매 의사가 있는 의류의 이미지 및 구매 의사가 있는 의류의 이미지의 스타일 정보를 분석하여 구매 의사가 있는 의류의 이미지와 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하며, 어울림 매칭 스코어를 기반으로 하여 사용자 단말기에 구매 추천 정보 또는 구매 보류 정보를 전송하는 유도부를 더 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
또한, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보와 TPO 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
또한, 의류 처리 가전 및/또는 사용자 단말기로부터 사용자가 실제 보유하고 있는 의류 정보를 수집하여 스타일별로 데이터베이스를 구축하고, 사용자 자신이 실제로 보유하고 있는 의류 정보와 기상정보와 TPO 정보를 바탕으로 사용자 요구에 적합하게 의류 코디 정보를 추천해 줌으로써 사용자의 의류 착용에 도움을 줄 수 있다.
또한, 사용자 단말기로부터 구매 의사가 있는 의류 이미지를 수신하면, 사용자 자신이 실제로 보유하고 있는 의류 정보와 구매 의사가 있는 의류 이미지의 어울림 매칭 스코어를 계산하여 사용자에게 알려줌으로써, 사용자 자신이 실제 가지고 있는 의류와 어울리는 의류를 사도록 유도하여 과소비를 방지할 수 있다.
또한, 의류 가전 자체는 대량 생산된 획일적인 제품이지만, 사용자는 의류 처리 장치를 개인화된 장치로 인식하므로 사용자 맞춤형 제품의 효과를 낼 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 장치, 의류 처리 가전, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 의류 코디 정보 추천 환경의 예시도이다.
도 2는 본 발명의 다른 실시 예에 따른 의류 코디 정보 추천 장치의 구현 예를 도시한 의류 코디 정보 추천 환경의 예시도 이다.
도 3은 도 1의 의류 코디 정보 추천 장치의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 4는 도 3의 의류 코디 정보 추천 장치 중 코디 정보 관리부의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 5는 도 3의 의류 코디 정보 추천 장치가 의류 처리 가전 및 사용자 단말기로부터 수집하는 의류 이미지의 생성 예를 도시한 도면이다.
도 6은 도 3의 의류 코디 정보 추천 장치가 수집한 사용자의 의류 이미지에 대한 분석을 통하여 스타일 정보를 생성하고 사용자의 의류 이미지에 스타일 정보를 태깅한 예를 도시한 도면이다.
도 7은 도 3의 의류 코디 정보 추천 장치가 수집한 사용자의 의류 이미지와 기저장된 의류 이미지의 어울림 매칭 스코어 산출 결과를 출력한 예를 도시한 도면이다.
도 8은 도 3의 의류 코디 정보 추천 장치가 사용자 자신이 실제로 보유하고 있는 의류 정보를 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다.
도 9는 도 3의 의류 코디 정보 추천 장치가 사용자가 의류를 착용할 상황을 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다.
도 10은 도 3의 의류 코디 정보 추천 장치가 사용자 단말기로부터 수신한 구매 의사가 있는 의류 이미지에 대응하여 사용자 단말기로 구매 추천 정보 또는 구매 보류 정보를 전송하는 예를 도시한 도면이다.
도 11은 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 다른 실시 예에 따른 의류 코디 정보 추천 장치의 구현 예를 도시한 의류 코디 정보 추천 환경의 예시도 이다.
도 3은 도 1의 의류 코디 정보 추천 장치의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 4는 도 3의 의류 코디 정보 추천 장치 중 코디 정보 관리부의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 5는 도 3의 의류 코디 정보 추천 장치가 의류 처리 가전 및 사용자 단말기로부터 수집하는 의류 이미지의 생성 예를 도시한 도면이다.
도 6은 도 3의 의류 코디 정보 추천 장치가 수집한 사용자의 의류 이미지에 대한 분석을 통하여 스타일 정보를 생성하고 사용자의 의류 이미지에 스타일 정보를 태깅한 예를 도시한 도면이다.
도 7은 도 3의 의류 코디 정보 추천 장치가 수집한 사용자의 의류 이미지와 기저장된 의류 이미지의 어울림 매칭 스코어 산출 결과를 출력한 예를 도시한 도면이다.
도 8은 도 3의 의류 코디 정보 추천 장치가 사용자 자신이 실제로 보유하고 있는 의류 정보를 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다.
도 9는 도 3의 의류 코디 정보 추천 장치가 사용자가 의류를 착용할 상황을 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다.
도 10은 도 3의 의류 코디 정보 추천 장치가 사용자 단말기로부터 수신한 구매 의사가 있는 의류 이미지에 대응하여 사용자 단말기로 구매 추천 정보 또는 구매 보류 정보를 전송하는 예를 도시한 도면이다.
도 11은 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 장치, 의류 처리 가전, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 의류 코디 정보 추천 환경의 예시도이다. 도 1을 참조하면, 의류 코디 정보 추천 환경은 의류 코디 정보 추천 장치(100), 의류 처리 가전(200), 사용자 단말기(300), 서버(400) 및 네트워크(500)를 포함할 수 있다.
의류 코디 정보 추천 장치(100)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 수집한 의류 이미지 정보들을 분석하여 하나 이상의 스타일 정보를 분류할 수 있다.
여기서 스타일 정보는, 수집한 의류 이미지 정보에 대한 외형적 스타일 정보와, 수집한 의류 이미지 정보에 대한 추상적 스타일 정보를 포함할 수 있다. 여기서, 외형적 스타일 정보는 색상, 재질, 길이, 카라 유무, 패턴 유무 등과 같이 눈에 보이는 실체적 정보를 포함할 수 있다. 또한 추상적 스타일 정보는, 깔끔함, 부드러움, 일상, 여름 등과 같이 해당 의류를 착용하였을 때 느낄 수 있는 감성적 정보를 포할할 수 있다. 예를 들어, 수집한 의류 이미지가 흰색 반팔 라운드 티셔츠인 경우, 의류 코디 정보 추천 장치(100)는 외형적 스타일 정보로, 흰색, 티셔츠, 반팔, 라운드 등을 분류해 낼 수 있고, 추상적 스타일 정보로, 깔끔함, 깨끗함, 평범함, 부드러움, 여름, 일상, 캠퍼스 룩 등을 분류해 낼 수 있다. 의류 코디 정보 추천 장치(100)는 분류한 스타일 정보를, 수집한 의류 이미지 정보에 태깅하여, 데이터베이스(140)에 메타 정보로 저장할 수 있다.
의류 코디 정보 추천 장치(100)는 의류 이미지들 사이에 스타일 정보를 기반으로 하여 어울림 매칭 스코어를 산출하고 데이터베이스(140)에 등록할 수 있다. 의류 코디 정보 추천 장치(100)는 의류 이미지들 사이에 스타일 정보에 대한 유사도(similarity) 및 호환성(compatibility)을 기반으로 어울림 매칭 정도를 산출할 수 있고, 샴 네트워크(siamese network) 기술을 활용하여 스타일에 대한 어울림 매칭 스코어를 산출할 수 있다.
또한 의류 코디 정보 추천 장치(100)는 수집한 의류 이미지의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록할 수 있다. 여기서, 의류 이미지 마다 서로 다른 시간, 장소 및 상황이 적용될 수 있으므로, 시간, 장소 및 상황 중 더 중요한 요소에 더 높은 가중치를 적용하여 TPO 매칭 스코어를 산출할 수 있다. 예를 들어 도 7에 도시된 녹색 코트(710)의 스타일 정보는 가을, 파티, 컬러풀 등의 스타일 정보를 포함하고 있으며, 시간으로서의 가을, 상황으로서의 파티에 더 높은 가중치를 적용하여 TPO 매칭 스코어를 산출할 수 있다.
의류 코디 정보 추천 장치(100)는 사용자로부터 수신한 의류 코디 요청 발화 음성을 수신하여 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하고, 데이터베이스(140)에 등록된 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보를 추천할 수 있다.
선택적 실시 예로, 의류 코디 정보 추천 장치(100)는 사용자 단말기(300)로부터 구매 의사가 있는 의류의 이미지를 수신하고, 구매 의사가 있는 의류의 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하며, 어울림 매칭 스코어를 기반으로 하여 사용자 단말기(300)에 구매 추천 정보 또는 구매 보류 정보를 전송할 수 있다.
의류 처리 가전(200)은 의류가 수용된 처리실 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)하는 장치를 통칭할 수 있다. 또한 의류 처리 가전(200)은 의류 이미지 생성을 위해 카메라(210)를 구비할 수 있으며, 카메라(210)는 의류 처리 가전(200) 내부 및/또는 외부에 구비될 수 있다. 의류 코디 정보 추천 장치(100)는 의류 처리 가전(200)으로부터 수집한 의류 이미지로부터 스타일 정보를 분류하고, 다른 의류 이미지와의 어울림 매칭 스코어 및/또는 TPO 매칭 스코어를 산출하여 데이터베이스(140)에 등록할 수 있다.
의류 처리 가전(200)은 의류 코디 정보 추천 장치(100)에 의류 코디 요청 신호를 전송할 수 있고, 의류 코디 정보 추천 장치(100)로부터 출력 결과로서의 의류 코디 정보 추천 결과를 수신할 수 있고, 출력 결과에 대한 사용자의 피드백 정보를 의류 코디 정보 추천 장치(100)로 전송할 수 있다.
사용자 단말기(300)는 의류 코디 정보 추천 장치 구동 어플리케이션 또는 의류 코디 정보 추천 장치 구동 사이트에 접속한 후 인증 과정을 통하여 의류 코디 정보 추천 장치(100)의 구동 또는 제어를 위한 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(300)는 의류 코디 정보 추천 장치(100)를 구동하고, 의류 코디 정보 추천 장치(100)의 동작을 제어할 수 있다.
본 실시 예에서 사용자 단말기(300)는 의류 이미지를 촬영할 수 있는 카메라(미도시)를 구비하고 있으며, 의류 코디 정보 추천 장치(100)는 사용자 단말기(300)로부터 수집한 의류 이미지로부터 스타일 정보를 분류하고, 다른 의류 이미지와의 어울림 매칭 스코어 및/또는 TPO 매칭 스코어를 산출하여 데이터베이스(140)에 등록할 수 있다. 사용자 단말기(300)는 의류 코디 정보 추천 장치(100)에 의류 코디 요청 신호를 전송할 수 있고, 의류 코디 정보 추천 장치(100)로부터 출력 결과로서의 의류 코디 정보 추천 결과를 수신할 수 있고, 출력 결과에 대한 사용자의 피드백 정보를 의류 코디 정보 추천 장치(100)로 전송할 수 있다. 또한 사용자 단말기(300)는 구매 의사가 있는 의류의 이미지를 의류 코디 정보 추천 장치(100)로 전송하고, 의류 코디 정보 추천 장치(100)로부터 구매 의사가 있는 의류의 이미지와 상기 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출 결과에 따른 구매 추천 정보 또는 구매 보류 정보를 수신할 수 있다.
본 실시 예에서 사용자 단말기(300)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(300)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(300)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
서버(400)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 의류 코디 정보 추천 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(400)는 사용자 단말기(300)에 설치된 개인 스타일 데이터베이스 구축 장치 구동 어플리케이션 또는 개인 스타일 데이터베이스 구축 장치 구동 웹 브라우저를 이용하여 의류 코디 정보 추천 장치(100)의 동작을 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.
여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
서버(400)는 의류 코디 정보 추천 장치(100)로부터 수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류할 수 있다. 서버(400)는 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 의류 코디 정보 추천 장치(100)로 전송할 수 있다. 서버(400)는 의류 코디 정보 추천 장치(100)로부터 사용자의 의류 코디 요청 발화 음성을 수신하여 음성 인식 처리하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하여 의류 코디 정보 추천 장치(100)로 전송할 수 있다. 서버(400)는 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보 추천 결과를 의류 코디 정보 추천 장치(100)로 전송할 수 있다.
본 실시 예에서, 의류 코디 정보 추천 장치(100)의 프로세싱 능력에 따라, 서버(400)가 수행하는 스타일 정보 분류, 어울림 매칭 스코어 및/또는 TPO 매칭 스코어 산출, 사용자의 코디 요청 발화 음성에 대한 발화 의도 파악, 의류 코디 정보 추천 중 적어도 일부는 의류 코디 정보 추천 장치(100)에 의해 수행될 수 있다.
네트워크(500)는 의류 코디 정보 추천 장치(100)와, 의류 처리 가전(200)과, 사용자 단말기(300)와, 서버(400)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(500)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(500)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(500)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(500)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(500)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(500)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 본 발명의 다른 실시 예에 따른 의류 코디 정보 추천 장치의 구현 예를 도시한 의류 코디 정보 추천 환경의 예시도 이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 2a 내지 도 2c를 참조하면, 의류 코디 정보 추천 장치(100)는 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 포함될 수 있다. 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 의류 코디 정보 추천 장치(100)가 포함되도록 하는 방법은 다양하다. 구체적인 실시 예로서, 네트워크(500)를 통하여 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 의류 코디 정보 추천 장치(100)를 설치할 수 있다. 예를 들면 의류 코디 정보 추천 장치(100)를 하나의 어플리케이션 형태로 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 설치할 수 있다. 또 다른 구체적인 실시 예로서 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 오프라인을 통하여 의류 코디 정보 추천 장치(100)가 설치될 수도 있다. 그러나 이는 예시적인 형태로서 본 발명은 이에 한정되지 않고, 의류 코디 정보 추천 장치(100)가 의류 처리 가전(200), 사용자 단말기(300) 및 서버(400) 중 하나에 다양한 형태로 설치될 수 있는 경우를 포함할 수 있다.
도 3은 도 1의 의류 코디 정보 추천 장치의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 3을 참조하면, 의류 코디 정보 추천 장치(100)는 통신부(110), 디스플레이부(121) 및 조작부(122)를 포함하는 사용자 인터페이스부(120), 오디오 입력부(131) 및 오디오 출력부(132)를 포함하는 오디오 처리부(130), 데이터베이스(140), 메모리(150), 코디 정보 관리부(160) 및 제어부(170)를 포함할 수 있다.
통신부(110)는 네트워크(500)와 연동하여 의류 코디 정보 추천 장치(100), 의류 처리 가전(200), 사용자 단말기(300) 및/또는 서버(400) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(110)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 의류 코디 정보 추천 장치(100)가 처리한 정보를 의류 처리 가전(200) 및/또는 사용자 단말기(300)로 전송하는 역할을 수행할 수 있다. 또한 통신부(110)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 소정의 정보 요청 신호를 서버(400)로 전송하고, 서버(400)가 처리한 응답 신호를 수신하여, 의류 처리 가전(200) 및/또는 사용자 단말기(300)로 전송할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
또한, 통신부(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
사용자 인터페이스부(120) 중 디스플레이부(121)는 제어부(170)의 제어 하에 의류 코디 정보 추천 장치(100)의 구동 상태를 디스플레이 할 수 있다. 실시 예에 따라서, 디스플레이부(121)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 디스플레이부(121)는 사용자의 터치에 의한 정보의 입력이 가능한 조작부(122)로도 사용될 수 있다. 이를 위해 디스플레이부(121)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 제어부(170)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 디스플레이부(121)는 예를 들어 터치 인식이 가능한 OLED(organic light emitting display) 또는 LCD(liquid crystal display) 또는 LED(light emitting display)와 같은 소정의 디스플레이 부재일 수 있다.
사용자 인터페이스부(120) 중 조작부(122)는 복수의 조작 버튼(미도시)을 구비하여, 입력되는 버튼에 대응하는 신호를 제어부(170)로 전송할 수 있다. 이러한 조작부(122)는 사용자의 터치 또는 누름 조작을 인식할 수 있는 센서 또는 버튼, 스위치 구조로 구성될 수 있다. 본 실시 예에서 조작부(122)는 디스플레이부(121)에 표시되는 의류 코디 정보 추천 장치(100)의 구동과 관련한 각종 정보를 확인하거나, 변경하기 위해 사용자가 조작하는 조작 신호를 제어부(170)로 전송할 수 있다. 본 실시 예에서, 의류 코디 정보 추천 장치(100)가 의류 처리 가전(200) 및/또는 사용자 단말기(300)에 포함되는 경우, 사용자 인터페이스부(120)는 사용자 단말기(300)의 디스플레이부(미도시) 및 조작부(미도시)로 대체될 수 있다.
오디오 처리부(130) 중 오디오 입력부(131)는 사용자로부터 발화 정보를 입력 받아 제어부(170)로 전송할 수 있고, 제어부(170)는 사용자의 발화 정보를 코디 정보 관리부(160)로 전송하여 음성 인식 처리를 수행하도록 할 수 있다. 이를 위해 오디오 입력부(131)는 하나 이상의 마이크로폰(미도시)을 구비할 수 있다. 또한 사용자의 발화 정보를 더 정확하게 수신하기 위해 복수의 마이크로폰(미도시)을 구비할 수 있다. 여기서, 복수의 마이크 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 사용자의 발화 정보를 전기적인 신호로 처리할 수 있다.
선택적 실시 예로 오디오 입력부(131)는 사용자의 발화 정보를 수신하는 과정에서 발생하는 노이즈를 제거하기 위한 다양한 노이즈 제거 알고리즘을 사용할 수 있다. 선택적 실시 예로 오디오 입력부(131)는 사용자의 발화 정보 수신 시에 노이즈를 제거하는 필터(미도시), 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기(미도시) 등 발화 정보 신호 처리를 위한 각종 구성 요소들을 포함할 수 있다.
오디오 처리부(130) 중 오디오 출력부(132)는 제어부(170)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 발화 정보에 포함되는 음성 명령어에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 본 실시 예에서 오디오 출력부(132)는 코디 정보 관리부(160)에서 생성한 의류 코디 정보 추천 결과를 출력할 수 있다. 오디오 출력부(132)는 제어부(170)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커 등을 구비할 수 있다.
본 실시 예에서, 의류 코디 정보 추천 장치(100)가 의류 처리 가전(200) 및/또는 사용자 단말기(300)에 포함되는 경우, 오디오 처리부(130)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)의 오디오 입력부(미도시) 및 오디오 출력부(미도시)로 대체될 수 있다.
데이터베이스(140)는 의류 코디 정보 추천 장치(100)가 수집하고, 생성한 정보를 저장하는 관리 데이터베이스를 포함할 수 있다. 여기서, 관리 데이터베이스는 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 수집한 의류 이미지 정보와, 수집한 의류 이미지 정보에 대응하는 외형적 스타일 정보 및/또는 추상적 스타일 정보를 포함하는 스타일 정보와, 어느 한 의류 이미지와 다른 의류 이미지들 간의 어울림 매칭 스코어 정보와, 의류 이미지의 TPO 매칭 스코어 정보를 저장할 수 있다.
나아가, 데이터베이스(140)는 사용자 정보를 저장하는 유저 데이터베이스를 더 포함할 수 있다. 여기서, 유저 데이터베이스는 의류 코디 정보를 요청하고 추천 받을 사용자 정보를 저장할 수 있다. 여기서, 사용자 정보에는 사용자의 이름, 소속, 인적 사항, 성별, 나이, 연락처, 이메일, 주소 등 사용자에 대한 기본적인 정보와, 아이디(ID) (또는 이메일) 및 패스워드(password) 등 인증(로그인)에 대한 정보, 접속 국가, 접속 위치, 접속에 이용한 장치에 대한 정보, 접속된 네트워크 환경 등 접속과 관련된 정보 등을 포함할 수 있다.
메모리(150)는 의류 코디 정보 추천 장치(100)의 동작에 필요한 각종 정보 예를 들어, 스타일 정보를 분류하기 위한 제1 심층 신경망 모델 및 제2 심층 신경망 모델과, 구매 의사가 있는 의류 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하기 위한 제3 심층 신경망 모델을 저장하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 또한 메모리(150)에는 의류 코디 정보 추천 장치(100)를 동작시킬 수 있는 제어 소프트웨어가 저장될 수 있다. 또한 메모리(150)에는 사용자의 음성으로부터 기동어의 존재를 판단하기 위한 기설정된 기동어가 저장될 수 있다. 한편, 기동어는 제조사에 의해 설정될 수 있다. 예를 들어, "하이 스타일러"가 기동어로 설정될 수 있고, 사용자에 의해 설정 변경할 수 있다. 이러한 기동어는 의류 코디 정보 추천 장치(100)의 음성 인식 기능을 활성화시키기 위해 입력되는 것으로, 사용자가 발화한 기동어를 인식한 의류 코디 정보 추천 장치(100)는 음성 인식 기능 활성화 상태로 전환할 수 있다.
여기서, 메모리(150)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(150)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
여기서, 간단한 음성 인식은 의류 코디 정보 추천 장치(100)가 수행하고, 자연어 처리 등 고차원의 음성 인식은 서버(400)에서 수행될 수 있다. 예를 들어, 사용자의 음성에 기설정된 기동어가 포함되어 있는 경우, 의류 코디 정보 추천 장치(100)는 음성 인식 기능이 활성화 되고, 사용자로부터 음성 명령어(의류 코디 요청 발화 음성)를 수신하기 위한 상태로 전환할 수 있다. 이 경우에, 의류 코디 정보 추천 장치(100)는 기동어 음성 입력 여부까지의 음성 인식 과정만 수행하고, 이후의 사용자 명령어에 대한 음성 인식은 서버(400)를 통하여 수행할 수 있다. 의류 코디 정보 추천 장치(100)의 시스템 자원에는 한계가 있으므로, 복잡한 자연어 인식 및 처리는 서버(400)를 통하여 수행될 수 있다.
코디 정보 관리부(160)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 수집한 의류 이미지 정보들을 분석하여 하나 이상의 스타일 정보를 분류할 수 있다. 코디 정보 관리부(160)는 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어를 산출하여 데이터베이스(140)에 등록할 수 있다. 코디 정보 관리부(160)는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스(140)에 등록할 수 있다. 코디 정보 관리부(160)는 사용자로부터 수신한 의류 코디 요청 발화 음성을 수신하여 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악하고, 데이터베이스(140)에 등록된 의류의 어울림 매칭 스코어 및/또는 TPO 매칭 스코어를 기반으로 발화 의도에 대응하는 의류 코디 정보를 추천할 수 있다.
또한 코디 정보 관리부(160)는 사용자 단말기(300)로부터 구매 의사가 있는 의류의 이미지를 수신하면, 구매 의사가 있는 의류의 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하고, 어울림 매칭 스코어를 기반으로 하여 사용자 단말기(300)에 구매 추천 정보 또는 구매 보류 정보를 전송할 수 있다.
본 실시 예에서 코디 정보 관리부(160)는 제어부(170)와 연계하여 학습을 수행하거나, 제어부(170)로부터 학습 결과를 수신할 수 있다. 본 실시 예에서 코디 정보 관리부(160)는 도 3에 도시된 바와 같이 제어부(170) 외부에 구비될 수도 있고, 제어부(170) 내부에 구비되어 제어부(170)처럼 동작할 수도 있고, 도 1의 서버(400) 내부에 구비될 수도 있다. 이하 코디 정보 관리부(160)의 상세한 내용은 도 4를 참조하여 설명하기로 한다.
제어부(170)는 일종의 중앙처리장치로서 메모리(150)에 탑재된 제어 소프트웨어를 구동하여 의류 코디 정보 추천 장치(100) 전체의 동작을 제어할 수 있다. 제어부(170)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 실시 예에서 제어부(170)는 의류 코디 정보 추천 장치(100)가 최적의 스타일 정보를 분류하고, 사용자의 의류 코디 요청 발화 음성에 대응하여 최적의 의류 코디 정보를 추천하도록, 수집한 의류 이미지에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(150)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
한편, 제어부(170)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 음성 입력 신호를 입력 데이터로 하는 머신 러닝 기반의 사용자 인식 및 사용자의 음성 인식을 수행할 수 있다.
제어부(170)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(170)는 설정에 따라 학습 후 음색 인식 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 4는 도 3의 의류 코디 정보 추천 장치 중 코디 정보 관리부의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 코디 정보 관리부(160)는 수집부(161), 분류부(162), 산출부(163), 음성 인식부(164), 추천부(165) 및 유도부(166)를 포함할 수 있다.
수집부(161)는 의류 처리 가전(200) 및/또는 사용자 단말기(300)가 촬영한 의류 이미지를 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 수집할 수 있다.
선택적 실시 예로 수집부(161)는 사용자 단말기(300)로부터 구매 의사가 있는 의류 이미지를 수집할 수 있다. 사용자가 오프라인으로 쇼핑 중에 마음에 드는 의류를 발견한 경우, 사용자 단말기(300)를 이용하여 해당 의류의 이미지를 촬영하면, 구매 의사가 있는 의류 이미지가 생성될 수 있다. 사용자는 사용자 단말기(300)에 탑재된 의류 코디 정보 추천 장치 구동 어플리케이션을 실행하고, 구매 추천 정보 또는 구매 보류 정보를 제공 받기 위한 메뉴를 선택한 후, 구매 의사가 있는 의류 이미지를 업로드 하면, 수집부(161)는 구매 의사가 있는 의류 이미지를 수집할 수 있다.
선택적 실시 예로 수집부(161)는 사용자로부터 의류 코디 요청 발화 음성을 수신한 날짜에 대한 기상 정보 및/또는 의류 코디 요청 발화 음성에 포함되는 사용자가 의류를 착용할 날짜에 대한 기상 정보를 수집할 수 있다. 이를 위해 수집부(161)는 통신부(110) 및 네트워크(500)를 통하여 기상 정보를 제공하는 기상 정보 제공 장치(미도시)에 특정 날짜에 대한 기상 정보 요청 신호를 전송하고, 기상 정보 제공 장치로부터 통신부(110) 및 네트워크(500)를 통하여 특정 날짜에 대한 기상 정보 응답 신호를 수집할 수 있다.
분류부(162)는 수집부(161)가 수집한 의류 이미지 정보들을 분석하여 하나 이상의 스타일 정보를 분류할 수 있다. 본 실시 예에서 분류부(162)는 제1 분류부(162-1) 및 제2 분류부(162-2)를 포함할 수 있다.
제1 분류부(162-1)는 수집한 의류 이미지 정보에 대하여, 색상, 재질, 길이, 카라 유무, 패턴 유무 등을 포함하는 외형적 스타일 정보를 분류할 수 있다. 제1 분류부(162-1)는 분류한 외형적 스타일 정보를, 수집한 의류 이미지 정보에 태깅하여, 데이터베이스(140)에 메타 정보로 저장할 수 있다. 본 실시 예에서 제1 분류부(162-1)는 의류 이미지로부터 추출한 특징 벡터를 분석하여 의류의 외형적 스타일 정보를 분류하도록 미리 훈련된 제1 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 추출한 특징 벡터를 분석하여 수집한 의류 이미지의 외형적 스타일 정보를 분류할 수 있다.
제2 분류부(162-2)는 수집한 의류 이미지 정보에 대하여, 깔끔함, 깨끗함, 평범함, 부드러움, 여름, 일상, 캠퍼스 룩 등을 포함하는 추상적 스타일 정보를 분류할 수 있다. 제2 분류부(162-2)는 분류한 추상적 스타일 정보를, 수집한 의류 이미지 정보에 태깅하여, 데이터베이스(140)에 메타 정보로 저장할 수 있다. 본 실시 예에서 제2 분류부(162-2)는 의류의 외형적 스타일 정보를 분석하여 의류의 추상적 스타일 정보를 분류하도록 미리 훈련된 제2 심층 신경망 모델을 이용하여 수집한 의류 이미지로부터 생성한 외형적 스타일 정보를 분석하여 수집한 의류 이미지의 추상적 스타일 정보를 분류할 수 있다.
산출부(163)는 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스(140)에 등록할 수 있다.
산출부(163)는 수집한 의류 이미지에 대한 외형적 스타일 정보 및 추상적 스타일 정보를 포함하는 스타일 정보와, 데이터베이스(140)에 등록된 사용자가 보유한 의류 이미지에 대한 스타일 정보의 유사도를 기반으로 하여, 사용자가 보유한 의류 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출할 수 있다. 또한 산출부(163)는 수집한 의류 이미지와, 의류 쇼핑몰들로부터 수집한 의류 코디가 완성된 이미지에 대한 유사도를 기반으로 하여, 의류 코디가 완성된 이미지에 대한 수집한 의류 이미지의 어울림 매칭 스코어를 산출할 수 있다.
여기서, 유사도 산출 방법은 k-최근접 이웃 알고리즘(k-nearest neighbors algorithm), 나이브 베이즈 분류(naive bayes classifier), 서포트 벡터 머신(support vector machine) 등의 방법을 사용할 수 있다. 또한 유사도 산출 방법으로 샴 네트워크(siamese network)를 이용할 수 있는데, 샴 네트워크는 카테고리별 학습 데이터(traing data)가 충분치 않은 인식기에 사용될 수 있는 뉴럴 네트워크일 수 있다. 샴 네트워크는 데이터로부터 유사도 산출을 학습할 수 있다. 샴 네트워크는 적어도 부분적으로 가중치를 공유하는 두 개 이상의 네트워크와, 뉴럴 네트워크들로부터 출력을 입력 받는 비교 모듈(미도시)을 포함할 수 있다. 샴 네트워크에는 적어도 두 개의 이미지가 입력될 수 있다. 여기서 두 개의 이미지는 수집부(161)가 수집한 의류 이미지와 데이터베이스(140)에 기저장된 사용자가 보유하고 있는 의류 이미지를 포함할 수 있다. 또한 두 개의 이미지는 수집부가 수집한 의류 이미지와, 외부(예를 들어, 의류 쇼핑몰)로부터 수집한 의류 코디가 완성된 이미지를 포함할 수 있다. 샴 네트워크는 입력되는 두 개의 이미지의 유사도를 판단한 결과를 출력할 수 있다. 이미지 처리를 위하여 샴 네트워크는 이미지를 입력 받는 두 개의 컨벌루셔널 뉴럴 네트워크를 포함할 수 있다. 샴 네트워크에서 이미지를 입력 받는 두 개의 컨벌루셔널 뉴럴 네트워크는 가중치의 적어도 일부를 공유할 수 있다. 샴 네트워크에 포함된 서브 네트워크들은 가중치 공유 모듈(미도시)에 의하여 가중치를 공유할 수 있으며, 서브 네트워크들이 가중치를 공유 함으로써, 샴 네트워크는 입력된 두 개의 이미지에 대해 공통된 가중치로 피쳐를 추출하여 비교할 수 있다.
산출부(163)는 수집한 의류 이미지와 기저장된 의류 이미지의 유사도에 대응하여, 사전에 설정된 가중치를 적용하여 수집한 의류 이미지와 기저장된 의류 이미지 사이의 어울림 매칭 스코어를 산출할 수 있다. 선택적 실시 예로 산출부(163)는 수집한 의류 이미지와 외부(예를 들어, 의류 쇼핑몰)로부터 수집한 의류 코디가 완성된 이미지의 유사도에 대응하여, 사전에 설정된 가중치를 적용하여 수집한 의류 이미지와 외부로부터 수집한 의류 코디가 완성된 이미지 사이의 어울림 매칭 스코어를 산출할 수 있다. 선택적 실시 예로 산출부(163)는 수집한 의류 이미지에 대한 스타일 정보와 기저장된 의류 이미지에 대한 스타일 정보의 유사도에 대응하여, 사전에 설정된 가중치를 적용하여 수집한 의류 이미지와 기저장된 의류 이미지 사이의 어울림 매칭 스코어를 산출할 수 있다. 선택적 실시 예로 산출부(163)는 수집한 의류 이미지에 대한 스타일 정보와 외부로부터 수집한 의류 코디가 완성된 이미지에 대한 스타일 정보의 유사도에 대응하여, 사전에 설정된 가중치를 적용하여 수집한 의류 이미지와 외부로부터 수집한 의류 코디가 완성된 이미지 사이의 어울림 매칭 스코어를 산출할 수 있다.
또한 산출부(163)는 수집한 의류 이미지의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록할 수 있다. 여기서, 의류 이미지 마다 서로 다른 시간, 장소 및 상황이 적용될 수 있으므로, 시간, 장소 및 상황 중 더 중요한 요소에 더 높은 가중치를 적용하여 TPO 매칭 스코어를 산출할 수 있다.
음성 인식부(164)는 사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악할 수 있다. 본 실시 예에서, 음성 인식부(164)는 자동 음성 인식부(ASR(auto speech recognition) unit)(164-1), 자연어 이해부(natural language understanding unit)(164-2), 자연어 생성부(natural language generation unit)(164-3) 및 텍스트 음성 변환부(TTS(text to speech) unit)(164-4)를 포함할 수 있다.
자동 음성 인식부(164-1)는 오디오 입력부(131)를 통하여 수신한 사용자로의 의류 코디 요청 발화 음성을 텍스트로 변환한 의류 코디 요청 텍스트를 생성할 수 있다. 본 실시 예에서 자동 음성 인식부(164-1)는 음성 텍스트 변환(STT(speech to text)을 수행할 수 있다. 자동 음성 인식부(164-1)는 수신한 사용자의 의류 코디 요청 발화 음성을 의류 코디 요청 텍스트로 변환할 수 있다. 본 실시 예에서, 자동 음성 인식부(164-1)는 발화 인식부(미도시)를 포함할 수 있다. 발화 인식부는 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식부는 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자의 의류 코디 요청 발화 음성을 의류 코디 요청 텍스트로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식부(164-1) 내의 자동 음성 인식 데이터베이스(미도시)에 저장될 수 있다.
자연어 이해부(164-2)는 의류 코디 요청 텍스트에 대하여, 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의류 코디 요청 발화 음성에 대한 발화 의도를 분석할 수 있다. 여기서, 문법적 분석은 질의 텍스트를 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 또한 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해부(164-2)는 의류 코디 요청 텍스트가 어떤 의도(intent)인지 또는 이러한 의도를 표현하는데 필요한 파라미터(parameter)를 얻을 수 있다.
자연어 생성부(164-3)는 자연어 이해부(164-2)에서 분석한 발화 의도에 기초하여 지식 베이스(knowledge- base)를 이용하여 의류 코디 요청 텍스트에 대한 의류 코디 응답 텍스트를 생성할 수 있다.
텍스트 음성 변환부(164-4)는 자연어 생성부(164-3)가 생성한 자연어 발화 형태의 의류 코디 응답 텍스트에 대한 응답 발화 음성 변환 결과로서 의류 코디 응답 발화 음성을 생성하고, 의류 코디 응답 발화 음성을 오디오 출력부(132)를 통하여 출력할 수 있다.
추천부(165)는 데이터베이스(140)에 등록된 어울림 매칭 스코어 및/또는 TPO 매칭 스코어를 기반으로 하여, 사용자의 발화 의도에 대응하는 의류 코디 정보를 추천할 수 있다.
추천부(165)는 사용자의 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 데이터베이스(140)에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천할 수 있다.
추천부(165)는 수집부(161)로부터 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하고, 의류 코디 요청 발화 음성의 발화 의도 및 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 데이터베이스(140)에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천할 수 있다.
추천부(155)는 음성 인식부(154)로부터 사용자의 의류 코디 요청 발화 음성에 포함된 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 수신할 수 있고, 추천부(155)는 추출된 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 데이터베이스(140)에 저장된 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 발화 의도에 대응하는 의류 코디 정보를 추천할 수 있다.
유도부(166)는 수집부(161)가 수집한 사용자 단말기(300)로부터 구매 의사가 있는 의류 이미지를 수신할 수 있다. 유도부(166)는 의류의 이미지 및 의류 이미지의 스타일 정보의 분석을 통하여 의류 이미지 사이의 어울림 매칭 스코어를 산출하도록 미리 훈련된 제3 심층 신경망 모델을 이용하여, 구매 의사가 있는 의류의 이미지 및 구매 의사가 있는 의류의 이미지의 스타일 정보를 분석하여 구매 의사가 있는 의류의 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출할 수 있다. 유도부(166)는 어울림 매칭 스코어를 기반으로 하여 사용자 단말기(300)에 구매 추천 정보 또는 구매 보류 정보를 전송할 수 있다.
유도부(166)는 구매 의사가 있는 의류의 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어 산출 결과를 내림차순으로 정렬하고, 어울림 매칭 스코어와 의류 이미지를 함께 사용자 단말기(300)로 전송할 수 있다. 유도부(166)는 어울림 매칭 스코어가 기준값(예를 들어, 70점)을 초과하는 의류 이미지가 존재하는 경우, 구매 의사가 있는 의류의 구매를 유도하는 구매 추천 정보를 전송할 수 있다. 그러나 유도부(166)는 어울림 매칭 스코어가 기준값(예를 들어, 70점)을 초과하는 의류 이미지가 존재하지 않을 경우, 구매 의사가 있는 의류의 구매를 보류하는 구매 보류 정보를 전송할 수 있다.
도 5는 도 3의 의류 코디 정보 추천 장치(100)가 의류 처리 가전(200) 및 사용자 단말기(300)로부터 수집하는 의류 이미지의 생성 예를 도시한 도면이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 5a를 참조하면, 의류 처리 가전(200)에 구비된 카메라(210)는, 의류 처리 가전(200) 앞에서 기설정된 시간(예를 들어 3초) 이상 머무른 사용자가 착용한 의류를 촬영하여 의류 이미지를 생성할 수 있다. 의류 코디 정보 추천 장치(100)는 네트워크(500) 및 통신부(110)를 통하여 의류 처리 가전(200)이 생성한 의류 이미지를 수집할 수 있다.
도 5b를 참조하면, 사용자 단말기(300)에 구비된 카메라를 이용하여, 사용자가 실제 보유하고 있는 의류를 촬영함으로써 의류 이미지를 생성할 수 있다. 의류 코디 정보 추천 장치(100)는 네트워크(500) 및 통신부(110)를 통하여 사용자 단말기(300)가 생성한 의류 이미지를 수집할 수 있다.
도 6은 도 3의 의류 코디 정보 추천 장치(100)가 수집한 사용자의 의류 이미지에 대한 분석을 통하여 스타일 정보를 생성하고 사용자의 의류 이미지에 스타일 정보를 태깅한 예를 도시한 도면이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 6을 참조하면, 다양한 형태의 외형적 스타일 정보 및 추상적 스타일 정보가 수집한 의류 이미지 정보에 태깅되어 있는 형태를 도시하고 있다.
도 7은 도 3의 의류 코디 정보 추천 장치(100)가 사용자의 의류 이미지와 기저장된 의류 이미지의 어울림 매칭 스코어 산출 결과를 출력한 예를 도시하고 있다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 7을 참조하면, 의류 처리 가전(200) 및/또는 사용자 단말기(300)로부터 수집한 녹색 코트(710)와 데이터베이스(140)에 기저장된 회색 반바지(720) 및 검정색 정장 바지(730) 사이의 유사도를 기반으로 한 어울림 매칭 스코어 산출 결과가 도시되어 있다. 의류 코디 정보 추천 장치(100)의 어울림 매칭 스코어 산출 결과, 녹색 코트(710)와 회색 반바지(720) 사이의 어울림 매칭 스코어는 0.1이고, 녹색 코트(710)와 검정색 정장 바지(730) 사이의 어울림 매칭 스코어는 0.9이다.
도 7로부터 예를 들어, 사용자로부터 녹색 코트(710)에 어울리는 의류를 추천해 달라는 의류 코디 요청 발화 음성이 수신되면, 의류 코디 정보 추천 장치(100)는 상술한 어울림 매칭 스코어 산출 결과를 기반으로 하여, 회색 반바지(720)보다 검정색 정장 바지(730)를 의류 코디 정보 추쳔 결과로 출력할 수 있다.
도 8은 도 3의 의류 코디 정보 추천 장치(100)가 사용자 자신이 실제로 보유하고 있는 의류 정보를 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다. 이하의 설명에서 도 1 내지 도 7에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 8a을 참조하면, 의류 처리 가전(200)으로부터 사용자의 의류 코디 요청 음성 즉, 현재 착용중인 후드 티에 어울리는 바지를 찾아 달라는 음성을 전송 받은 의류 코디 정보 추천 장치(100)는 사용자의 발화 의도를 파악할 수 있다.
도 8b는 의류 코디 정보 추천 장치(100)가 사용자의 발화 의도에 대응하여 데이터베이스(140)에 저장된 어울림 매칭 스코어 산출 결과를 기반으로 하여, 사용자의 발화 의도에 대응하는 의류 코디 정보를 추천한 예를 도시하고 있다.
도 8c는 의류 코디 정보 추천 장치(100)가 사용자의 발화 의도 및 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 대응하여 데이터베이스(140)에 저장된 어울림 매칭 스코어 산출 결과를 기반으로 하여, 사용자의 발화 의도에 대응하는 의류 코디 정보를 추천한 예를 도시하고 있다
도 9는 도 3의 의류 코디 정보 추천 장치가 사용자가 의류를 착용할 상황을 기반으로 하여 의류 코디 정보를 추천하는 예를 도시한 도면이다. 이하의 설명에서 도 1 내지 도 8에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 9a을 참조하면, 의류 처리 가전(200)으로부터 사용자의 의류 코디 요청 음성 즉, 파티에 어울리는 화려한 의류를 추천해 달라는 음성을 전송 받은 의류 코디 정보 추천 장치(100)는 사용자의 발화 의도를 파악할 수 있다.
도 9b는 의류 코디 정보 추천 장치(100)가 사용자의 발화 의도에 대응하여 데이터베이스(140)에 저장된 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출 결과를 기반으로 하여, 사용자의 발화 의도에 대응하는 의류 코디 정보를 추천한 예를 도시하고 있다.
도 10은 도 3의 의류 코디 정보 추천 장치가 사용자 단말기로부터 수신한 구매 의사가 있는 의류 이미지에 대응하여 사용자 단말기로 구매 추천 정보 또는 구매 보류 정보를 전송하는 예를 도시한 도면이다. 이하의 설명에서 도 1 내지 도 9에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 10을 참조하면, 도 10a는 사용자가 오프라인으로 쇼핑 중에 마음에 드는 의류를 발견하고, 사용자 단말기(300)를 이용하여 구매 의사가 있는 의류 이미지를 촬영한 예를 도시하고 있다. 사용자는 사용자 단말기(300)에 탑재된 의류 코디 정보 추천 장치 구동 어플리케이션을 실행하고, 구매 추천 정보 또는 구매 보류 정보를 제공 받기 위한 메뉴를 선택한 후, 구매 의사가 있는 의류 이미지를 업로드 하면, 의류 코디 정보 추천 장치(100)는 구매 의사가 있는 의류 이미지를 수집할 수 있다.
도 10b는 구매 의사가 있는 의류의 이미지와 데이터베이스(140)에 등록된 의류 이미지 사이의 어울림 매칭 스코어 산출 결과를 내림차순으로 정렬하고, 어울림 매칭 스코어와 의류 이미지를 함께 사용자 단말기(300)로 전송한 예를 도시하고 있다. 도 10b로부터 사용자 단말기(300)에는 어울림 매칭 스코어가 기준값(예를 들어, 70점)을 초과하는 의류 이미지가 존재하지 않아서, 구매 의사가 있는 의류에 대한 구매를 보류하는 구매 보류 정보가 출력된 예가 도시되어 있다.
도 10c는 사용자 단말기(300) 상에 출력된 구매 의사가 있는 의류에 대한 구매 보류 정보를 확인한 사용자가, 구매 의사가 있는 의류에 대한 구매를 포기하는 예를 도시하고 있으며, 이와 같은 의류 코디 정보 추천 장치(100)의 동작을 통해서, 사용자가 보유하고 있는 의류와 어울리는 의류를 사도록 유도하여 과소비를 방지할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 의류 코디 정보 추천 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 내지 도 10에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 11을 참조하면, S1110단계에서, 의류 코디 정보 추천 장치(100)는 수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류한다. 여기서 스타일 정보는, 수집한 의류 이미지 정보에 대한 외형적 스타일 정보와, 수집한 의류 이미지 정보에 대한 추상적 스타일 정보를 포함할 수 있다. 여기서, 외형적 스타일 정보는 색상, 재질, 길이, 카라 유무, 패턴 유무 등과 같이 눈에 보이는 실체적 정보를 포함할 수 있다. 또한 추상적 스타일 정보는, 깔끔함, 부드러움, 일상, 여름 등과 같이 해당 의류를 착용하였을 때 느낄 수 있는 감성적 정보를 포할할 수 있다.
S1120단계에서, 의류 코디 정보 추천 장치(100)는 분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록한다. 의류 코디 정보 추천 장치(100)는 의류 이미지들 사이에 스타일 정보에 대한 유사도(similarity) 및 호환성(compatibility)을 기반으로 어울림 매칭 정도를 산출할 수 있고, 샴 네트워크(siamese network) 기술을 활용하여 스타일에 대한 어울림 매칭 스코어를 산출할 수 있다. 또한 의류 코디 정보 추천 장치(100)는 수집한 의류 이미지의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록할 수 있다. 여기서, 의류 이미지 마다 서로 다른 시간, 장소 및 상황이 적용될 수 있으므로, 시간, 장소 및 상황 중 더 중요한 요소에 더 높은 가중치를 적용하여 TPO 매칭 스코어를 산출할 수 있다.
S1130단계에서, 의류 코디 정보 추천 장치(100)는 사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 사용자의 의류 코디 요청 음성의 발화 의도를 파악한다.
S1140단계에서, 의류 코디 정보 추천 장치(100)는 데이터베이스에 등록된 어울림 매칭 스코어 또는 TPO 매칭 스코어를 기반으로 하여, 발화 의도에 대응하는 의류 코디 정보를 추천한다. 의류 코디 정보 추천 장치(100)는 사용자의 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천할 수 있다. 의류 코디 정보 추천 장치(100)는 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하고, 의류 코디 요청 발화 음성의 발화 의도 및 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천할 수 있다. 의류 코디 정보 추천 장치(100)는 사용자의 의류 코디 요청 발화 음성에 포함된 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 수신하고, 추출된 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 데이터베이스에 저장된 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 발화 의도에 대응하는 의류 코디 정보를 추천할 수 있다.
선택적 실시 예로, 의류 코디 정보 추천 장치(100)는 사용자 단말기(300)로부터 구매 의사가 있는 의류의 이미지를 수신하고, 구매 의사가 있는 의류의 이미지와 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하며, 어울림 매칭 스코어를 기반으로 하여 사용자 단말기(300)에 구매 추천 정보 또는 구매 보류 정보를 전송할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 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 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 의류 코디 정보 추천 장치
200: 의류 처리 가전
300: 사용자 단말기
400: 서버
500: 네트워크
200: 의류 처리 가전
300: 사용자 단말기
400: 서버
500: 네트워크
Claims (17)
- 의류 코디 정보를 추천하는 방법으로서,
수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류하는 단계;
분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 상기 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록하는 단계;
사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 상기 사용자의 의류 코디 요청 음성의 발화 의도를 파악하는 단계; 및
상기 데이터베이스에 등록된 상기 어울림 매칭 스코어 또는 상기 TPO 매칭 스코어를 기반으로 하여, 상기 발화 의도에 대응하는 의류 코디 정보를 추천하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
상기 스타일 정보를 분류하는 단계는,
의류 이미지로부터 추출한 특징 벡터를 분석하여 의류의 외형적 스타일 정보를 분류하도록 미리 훈련된 제1 심층 신경망 모델을 이용하여 상기 수집한 의류 이미지로부터 추출한 특징 벡터를 분석하여 상기 수집한 의류 이미지의 외형적 스타일 정보를 분류하는 단계; 및
의류의 외형적 스타일 정보를 분석하여 의류의 추상적 스타일 정보를 분류하도록 미리 훈련된 제2 심층 신경망 모델을 이용하여 상기 수집한 의류 이미지로부터 생성한 상기 외형적 스타일 정보를 분석하여 상기 수집한 의류 이미지의 추상적 스타일 정보를 분류하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
상기 발화 의도를 파악하는 단계는,
상기 사용자로부터 수신한 의류 코디 요청 발화 음성으로부터 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 추출하는 단계를 포함하고,
상기 의류 코디 정보를 추천하는 단계는,
추출된 상기 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 상기 데이터베이스에 저장된 상기 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 상기 발화 의도에 대응하는 의류 코디 정보를 추천하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
상기 데이터베이스에 등록하는 단계는,
상기 수집한 의류 이미지에 대한 외형적 스타일 정보 및 추상적 스타일 정보를 포함하는 스타일 정보와, 상기 데이터베이스에 등록된 상기 사용자가 보유한 의류 이미지에 대한 스타일 정보의 유사도를 기반으로 하여, 상기 사용자가 보유한 의류 이미지에 대한 상기 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 상기 데이터베이스에 등록하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
상기 데이터베이스에 등록하는 단계는,
상기 수집한 의류 이미지와, 의류 쇼핑몰들로부터 수집한 의류 코디가 완성된 이미지에 대한 유사도를 기반으로 하여, 상기 의류 코디가 완성된 이미지에 대한 상기 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 상기 데이터베이스에 등록하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
상기 추천하는 단계는,
상기 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 상기 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 6 항에 있어서,
상기 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하는 단계를 더 포함하고,
상기 추천하는 단계는,
상기 의류 코디 요청 발화 음성의 발화 의도 및 상기 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 상기 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하는 단계를 포함하는,
의류 코디 정보 추천 방법. - 제 1 항에 있어서,
사용자 단말기로부터 구매 의사가 있는 의류의 이미지를 수집하는 단계;
의류 이미지 및 스타일 정보의 분석을 통하여 의류 이미지 사이의 어울림 매칭 스코어를 산출하도록 미리 훈련된 제3 심층 신경망 모델을 이용하여 상기 구매 의사가 있는 의류의 이미지 및 상기 구매 의사가 있는 의류의 이미지의 스타일 정보를 분석하여 상기 구매 의사가 있는 의류의 이미지와 상기 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하는 단계; 및
상기 어울림 매칭 스코어를 기반으로 하여 상기 사용자 단말기에 구매 추천 정보 또는 구매 보류 정보를 전송하는 단계를 더 포함하는,
의류 코디 정보 추천 방법. - 컴퓨터를 이용하여 제 1 항 내지 제 8 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
- 의류 코디 정보를 추천하는 장치로서,
수집한 의류 이미지의 분석을 통하여 스타일 정보를 분류하는 분류부;
분류한 스타일 정보에 포함되는 의류 이미지 사이에 어울림 매칭 스코어 또는 상기 의류 이미지 각각의 시간(time), 장소(place) 및 상황(occasion)에 대한 TPO 매칭 스코어를 산출하여 데이터베이스에 등록하는 산출부;
사용자로부터 수신한 의류 코디 요청 발화 음성을 인식하고, 상기 사용자의 의류 코디 요청 음성의 발화 의도를 파악하는 음성 인식부; 및
상기 데이터베이스에 등록된 상기 어울림 매칭 스코어 또는 상기 TPO 매칭 스코어를 기반으로 하여, 상기 발화 의도에 대응하는 의류 코디 정보를 추천하는 추천부를 포함하는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
상기 분류부는,
의류 이미지로부터 추출한 특징 벡터를 분석하여 의류의 외형적 스타일 정보를 분류하도록 미리 훈련된 제1 심층 신경망 모델을 이용하여 상기 수집한 의류 이미지로부터 추출한 특징 벡터를 분석하여 상기 수집한 의류 이미지의 외형적 스타일 정보를 분류하는 제1 분류부; 및
의류의 외형적 스타일 정보를 분석하여 의류의 추상적 스타일 정보를 분류하도록 미리 훈련된 제2 심층 신경망 모델을 이용하여 상기 수집한 의류 이미지로부터 생성한 상기 외형적 스타일 정보를 분석하여 상기 수집한 의류 이미지의 추상적 스타일 정보를 분류하는 제2 분류부를 포함하는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
상기 음성 인식부는,
상기 사용자로부터 수신한 의류 코디 요청 발화 음성으로부터 코디한 의류를 착용할 시간, 장소 및 상황 중 적어도 하나에 대한 정보를 추출하도록 구성되고,
상기 추천부는,
추출된 상기 시간, 장소 및 상황 중 적어도 하나에 대한 정보와 상기 데이터베이스에 저장된 상기 의류 이미지 각각의 TPO 매칭 스코어를 기반으로 상기 발화 의도에 대응하는 의류 코디 정보를 추천하도록 구성되는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
상기 산출부는,
상기 수집한 의류 이미지에 대한 외형적 스타일 정보 및 추상적 스타일 정보를 포함하는 스타일 정보와, 상기 데이터베이스에 등록된 상기 사용자가 보유한 의류 이미지에 대한 스타일 정보의 유사도를 기반으로 하여, 상기 사용자가 보유한 의류 이미지에 대한 상기 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 상기 데이터베이스에 등록하도록 구성되는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
상기 산출부는,
상기 수집한 의류 이미지와, 의류 쇼핑몰들로부터 수집한 의류 코디가 완성된 이미지에 대한 유사도를 기반으로 하여, 상기 의류 코디가 완성된 이미지에 대한 상기 수집한 의류 이미지의 어울림 매칭 스코어를 산출하고 상기 데이터베이스에 등록하도록 구성되는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
상기 추천부는,
상기 의류 코디 요청 발화 음성의 발화 의도에 기초하여, 상기 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하도록 구성되는,
의류 코디 정보 추천 장치. - 제 15 항에 있어서,
상기 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보를 수집하는 수집부를 더 포함하고,
상기 추천부는,
상기 의류 코디 요청 발화 음성의 발화 의도 및 상기 의류 코디 요청 발화 음성을 수신한 날짜의 기상 정보에 기초하여, 상기 데이터베이스에 등록된 의류의 어울림 매칭 스코어 중 점수 조합이 높은 순서대로 의류 코디 정보를 추천하도록 구성되는,
의류 코디 정보 추천 장치. - 제 10 항에 있어서,
사용자 단말기로부터 구매 의사가 있는 의류의 이미지를 수집하고,
의류 이미지 및 스타일 정보의 분석을 통하여 의류 이미지 사이의 어울림 매칭 스코어를 산출하도록 미리 훈련된 제3 심층 신경망 모델을 이용하여 상기 구매 의사가 있는 의류의 이미지 및 상기 구매 의사가 있는 의류의 이미지의 스타일 정보를 분석하여 상기 구매 의사가 있는 의류의 이미지와 상기 데이터베이스에 등록된 의류 이미지 사이의 어울림 매칭 스코어를 산출하며,
상기 어울림 매칭 스코어를 기반으로 하여 상기 사용자 단말기에 구매 추천 정보 또는 구매 보류 정보를 전송하는 유도부를 더 포함하는,
의류 코디 정보 추천 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190100133A KR20190103098A (ko) | 2019-08-16 | 2019-08-16 | 의류 코디 정보 추천 방법 및 장치 |
| US16/579,465 US11263473B2 (en) | 2019-08-16 | 2019-09-23 | Method and device for recommending cloth coordinating information |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190100133A KR20190103098A (ko) | 2019-08-16 | 2019-08-16 | 의류 코디 정보 추천 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190103098A true KR20190103098A (ko) | 2019-09-04 |
Family
ID=67950167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190100133A KR20190103098A (ko) | 2019-08-16 | 2019-08-16 | 의류 코디 정보 추천 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11263473B2 (ko) |
| KR (1) | KR20190103098A (ko) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111767420A (zh) * | 2019-09-26 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 一种生成服饰搭配数据的方法和装置 |
| KR102178767B1 (ko) * | 2020-03-11 | 2020-11-13 | 주식회사 스타일큐 | 패션스타일링-색조화장품 매칭시스템 |
| KR102185638B1 (ko) * | 2019-10-31 | 2020-12-02 | 김다솜 | 인공지능을 이용한 패션 스타일 종합 코디네이션 제안 시스템 및 그 운용방법 |
| KR20210030190A (ko) * | 2019-09-09 | 2021-03-17 | 주식회사 웨얼리 | 하이라키 구조의 인공지능 모델을 이용한 패션 이미지 분석 방법, 장치 및 컴퓨터프로그램 |
| KR20210031223A (ko) * | 2019-09-11 | 2021-03-19 | 주식회사 인텔리시스 | 딥러닝을 이용한 벡터기반의 패션추천 방법 및 시스템 |
| KR20210037485A (ko) * | 2019-09-27 | 2021-04-06 | 주식회사 데이터몬스터즈 | 유사 패션 상품 데이터 검색 및 제공 방법과 그를 위한 컴퓨팅 장치 |
| KR20210074154A (ko) * | 2019-12-11 | 2021-06-21 | 주식회사 스타일봇 | 취향중심 또는 상황중심으로 의류 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 프로그램 |
| KR20210079026A (ko) * | 2019-12-19 | 2021-06-29 | 김일용 | 의류 추천 방법 및 그 장치 |
| KR20210112258A (ko) * | 2020-03-04 | 2021-09-14 | 케이퍼스트랩 주식회사 | 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치 |
| WO2021230675A1 (ko) * | 2020-05-13 | 2021-11-18 | (주)사맛디 | 딥러닝 기반 대상체 감성 인식 방법 및 장치 |
| KR102354736B1 (ko) * | 2021-07-06 | 2022-01-24 | 주식회사 레슈와 | 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치 |
| WO2022025340A1 (ko) * | 2020-07-30 | 2022-02-03 | 주식회사 룩코 | 가상 옷장 구축 및 코디 조합 생성 시스템 및 그 방법 |
| KR20220021122A (ko) * | 2020-08-13 | 2022-02-22 | 건국대학교 글로컬산학협력단 | 코디 추천 장치 및 방법 |
| KR20220057446A (ko) * | 2020-10-29 | 2022-05-09 | 브랜드36점5컨설팅그룹 주식회사 | 인공지능을 이용한 고객 패션 분석 시스템 |
| WO2022107952A1 (ko) * | 2020-11-20 | 2022-05-27 | 주식회사 제이어스 | 패션 이미지 속성을 이용한 자동 스타일링 서비스 시스템 및 방법 |
| KR20220144238A (ko) | 2021-04-19 | 2022-10-26 | 권진욱 | 의류 코디 추천 시스템 |
| KR102495868B1 (ko) * | 2022-08-19 | 2023-02-06 | 주식회사 커넥터 | Ai를 활용한 패션 연계 맞춤형 향수 추천시스템 |
| KR20230053852A (ko) * | 2021-10-15 | 2023-04-24 | (주)에오스와이텍 | 패션 스타일 분류 시스템 및 그 분류 방법 |
| US11663816B2 (en) | 2020-02-17 | 2023-05-30 | Electronics And Telecommunications Research Institute | Apparatus and method for classifying attribute of image object |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11961046B2 (en) * | 2018-05-22 | 2024-04-16 | Micro Focus Llc | Automatic selection of request handler using trained classification model |
| US11481830B2 (en) * | 2019-12-18 | 2022-10-25 | Tata Consultancy Services Limited | Method, system and medium for user specific apparel attribute recommendation |
| US20220222613A1 (en) * | 2021-01-13 | 2022-07-14 | Tata Consultancy Services Limited | Method and system for detection of hidden patterns for apparel strategies |
| CN114185471A (zh) * | 2022-02-17 | 2022-03-15 | 哈尔滨工业大学（威海） | 一种基于用户意图识别的服装推荐方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100370363B1 (en) | 2002-01-31 | 2003-01-30 | Min Suk Han | Clothes drying machine having wrinkles removing function |
| KR101954032B1 (ko) | 2018-09-28 | 2019-03-06 | 와이.엘산업주식회사 | 의류 세정관리 장치 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002207802A (ja) * | 2000-12-19 | 2002-07-26 | Shima Seiki Mfg Ltd | アパレル製品販売支援方法および装置ならびに試着室 |
| TW200842777A (en) * | 2007-04-18 | 2008-11-01 | Chih-Chen Wu | Online clothing display system and method thereof |
-
2019
- 2019-08-16 KR KR1020190100133A patent/KR20190103098A/ko not_active Application Discontinuation
- 2019-09-23 US US16/579,465 patent/US11263473B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100370363B1 (en) | 2002-01-31 | 2003-01-30 | Min Suk Han | Clothes drying machine having wrinkles removing function |
| KR101954032B1 (ko) | 2018-09-28 | 2019-03-06 | 와이.엘산업주식회사 | 의류 세정관리 장치 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210030190A (ko) * | 2019-09-09 | 2021-03-17 | 주식회사 웨얼리 | 하이라키 구조의 인공지능 모델을 이용한 패션 이미지 분석 방법, 장치 및 컴퓨터프로그램 |
| WO2021221247A1 (ko) * | 2019-09-09 | 2021-11-04 | 주식회사 웨얼리 | 하이라키 구조의 인공지능 모델을 이용한 패션 이미지 분석 방법, 장치 및 컴퓨터프로그램 |
| KR20210031223A (ko) * | 2019-09-11 | 2021-03-19 | 주식회사 인텔리시스 | 딥러닝을 이용한 벡터기반의 패션추천 방법 및 시스템 |
| CN111767420A (zh) * | 2019-09-26 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 一种生成服饰搭配数据的方法和装置 |
| KR20210037485A (ko) * | 2019-09-27 | 2021-04-06 | 주식회사 데이터몬스터즈 | 유사 패션 상품 데이터 검색 및 제공 방법과 그를 위한 컴퓨팅 장치 |
| KR102185638B1 (ko) * | 2019-10-31 | 2020-12-02 | 김다솜 | 인공지능을 이용한 패션 스타일 종합 코디네이션 제안 시스템 및 그 운용방법 |
| KR20210074154A (ko) * | 2019-12-11 | 2021-06-21 | 주식회사 스타일봇 | 취향중심 또는 상황중심으로 의류 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 프로그램 |
| KR20210079026A (ko) * | 2019-12-19 | 2021-06-29 | 김일용 | 의류 추천 방법 및 그 장치 |
| US11663816B2 (en) | 2020-02-17 | 2023-05-30 | Electronics And Telecommunications Research Institute | Apparatus and method for classifying attribute of image object |
| KR20210112258A (ko) * | 2020-03-04 | 2021-09-14 | 케이퍼스트랩 주식회사 | 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치 |
| KR102178767B1 (ko) * | 2020-03-11 | 2020-11-13 | 주식회사 스타일큐 | 패션스타일링-색조화장품 매칭시스템 |
| WO2021230675A1 (ko) * | 2020-05-13 | 2021-11-18 | (주)사맛디 | 딥러닝 기반 대상체 감성 인식 방법 및 장치 |
| WO2022025340A1 (ko) * | 2020-07-30 | 2022-02-03 | 주식회사 룩코 | 가상 옷장 구축 및 코디 조합 생성 시스템 및 그 방법 |
| US11645837B1 (en) | 2020-07-30 | 2023-05-09 | Looko Inc. | System for constructing virtual closet and creating coordinated combination, and method therefor |
| KR20220021122A (ko) * | 2020-08-13 | 2022-02-22 | 건국대학교 글로컬산학협력단 | 코디 추천 장치 및 방법 |
| KR20220057446A (ko) * | 2020-10-29 | 2022-05-09 | 브랜드36점5컨설팅그룹 주식회사 | 인공지능을 이용한 고객 패션 분석 시스템 |
| WO2022107952A1 (ko) * | 2020-11-20 | 2022-05-27 | 주식회사 제이어스 | 패션 이미지 속성을 이용한 자동 스타일링 서비스 시스템 및 방법 |
| KR20220144238A (ko) | 2021-04-19 | 2022-10-26 | 권진욱 | 의류 코디 추천 시스템 |
| WO2023282459A1 (ko) * | 2021-07-06 | 2023-01-12 | 주식회사 레슈와 | 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치 |
| KR102354736B1 (ko) * | 2021-07-06 | 2022-01-24 | 주식회사 레슈와 | 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치 |
| KR20230053852A (ko) * | 2021-10-15 | 2023-04-24 | (주)에오스와이텍 | 패션 스타일 분류 시스템 및 그 분류 방법 |
| KR102495868B1 (ko) * | 2022-08-19 | 2023-02-06 | 주식회사 커넥터 | Ai를 활용한 패션 연계 맞춤형 향수 추천시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200019811A1 (en) | 2020-01-16 |
| US11263473B2 (en) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190103098A (ko) | 의류 코디 정보 추천 방법 및 장치 | |
| US20200018006A1 (en) | Operating mode determining method and operating mode determining device | |
| CN113377899A (zh) | 意图识别方法及电子设备 | |
| KR20190105536A (ko) | 선호도 기반 서비스 제공 시스템, 장치 및 방법 | |
| US11308955B2 (en) | Method and apparatus for recognizing a voice | |
| US20210125605A1 (en) | Speech processing method and apparatus therefor | |
| KR20190084789A (ko) | 전자 장치 및 그 제어 방법 | |
| WO2015178078A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| US11379756B2 (en) | Laundry scheduling apparatus and method | |
| KR102590914B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| US11328718B2 (en) | Speech processing method and apparatus therefor | |
| US11030991B2 (en) | Method and device for speech processing | |
| KR20210062428A (ko) | 영상 촬영 장치의 원격 제어 방법 및 장치 | |
| US11423884B2 (en) | Device with convolutional neural network for acquiring multiple intent words, and method thereof | |
| US11386895B2 (en) | Speech processing method and apparatus therefor | |
| CN112913252A (zh) | 电子设备及控制电子设备的方法 | |
| US11437042B2 (en) | Communication robot and method for operating the same | |
| EP3667549B1 (en) | Laundry scheduling device | |
| CN107305549A (zh) | 语言数据处理方法、装置以及用于语言数据处理的装置 | |
| US11483172B2 (en) | Integrated control method and system for home appliance using artificial intelligence | |
| US11468886B2 (en) | Artificial intelligence apparatus for performing voice control using voice extraction filter and method for the same | |
| KR20190118996A (ko) | 음성 처리 방법 및 음성 처리 장치 | |
| CN107666536A (zh) | 一种寻找终端的方法和装置、一种用于寻找终端的装置 | |
| US11514902B2 (en) | Speech recognition method and apparatus therefor | |
| US20200143235A1 (en) | System and method for providing smart objects virtual communication |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal |