KR20200084425A - 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법 - Google Patents

Abstract

본 발명은 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법에 관한 것으로서, 더욱 상세히는 복수의 서로 다른 신경망에 패션 관련 상품의 상품 이미지와 상품 구분을 위한 카테고리 관련 정보 및 상품의 속성 관련 속성정보를 학습시켜 정제된 상품 정보를 생성하고, 해당 상품 정보를 학습한 신경망을 통해 사용자가 제작한 신규 디자인에 대한 평가와 더불어 신규 디자인에 대한 상품성에 대한 정보를 제공하여 패션 디자이너의 디자인 제작 방향에 상당한 도움을 줄 수 있는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법에 관한 것이다.

Description

신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법{Service providing apparatus and method for supporting fashion design using neural network}

본 발명은 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법에 관한 것으로서, 더욱 상세히는 복수의 서로 다른 신경망에 패션 관련 상품의 상품 이미지와 상품 구분을 위한 카테고리 관련 정보 및 상품의 속성 관련 속성정보를 학습시켜 정제된 상품 정보를 생성하고, 해당 상품 정보를 학습한 신경망을 통해 사용자가 제작한 신규 디자인에 대한 평가와 더불어 신규 디자인에 대한 상품성에 대한 정보를 제공하여 패션 디자이너의 디자인 제작 방향에 상당한 도움을 줄 수 있는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치 및 방법에 관한 것이다.

현재 정보통신 기술의 발전과 더불어 다양한 상품을 온라인 쇼핑몰과 같은 온라인 마켓 시장이 급격히 발전하고 있으며, 이에 따라 판매자들은 점차 상품을 온라인 마켓을 통해 판매하는 사례가 늘고 있다.

이러한 상품의 온라인 판매를 위해 판매자들은 판매 상품과 관련된 상품 이미지와 판매 상품의 종류, 판매 상품의 판매 대상 등과 같은 다양한 데이터를 포함하는 상품 정보를 생성하여 온라인 마켓에 등록하게 되는데, 온라인 마켓의 급격한 발전과 더불어 이러한 상품 정보가 기하급수적으로 증가하고 있다.

이에 따라, 빅데이터를 형성하는 다수의 상품 정보를 활용한 빅데이터 분석을 통해 유행 파악이나 광고 타겟팅과 같은 다양한 목적에 활용하고자 하는 시도가 증가하고 있다.

특히, 패션과 관련된 온라인 마켓 시장은 유행에 민감하여 대중이 요구하는 상품의 변화가 시시각각 변화하는 분야로서, 패션 분야에서 두각을 나타내기 위해서는 이러한 빅데이터의 활용이 무엇보다도 중요시되고 있고 있을 뿐만 아니라 다른 분야에 비해서 지속적으로 단기간에 수많은 상품이 출시되므로 빅데이터 분석을 위한 정보량 역시 충족되는 분야이다.

그러나, 이러한 상품 정보가 분석 자료로서 활용 가치를 가지기 위해서는 상품이 속한 카테고리에 대한 정보 이외에도 상품의 재질이나 디자인과 같은 세부적인 속성에 대해서도 정보가 필요하나 이러한 상품 관련 특징을 상품 정보에 포함시켜 입력할 때 동일 상품에 대해서 판매자마다 각자의 주관적인 판단에 따라 특징을 입력하거나 패션과 관련한 지식이 부족한 사용자가 상품 정보 입력시 오입력이 발생할 수 있으므로 상품 정보의 일관성이 떨어지는 문제가 있을 뿐만 아니라 불필요한 정보가 다수 상품 정보에 포함되는 문제가 있으며, 이로 인해 이러한 상품 정보를 빅데이터 분석에 활용하는 경우 분석 결과에 대한 신뢰도가 떨어지는 문제가 있다.

또한, 이러한 패션 분야에 종사하는 패션 디자이너는 유행이 시시각각 변화하는 패션 분야에서 유행을 선도하는 것이 매우 중요하고, 최근 이러한 다양한 상품 관련 정보에 대한 빅데이터 분석을 통해 상품 종류별로 유행하는 디자인을 파악하고자 하는 시도가 있으나, 상술한 바와 같이 활용 가치가 떨어지는 기존의 패션 관련 상품 정보로 인해 빅데이터 분석에 대한 신뢰도가 떨어질 뿐만 아니라

한국공개특허 제10-2006-0056614호

본 발명은 패션 관련 상품과 관련하여 복수의 신경망을 통해 사용자가 상품 구분을 위한 카테고리 관련 정보 이외에 상품의 속성과 관련된 속성 정보가 오입력 없이 상품의 속성이 정확히 반영된 상품 정보를 생성할 수 있도록 지원하고, 이러한 상품 정보를 기반으로 학습된 복수의 신경망을 통해 빅데이터 분석을 위한 정보로서의 활용 가치를 가지는 정제된 상품 정보를 자동 생성할 수 있도록 지원하며, 해당 정제된 상품 정보를 기반으로 학습된 신경망을 통해 패션 디자이너가 제작한 상품과 관련하여 디자인 패턴에 대한 평가 및 소비자의 반응 예측과 관련된 상품 경쟁력에 대한 정보를 제공하여 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원하는데 그 목적이 있다.

본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법은 제어부가 평가 대상 상품의 특정 상품 이미지를 수신하는 수신 단계와, 상기 제어부가 복수의 신경망으로 구성되어 상품 이미지에서 특정된 상품 관련 이미지 영역이 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보와 상호 매칭되어 학습된 저레벨 학습부 및 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 추출된 미리 설정된 개수의 서로 다른 상품 관련 키워드 중 미리 설정된 복수의 속성별로 사용자 입력에 따라 선택된 선택 키워드가 상기 이미지 영역과 상호 매칭되어 학습된 제 1 신경망을 각각 포함하는 복수의 속성별 고레벨 학습부에 상기 특정 상품 이미지를 적용하여 상기 평가 대상 상품과 관련하여 상기 복수의 카테고리별 기본 정보 및 상기 속성별 데이터를 포함하는 속성정보를 포함하는 특정 상품 정보를 생성하는 정보 생성 단계와, 상기 제어부가 상기 저레벨 학습부 및 고레벨 학습부를 통해 생성된 상품 정보와 브랜드 및 제조시기가 상호 매칭되어 학습된 제 2 신경망을 포함하는 디자인 패턴 학습부에 상기 특정 상품 정보를 적용하여 상기 평가 대상 상품과 가장 유사한 디자인 패턴을 가진 유사 상품과의 매칭도와 상기 유사 상품 관련 브랜드 및 제조시기를 포함하는 유사 브랜드 정보를 생성하는 평가 단계 및 상기 제어부가 상기 매칭도와 유사 브랜드 정보와 상기 상품 정보에 대응되어 추출된 하나 이상의 상기 키워드 및 판매량이 상호 매칭되어 학습된 제 3 신경망을 포함하는 반응 예측부에 상기 평가 대상 상품 관련 매칭도 및 유사 브랜드 정보를 적용하여 상기 평가 대상 상품과 관련된 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 제공하는 예측 단계를 포함할 수 있다.

본 발명과 관련된 일 예로서, 상기 상품 유관 정보는 상품의 광고 정보, 상품의 제품 소개 정보, 상품의 웹 페이지 정보, 상품의 댓글 정보 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

본 발명과 관련된 일 예로서, 상기 복수의 카테고리는 상품에 대응되는 성별, 상품이 착용되는 신체 부위, 상품의 종류를 포함하는 것을 특징으로 할 수 있다.

본 발명과 관련된 일 예로서, 상기 제어부가 복수의 신경망으로 구성된 저레벨 학습부에 상품별로 상품 이미지에서 특정된 상품 관련 이미지 영역과 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보를 매칭하여 학습시키는 제 1 학습 단계 및 상기 제어부가 상품별로 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 미리 설정된 개수의 서로 다른 상품 관련 키워드를 추출하여 사용자 입력을 수신하는 사용자 인터페이스부를 통해 표시하고, 상기 사용자 인터페이스부를 통한 사용자 입력에 따라 미리 설정된 복수의 속성별로 선택된 상기 키워드를 신경망으로 구성되고 상기 복수의 속성과 각각 대응되는 복수의 고레벨 학습부 중 상기 선택된 키워드와 매칭되는 상기 이미지 영역과 함께 상기 선택된 키워드에 대응되는 고레벨 학습부에 학습시키는 제 2 학습 단계를 더 포함하는 것을 특징으로 할 수 있다.

본 발명과 관련된 일 예로서, 상기 제 1 학습 단계는 상기 제어부가 하나 이상의 상품이 표시된 이미지에서 상기 복수의 카테고리별 기본 정보에 매칭되는 학습 대상 상품의 이미지 영역을 식별하도록 상기 저레벨 학습부를 통해 복수의 신경망 중 특정 신경망에 학습시키는 단계를 더 포함하고, 상기 제 2 학습 단계는 상기 제어부가 상기 특정 신경망을 통해 얻어진 상기 학습 대상 상품 관련 이미지 영역을 기초로 이미지 처리부를 통해 상기 상품 이미지에서 상기 이미지 영역에 대응되는 영역을 클리핑하여 상기 학습 대상 상품 관련 분할 이미지를 생성한 후 상기 복수의 고레벨 학습부에 상기 이미지 영역으로서 학습시키는 단계를 더 포함하는 것을 특징으로 할 수 있다.

본 발명과 관련된 일 예로서, 상기 평가 단계는 상기 제어부가 상기 평가 대상 상품의 특정 상품 이미지를 상기 저레벨 학습부에 적용하여 얻어진 상기 평가 대상 상품 관련 상기 복수의 카테고리별 기본 정보 및 이미지 영역 중 상기 이미지 영역을 상기 복수의 고레벨 학습부에 적용하여 상기 평가 대상 상품에 대응되는 속성별 데이터가 포함된 속성 정보를 산출하는 출력 단계 및 상기 제어부가 상기 평가 대상 상품에 대응되어 상기 출력 단계를 통해 생성된 상기 복수의 카테고리별 기본 정보 및 속성 정보를 포함하는 상품 정보를 생성하는 정제 단계를 더 포함하는 것을 특징으로 할 수 있다.

본 발명과 관련된 일 예로서, 상기 복수의 속성은 상품의 재질, 상품의 디자인 스타일, 상품의 착용 계절, 상품의 색상 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치는, 복수의 신경망으로 구성되고 상품 이미지에서 특정된 상품 관련 이미지 영역이 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보와 상호 매칭되어 학습된 저레벨 학습부와, 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 추출된 미리 설정된 개수의 서로 다른 상품 관련 키워드 중 미리 설정된 복수의 속성별로 사용자 입력에 따라 선택된 선택 키워드가 상기 이미지 영역과 상호 매칭되어 학습된 제 1 신경망을 각각 포함하는 복수의 속성별 고레벨 학습부와, 상품별로 상기 저레벨 학습부 및 고레벨 학습부를 통해 생성된 상품 정보와 브랜드 및 제조시기가 매칭되어 학습된 제 2 신경망을 포함하고, 상기 제 2 신경망을 통해 상기 상품 정보에 대응되어 가장 디자인 패턴이 유사한 유사 상품과의 매칭도와 상기 유사 상품 관련 브랜드 및 제조시기를 포함하는 유사 브랜드 정보를 생성하는 디자인 패턴 학습부와, 상기 매칭도와 유사 브랜드 정보와 상기 상품 정보에 대응되어 추출된 하나 이상의 상기 키워드 및 판매량이 상호 매칭되어 학습된 제 3 신경망을 포함하는 반응 예측부 및 사용자로부터 수신한 평가 대상 상품 관련 특정 상품 이미지를 상기 저레벨 학습부 및 복수의 속성별 고레벨 학습부에 적용하여 상기 평가 대상 상품과 관련된 상기 복수의 카테고리별 기본 정보 및 상기 속성별 데이터를 포함하는 속성정보를 포함하는 특정 상품 정보를 생성하고, 상기 디자인 패턴 학습부에 상기 특정 상품 정보를 적용하여 얻어진 상기 평가 대상 상품 관련 매칭도 및 유사 브랜드 정보를 상기 반응 예측부에 적용하여 상기 평가 대상 상품과 관련된 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 제공하는 제어부를 포함할 수 있다.

본 발명은 다수의 신경망을 기반으로 카테고리 분류 및 상품의 속성과 관련된 정보가 전무한 상품 이미지에 대해서 자동으로 정형화되고 정제된 상품 정보를 생성하여 제공함으로써 상품에 대한 상품 정보의 자동 생성을 지원하여 상품 관리의 편의성을 높임과 동시에 상기 상품 정보와 브랜드 및 제조 시기가 매칭되어 학습된 특정 신경망을 통해 산출되는 특정 상품의 기존 디자인 패턴과의 매칭도 및 유사 브랜드 정보를 해당 특정 상품와 연관되어 추출된 키워드 및 판매량과 매칭하여 학습시킨 신경망 및 상기 특정 신경망에 패션 디자이너가 제작한 평가 대상 상품과 관련하여 얻어진 상품 정보를 적용함으로써, 상기 평가 대상 상품과 관련하여 디자인 패턴에 대한 평가 및 소비자의 반응 예측과 관련된 상품 경쟁력에 대한 정보를 제공하여 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원하는 효과가 있다.

또한, 본 발명은 패션 디자이너인 사용자가 해당 매칭도 및 유사 브랜드 정보를 기초로 사용자가 제작한 평가 대상 상품이 기존에 판매된 상품과 어느 정도 유사한지를 판단하여 평가 대상 상품이 무난한 스타일인지 또는 기존에 존재하지 않는 디자인 패턴을 가진 독창성이 있는 상품인지 판단할 수 있도록 지원할 수 있을 뿐만 아니라 기존 상품과 유사하다면 유사 상품과 관련된 브랜드 및 제조시기를 확인하여 유행이 지난 상품인지를 판단할 수 있도록 지원함과 아울러 평가 대상 상품과 유사한 유사 상품과 관련된 과거 소비자들의 반응 및 판매량을 제공하여 평가 대상 상품이 판매될시 소비자들의 반응 및 판매량을 사용자가 예측 가능하도록 제공함으로써, 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원하는 효과가 있다.

더하여, 본 발명은 상술한 구성을 통해 사용자가 상품을 변경하면서 다양한 상품의 경쟁력을 평가해볼 수 있도록 지원할 수 있을 뿐만 아니라, 관심 있는 디자이너가 제작한 상품에 대해서도 예측되는 평가에 대한 결과를 얻을 수 있어 사용자가 패션 상품과 관련하여 다양한 판매전략을 수립할 수 있도록 지원할 수 있다.

도 1은 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치의 구성 환경도.
도 2 및 도 3은 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치의 상세 구성도 및 동작 예시도.
도 4는 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치의 이미지 영역과 기본 정보 및 속성 정보에 대한 수정 관련 예시도.
도 5는 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치의 디자인 패턴 분석 관련 동작 예시도.
도 6은 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치의 예측 정보 제공에 대한 동작 예시도.
도 7은 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법에 대한 순서도.

이하, 도면을 참고하여 본 발명의 상세 실시예를 설명한다.

도 1은 본 발명의 실시예에 따른 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치(이하, 서비스 제공 장치)(100)의 구성 환경도로서, 도시된 바와 같이 상기 서비스 제공 장치(100)는 보유 DB(200)를 포함하여 구성될 수 있으며, 사용자 입력을 수신하고 각종 정보를 표시하는 사용자 인터페이스부(10)와 통신 연결될 수 있다.

이때, 상기 서비스 제공 장치(100)는 상기 사용자 인터페이스부(10)를 포함하여 구성될 수도 있다.

또한, 상기 서비스 제공 장치(100)는 상기 사용자 인터페이스부(10)와 통신망을 통해 연결되어 상호 통신하거나 통신 선로를 통해 연결되어 상호 통신할 수 있다.

이때, 통신망은 유/무선 통신망을 포함할 수 있으며, 이러한 무선 통신망의 일례로 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), 5G 이동통신 서비스, 블루투스(Bluetooth), LoRa(Long Range), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. 또한, 유선 통신망으로는 유선 LAN(Local Area Network), 유선 WAN(Wide Area Network), 전력선 통신(Power Line Communication: PLC), USB 통신, 이더넷(Ethernet), 시리얼 통신(serial communication), 광/동축 케이블 등이 포함될 수 있다.

또한, 상기 사용자 인터페이스부(10)는 사용자 단말로서 구성될 수 있으며, 해당 사용자 단말은 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 텔레매틱스(Telematics) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display) 등 포함), 와이브로(Wibro) 단말기, IPTV(Internet Protocol Television) 단말기, 스마트 TV, 디지털방송용 단말기, 텔레비전(Television), 3D 텔레비전, 홈 시어터(Home Theater) 시스템, AVN(Audio Video Navigation) 단말기, A/V(Audio/Video) 시스템, 플렉시블 단말기(Flexible Terminal) 등과 같은 다양한 단말기를 포함할 수 있다.

또한, 상기 사용자 인터페이스부(10)는 각종 정보(일례로, 서비스 제공 장치(100)로부터 수신된 정보)를 표시하는 표시 모듈과, 사용자 입력을 수신하는 입력 모듈과, 상기 서비스 제공 장치(100)와의 통신을 위한 통신 모듈과, 상기 사용자 인터페이스부(10)의 전반적인 제어 기능(일례로, 표시 모듈과 입력 모듈 및 통신 모듈의 제어)을 수행하는 제어 모듈 등을 포함할 수 있으며, 해당 제어 모듈은 CPU, MCU(Micro Controller Unit) 등을 포함하여 구성될 수 있다. 이때, 상기 사용자 인터페이스부(10)가 상기 서비스 제공 장치(100)에 포함되어 구성되는 경우 상기 사용자 인터페이스부(10)의 제어 모듈은 생략될 수 있으며, 상기 서비스 제공 장치(100)에 구성된 제어부(160)에 의해 상기 사용자 인터페이스부(10)의 전반적인 제어가 수행될 수 있다.

한편, 상기 보유 DB(200)에는 패션(fashion) 관련 복수의 서로 다른 상품과 연관되는 다양한 정보들이 미리 저장될 수 있으며, 일례로, 상품 관련 상품 이미지, 상품의 광고 정보, 상품의 제품 소개 정보, 상품의 웹 페이지(web page) 정보, 상품의 댓글 정보 등과 같은 다양한 정보들이 저장될 수 있다.

이때, 본 발명에서 설명하는 패션은 의류, 액세서리(accessory) 등과 같은 사용자의 신체에 착용되는 다양한 상품을 의미할 수 있으나, 이에 한정되지 않고 패션과 관련된 다양한 상품을 의미할 수 있다.

한편, 본 발명에서 설명하는 신경망(또는 신경망 모델)은 입력층(Input Layer), 하나 이상의 은닉층(Hidden Layers) 및 출력층(Output Layer)으로 구성된 딥러닝(Deep Learning) 알고리즘으로 구성될 수 있으며, 상기 신경망 모델에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), SVM(Support Vector Machine) 등과 같은 다양한 종류의 신경망이 적용될 수 있다.

이때, 신경망이 CNN으로 구성된 경우 하나 이상의 콘볼루션 계층(Convolutional Layer), 통합 계층(Pooling Layer) 및 완전하게 연결된 계층(Fully Connected Layer)을 포함하여 구성될 수 있다.

상술한 구성을 기초로, 본 발명은 다수의 신경망을 통해 패션 관련 상품을 자동 분류하고 상품 정보를 생성할 수 있도록 상품과 관련된 정보를 다수의 신경망에 학습시키는 과정에서 상품의 카테고리와 같이 정형화(표준화)된 정보 이외에 상품의 특징 및 성질과 같이 판매자마다 정의가 다르고 불필요한 정보가 많아 정형화(표준화) 및 정제가 어려운 상품의 다양한 속성과 관련된 정보에 대해서도 사용자가 용이하게 해당 상품의 속성을 특정하여 다수의 신경망에 학습시킬 수 있도록 지원하고, 이를 기반으로 학습 완료된 다수의 신경망에 상품 관련 이미지를 적용하는 것만으로 상품의 이미지 및 카테고리 관련 정보 뿐만 아니라 상품의 속성에 대해서도 정형화되고 정제된 정보가 포함된 상품 정보를 생성할 수 있도록 지원할 수 있다.

또한, 본 발명은 패션 디자이너(designer)가 제작하거나 평가가 필요한 평가 대상 상품과 관련하여 얻어진 상품 정보를 다수의 신경망에 적용하여 디자인 패턴에 대한 평가 및 소비자의 반응 예측과 관련된 상품 경쟁력에 대한 정보를 제공할 수 있으며, 이를 통해 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원할 수 있다.

이하, 상술한 구성을 토대로 본 발명의 상세 실시예를 이하 도면을 참고하여 상세히 설명한다.

도 2 및 도 3은 본 발명의 실시예에 따른 서비스 제공 장치(100)의 상세 구성도 및 동작 예시도이다.

도시된 바와 같이, 상기 서비스 제공 장치(100)는 이미지 처리부(110)와, 저레벨 학습부(120)와, 참고정보 제공부(130)와, 복수의 서로 다른 고레벨 학습부(140)와, 디자인 패턴 학습부(150), 반응 예측부(170), 디자이너 관리부(180) 및 제어부(160)를 포함하여 구성될 수 있다.

이때, 상기 제어부(160)를 제외한 상기 서비스 제공 장치(100)에 구성된 이미지 처리부(110)와, 저레벨 학습부(120)와, 참고정보 제공부(130)와, 복수의 서로 다른 고레벨 학습부(140)와, 디자인 패턴 학습부(150), 반응 예측부(170), 디자이너 관리부(180) 중 적어도 하나가 상기 제어부(160)에 포함되어 구성될 수도 있다.

또한, 상기 제어부(160)는 미리 저장된 프로그램 및 데이터를 이용하여 상기 서비스 제공 장치(100)의 전반적인 제어 기능을 실행한다. 제어부(160)는 RAM, ROM, CPU, GPU, 버스를 포함할 수 있으며, RAM, ROM, CPU, GPU 등은 버스를 통해 서로 연결될 수 있다. CPU는 상기 서비스 제공 장치(100)에 구성된 별도의 저장부에 액세스하여, 저장부에 저장된 O/S(Operating System)를 이용하여 부팅을 수행할 수 있으며, 저장부에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행할 수 있다.

또한, 상기 서비스 제공 장치(100)는 보유 DB(200)와 연결되거나 보유 DB(200)를 포함하여 구성될 수 있으며, 상기 보유 DB(200)는 상기 저장부로 구성될 수도 있다.

이때, 보유 DB(200)는 패션과 관련된 복수의 서로 다른 상품별 상품 이미지가 저장된 이미지 DB(210)와, 상기 복수의 상품별로 상품 구분을 위한 미리 설정된 복수의 카테고리(category)별 기본 정보가 상품 식별정보와 매칭되어 저장된 기본 정보 DB(220)와, 상기 복수의 상품별로 상품과 관련성이 있는 다양한 상품 유관 정보가 저장된 판매 관련 DB(230) 및 상기 제어부(160)에 의해 정제된 상품 정보가 저장되는 상품 DB(240)를 포함할 수 있다.

여기서, 상기 기본 정보 및 상기 상품 이미지에는 상품 식별정보가 포함될 수 있다.

또한, 상기 복수의 카테고리는 복수의 상품을 복수의 서로 다른 상품군으로 분류(구분)하기 위한 것으로서, 상품에 대응되는 성별, 상품이 착용되는 신체 부위, 상품의 종류 등과 같은 다양한 카테고리를 포함할 수 있다.

또한, 상기 기본 정보는 상기 성별 관련 카테고리에 대응되어 남성 또는 여성 관련 정보가 포함되고, 상기 신체 부위 관련 카테고리에 대응되어 상의, 하의 등과 같은 정보가 포함되며, 상기 상품의 종류 관련 카테고리에 대응되어 코트, 블라우스, 셔츠 등과 같은 정보가 포함될 수 있다.

또한, 상기 상품 유관 정보는 상품의 광고 정보, 상품의 제품 소개 정보, 상품의 웹 페이지 정보, 상품의 댓글 정보 등과 같이 상품의 판매시에 발생한 정보 등을 포함할 수 있다.

우선, 저레벨 학습부(120)는 복수의 신경망으로 구성되거나 상기 복수의 신경망을 포함하여 구성될 수 있으며, 상기 복수의 상품 중 학습 대상 상품별로 상품 이미지에서 특정된 학습 대상 상품 관련 이미지 영역과 기설정된 복수의 카테고리와 각각 대응되는 학습 대상 상품 관련 복수의 서로 다른 기본 정보를 상기 이미지 DB(210) 및 기본 정보 DB(220)로부터 추출한 후 상호 매칭하여 상기 복수의 신경망에 학습시킬 수 있다.

이때, 상기 제어부(160)는 복수의 신경망으로 구성된 저레벨 학습부(120)에 상기 복수의 상품 중 학습 대상 상품별로 상품 이미지에서 특정된 학습 대상 상품 관련 이미지 영역과 기설정된 복수의 카테고리와 각각 대응되는 학습 대상 상품 관련 복수의 서로 다른 기본 정보를 매칭하여 학습시킬 수 있다.

이를 위해, 상기 제어부(160)는 상기 이미지 DB(210)에서 상기 저레벨 학습부(120)에 학습시키기 위한 상품 이미지 추출시 상기 상품 이미지에 포함된 상품 식별정보를 기초로 상기 상품 이미지에 매칭되는 복수의 카테고리별 기본 정보를 상기 기본 정보 DB(220)로부터 추출할 수 있으며, 이를 통해 학습 대상 상품에 대해 상기 이미지 DB(210)로부터 추출한 상품 이미지와 상기 기본 정보 DB(220)로부터 추출한 복수의 카테고리별 기본 정보를 상호 매칭하여 상기 저레벨 학습부(120)를 통해 상기 복수의 신경망에 학습시킬 수 있다.

또한, 상기 제어부(160)는 하나 이상의 상품이 표시된 상기 상품 이미지에서 학습 대상 상품이 표시된 상품 관련 이미지 영역을 상기 저레벨 학습부(120)에 구성된 복수의 신경망 중 어느 하나의 특정 신경망에 학습시키기 위해 상기 사용자 인터페이스부(10)에 상기 상품 이미지를 표시할 수 있으며, 상기 상품 이미지에서 상기 사용자 인터페이스부(10)를 통한 사용자 입력에 따라 선택된 영역을 이미지 영역으로 설정하고, 상기 저레벨 학습부(120)를 통해 상기 상품 이미지에서 상기 이미지 영역에 대응되는 분할 이미지가 상기 특정 신경망에 학습되도록 할 수 있다.

이때, 상기 제어부(160)는 상기 사용자 입력에 따라 학습 대상 상품에 대한 상품 이미지에서 이미지 영역 설정시 상기 이미지 처리부(110)에 상기 학습 대상 상품의 상품 이미지와 이미지 영역을 제공할 수 있으며, 상기 이미지 처리부(110)는 상기 상품 이미지에서 상기 이미지 영역을 클리핑(clipping)(또는 잘라내기 또는 오려내기)하여 학습 대상 상품의 이미지가 대부분의 영역을 차지하는 분할 이미지를 생성한 후 상기 저레벨 학습부(120)에 전달하여 상기 분할 이미지가 학습 대상 상품과 관련하여 상기 학습 대상 상품의 카테고리별 기본정보와 함께 상기 저레벨 학습부(120)에 학습되도록 할 수 있다.

즉, 상기 제어부(160)는 상기 저레벨 학습부(120)에 학습시키는 이미지 영역을 상기 이미지 처리부(110)를 통해 분할 이미지로 생성하여 상기 분할 이미지를 이미지 영역으로 상기 저레벨 학습부(120)를 통해 상기 복수의 신경망에 학습시킬 수 있다.

또한, 상기 제어부(160)는 상기 저레벨 학습부(120)에 학습되는 상품 이미지 관련 이미지 영역과 상기 복수의 카테고리별 기본 정보를 포함하는 학습 대상 상품 관련 학습 대상 상품 정보의 개수가 미리 설정된 기준치 이상인 경우 상기 저레벨 학습부(120)에 특정 상품의 특정 상품 이미지만 입력하면 상기 저레벨 학습부(120)를 통해 상기 특정 상품 이미지에 대응되는 이미지 영역과 상기 특정 상품 이미지에 대응되는 카테고리별 기본 정보가 출력(산출)되도록 할 수 있다.

이때, 도 4에 도시된 바와 같이, 상기 제어부(160)는 상기 특정 상품 이미지에 대응되어 상기 저레벨 학습부(120)에 구성된 복수의 신경망을 통해 출력되는 이미지 영역과 상기 카테고리별 기본 정보를 상기 사용자 인터페이스부(10)에 제공하여 표시되도록 할 수 있다.

또한, 상기 사용자 인터페이스부(10)의 제어 모듈은 표시 모듈을 통해 상기 이미지 영역과 카테고리별 기본 정보를 표시할 수 있으며, 상기 이미지 영역을 상기 특정 상품 이미지에 상기 이미지 영역이 설정된 상태로 표시하거나 상기 이미지 영역에 대응되는 분할 이미지를 표시할 수 있다.

또한, 상기 제어 모듈은 상기 특정 상품 이미지에서 이미지 영역이 잘못 설정되거나 상기 카테고리별 기본 정보에 오류가 발생한 경우 상기 사용자 인터페이스부(10)를 통한 사용자 입력을 기초로 상기 특정 상품 이미지에서 이미지 영역을 재설정하거나 오류가 발생한 기본 정보를 수정하여 생성한 수정 정보를 서비스 제공 장치(100)의 제어부(160)에 제공할 수 있다.

이를 통해, 상기 제어부(160)는 상기 수정 정보 수신시 상기 특정 상품 이미지에서 상기 수정 정보에 대응되는 영역으로 상기 이미지 영역을 갱신하고, 상기 특정 상품에 대응되는 상기 복수의 카테고리별 기본 정보를 상기 갱신된 이미지 영역과 매칭하여 상기 저레벨 학습부(120)를 통해 상기 복수의 신경망에 학습킬 수 있다.

또한, 상기 제어부(160)는 상기 수정 정보가 기본 정보의 오류 수정인 경우 상기 특정 상품 이미지에 대응되는 이미지 영역과 오류가 수정된 카테고리별 기본정보를 상호 매칭하여 상기 저레벨 학습부(120)를 통해 상기 복수의 신경망에 학습시킬 수 있다.

이를 통해, 상기 제어부(160)는 상기 저레벨 학습부(120)를 구성하는 복수의 신경망에서 출력되는 정보의 정확도 또는 상기 저레벨 학습부(120)의 정확도를 높일 수 있다.

한편, 상기 복수의 고레벨 학습부(140) 각각은 상기 복수의 신경망과 구분되는 별도의 신경망인 제 1 신경망으로 구성되거나 상기 제 1 신경망을 포함하여 구성될 수 있다

또한, 상기 참고정보 제공부(130)는 상기 판매 관련 DB(230)로부터 학습 대상 상품과 관련하여 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 추출하고, 상기 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 미리 설정된 개수의 서로 다른 학습 대상 상품 관련 키워드를 추출하여 상기 제어부(160)에 제공할 수 있다.

이때, 상품 유관 정보는 학습 대상 상품의 상품 식별 정보를 포함할 수 있다.

이에 따라, 도 4에 도시된 바와 같이, 상기 제어부(160)는 학습 대상 상품과 관련하여 상기 미리 설정된 개수의 서로 다른 학습 대상 상품 관련 키워드가 상기 사용자 인터페이스부(10)를 통해 표시되도록 할 수 있으며, 상기 사용자 인터페이스부(10)를 통한 사용자 입력을 기초로 미리 설정된 복수의 속성별로 사용자에 의해 선택된 키워드를 포함하는 키워드 정보를 생성할 수 있다.

이때, 상기 복수의 속성은 상품의 재질, 상품의 디자인 스타일, 상품의 착용 계절, 상품의 색상 등과 같은 학습 대상 상품의 성질이나 특징을 포함할 수 있다.

또한, 상기 제어부(160)는 학습 대상 상품과 관련되어 생성한 키워드 정보와 상기 학습 대상 상품과 관련되어 상기 저레벨 학습부(120)에 학습되는 이미지 영역을 상기 복수의 고레벨 학습부(140)를 통해 복수의 고레벨 학습부(140) 각각에 구성된 상기 제 1 신경망에 학습시킬 수 있다.

즉, 상기 복수의 고레벨 학습부(140)는 상기 복수의 속성과 각각 대응되어 상기 서비스 제공 장치(100)에 구성되며, 상기 제어부(160)는 상기 이미지 영역을 복수의 고레벨 학습부(140) 각각의 제 1 신경망에 각각 학습시킬 때 상기 이미지 영역과 매칭되는 키워드 정보에 포함된 복수의 속성 중 어느 하나의 속성에 대응되는 키워드를 상기 이미지 영역과 매칭하여 학습시킬 수 있다.

일례로, 상기 제어부(160)는 학습 대상 상품과 관련되어 생성된 키워드 정보에 포함되는 사용자에 의해 선택된 특정 키워드가 상기 복수의 속성 중 제 1 속성의 속성값인 경우 복수의 고레벨 학습부(140) 중 해당 제 1 속성에 대응되는 제 1 고레벨 학습부에 상기 속성값과 상기 학습 대상 상품의 이미지 영역을 상호 매칭하여 학습시킬 수 있다.

또한, 상기 제어부(160)는 학습 대상 상품과 관련되어 생성된 키워드 정보에 포함되는 사용자에 의해 선택된 다른 키워드가 상기 복수의 속성 중 제 2 속성의 속성값인 경우 복수의 고레벨 학습부(140) 중 해당 제 2 속성에 대응되는 제 2 고레벨 학습부에 상기 제 2 속성의 속성값과 상기 학습 대상 상품의 이미지 영역을 상호 매칭하여 학습시킬 수 있다.

이를 통해, 상기 복수의 고레벨 학습부(140) 각각은 상기 이미지 영역과 상기 복수의 속성 중 자신에 대응되는 속성과의 상관관계를 제 1 신경망에 학습시킬 수 있으며, 이에 따라 복수의 고레벨 학습부(140) 각각에 학습된 상관관계는 서로 상이할 수 있다.

이때, 상기 제어부(160)는 상기 저레벨 학습부(120)에 학습되는 이미지 영역에 대응되어 상기 이미지 처리부(110)를 통해 상품 이미지에서 추출된 분할 이미지를 상기 이미지 영역으로서 상기 복수의 고레벨 학습부(140) 각각에 학습시킬 수 있다.

이를 통해, 상기 제어부(160)는 복수의 서로 다른 학습 대상 상품별로 상기 키워드 정보와 이미지 영역을 상기 고레벨 학습부(140)의 제 1 신경망에 학습시킬 수 있으며, 이를 통해 속성이 유사한 상품끼리 구분이 이루어지도록 상기 고레벨 학습부(140)의 제 1 신경망을 학습시킬 수 있다.

즉, 상기 제어부(160)는 상기 참고정보 제공부(130)와 연동하여 학습 대상 상품과 관련한 판매자가 특정한 특징 및 성질 관련 키워드와 상기 학습 대상 상품을 구매하는 소비자들이 해당 상품과 관련하여 댓글과 같은 정보를 통해 생성한 키워드를 종합하여 학습 대상 상품에 대해 중복 빈도가 높은 키워드를 사용자에게 제시함으로써, 대중이 학습 대상 상품에 대해 생각하는 공통적인 속성을 사용자에게 제공할 수 있으며 이를 통해 학습 대상 상품의 속성을 입력하는 상기 사용자의 주관적인 판단이 속성 관련 정보에 개입하지 않도록 함과 아울러 학습 대상 상품에 대해 대중(판매자 포함)의 생각이 일치하는 객관적인 정보가 속성 관련 정보로 입력되도록 하여 학습 대상 상품과 관련된 정확한 객관적인 속성 관련 정보가 복수의 고레벨 학습부(140)에 학습되도록 할 수 있다.

이러한 동작 구성을 통해, 본 발명은 이하에서 설명되는 추후 특정 상품과 관련하여 서비스 제공 장치(100)에 구성된 다수의 신경망을 통해 생성되는 상품 정보의 정확성을 담보할 수 있으며 불필요한 정보가 상품 정보에 포함되는 것을 방지할 수 있다.

상술한 바와 같은 저레벨 학습부(120) 및 고레벨 학습부(140)의 학습에 따라 상기 제어부(160)는 특정 상품의 특정 상품 이미지에 대해 빅데이터(big data) 분석을 위한 정형화된 상품 정보를 제공할 수 있는데, 이를 도 2 및 도 3을 참고하여 상세히 설명한다.

우선, 상기 제어부(160)는 특정 상품의 특정 상품 이미지를 상기 저레벨 학습부(120)에 적용할 수 있으며, 상기 저레벨 학습부(120)는 복수의 신경망을 통해 상기 특정 상품 이미지에 대해 상기 특정 상품 이미지에서 하나 이상의 상품 각각에 대한 이미지 영역을 식별하고, 상기 특정 상품의 이미지 영역과 관련성이 높은 카테고리별 기본 정보를 생성하여 출력(산출)할 수 있다.

일례로, 상기 저레벨 학습부(120)는 상기 제어부(160)에 의해 남성 셔츠와 관련된 특정 상품이 표시된 특정 상품 이미지를 수신시 해당 특정 상품 이미지를 복수의 신경망에 적용하여 상기 복수의 신경망을 통해 상기 특정 상품 이미지에서 상기 남성 셔츠 관련 특정 상품에 대응되는 이미지 영역을 식별하고, 해당 남성 셔츠 관련 이미지 영역에 대응되어 성별 관련 카테고리로 '남성'을 기본정보로 출력하고, 상기 신체 부위 관련 카테고리에 대응되어 '상의'를 기본정보로 출력하고, 상기 상품의 종류 관련 카테고리에 대응되어 '셔츠'를 기본 정보로 출력할 수 있다.

이때, 상기 특정 상품 이미지에 복수의 상품이 포함된 경우 상기 저레벨 학습부(120)는 상기 특정 상품 이미지에 포함된 복수의 상품별로 이미지 영역과 카테고리별 기본 정보를 생성하여 출력할 수 있음은 물론이다.

또한, 상기 제어부(160)는 상기 저레벨 학습부(120)를 통해 상기 특정 상품에 대응되어 얻어진 이미지 영역과 특정 상품 이미지를 상기 이미지 처리부(110)에 제공하고, 상기 이미지 처리부(110)로부터 상기 특정 상품 이미지에서 상기 이미지 영역을 클리핑하여 생성된 분할 이미지를 생성할 수 있다.

상술한 구성에서, 상기 제어부(160)는 상기 특정 상품과 관련하여 상기 저레벨 학습부(120)를 통해 산출된 이미지 영역이 표시된 상기 상품 이미지를 상기 사용자 인터페이스부(10)를 통해 표시할 수 있으며, 상기 사용자 인터페이스부(10)를 통해 상기 이미지 영역의 수정에 따른 상기 수정 정보를 수신시 상기 상품 이미지에서 상기 수정 정보에 대응되는 영역으로 상기 이미지 영역을 갱신하고, 상기 특정 상품에 대응되는 상기 복수의 카테고리별 기본 정보를 상기 갱신된 이미지 영역과 매칭하여 상기 저레벨 학습부(120)에 학습시킬 수 있다.

또한, 상기 제어부(160)는 상기 특정 상품 관련 상기 이미지 영역을 상기 복수의 고레벨 학습부(140)를 통해 상기 복수의 고레벨 학습부(140) 각각의 제 1 신경망에 적용하거나 상기 복수의 고레벨 학습부(140)에 제공하여 적용할 수 있다.

이때, 상기 제어부(160)는 상기 특정 상품 관련 이미지 영역으로서 상기 이미지 처리부(110)를 통해 얻어진 상기 특정 상품 관련 분할 이미지를 상기 복수의 고레벨 학습부(140)별 제 1 신경망에 적용할 수도 있다.

또한, 상기 제어부(160)는 상기 이미지 영역에 대한 수정 정보 수신시 상기 수정 정보에 대응되어 갱신된 이미지 영역을 상기 복수의 고레벨 학습부(140) 각각의 제 1 신경망에 적용하거나 상기 갱신된 이미지 영역에 대응되는 분할 이미지를 상기 복수의 고레벨 학습부(140) 각각의 제 1 신경망에 적용할 수 있다.

또한, 상기 복수의 고레벨 학습부(140) 각각은 자신의 제 1 신경망에 기학습된 상관 관계에 따라 상기 이미지 영역과 관련성이 높은 특정 속성의 데이터(또는 파라미터)를 출력(산출)할 수 있다.

이때, 상기 고레벨 학습부(140)에 의해 산출되는 상기 특정 속성의 데이터는 키워드일 수 있다.

일례로, 복수의 고레벨 학습부(140) 중 재질 관련 속성에 대응되는 고레벨 학습부(140)는 자신의 제 1 신경망에 상기 특정 상품의 이미지 영역을 적용하여 제 1 신경망의 분석을 통해 상기 특정 상품과 관련성이 높은 특정 재질(일례로, 실크)을 재질 관련 속성의 데이터로 출력할 수 있다.

또한, 복수의 고레벨 학습부(140) 중 디자인 스타일 관련 속성에 대응되는 고레벨 학습부(140)는 자신의 제 1 신경망에 상기 특정 상품의 이미지 영역을 적용하여 제 1 신경망의 분석을 통해 상기 특정 상품과 관련성이 높은 디자인 스타일(일례로, 물결 무늬)을 디자인 스타일 관련 속성의 데이터로 출력할 수 있다.

이에 따라, 상기 제어부(160)는 상기 특정 상품의 이미지 영역을 상기 복수의 고레벨 학습부(140)에 적용하여 복수의 고레벨 학습부(140)로부터 상기 복수의 속성별로 데이터를 획득할 수 있으며, 상기 복수의 속성별 데이터를 포함하는 속성 정보를 생성할 수 있다.

즉, 상기 제어부(160)는 상기 특정 상품의 이미지 영역을 상기 복수의 고레벨 학습부(140)에 적용하여 상기 특정 상품이 가진 속성에 대한 예측 결과를 제공할 수 있다.

또한, 상기 제어부(160)는 상기 특정 상품의 특정 상품 이미지에 대응되어 상기 저레벨 학습부(120)를 통해 얻어진 카테고리별 기본 정보와 상기 속성 정보를 포함하는 상품 정보를 생성할 수 있다.

즉, 상기 제어부(160)는 신경망으로 구성된 저레벨 학습부(120) 및 고레벨 학습부(140)를 통해 특정 상품의 이미지를 인식시키는 것만으로 상기 저레벨 학습부(120) 및 고레벨 학습부(140)의 신경망 분석을 통해 특정 상품의 구분을 위한 카테고리 관련 정보 뿐만 아니라 해당 특정 상품의 특징 및 성질을 포함하는 속성 관련 정보를 포함하는 상품 정보를 생성할 수 있으며, 상기 카테고리 뿐만 아니라 상품의 속성에 대해서도 정형화되고 정제된 상품 정보를 생성할 수 있다.

또한, 상기 제어부(160)는 상기 상품 정보 생성시 상기 상품 정보를 상품 DB(240)에 저장할 수 있으며, 이를 통해 정형화되고 정제된 상품 정보를 제공하여 빅데이터 분석시 해당 상품 정보를 통해 정확도가 높은 결과가 도출될 수 있도록 지원할 수 있다.

또한, 상기 제어부(160)는 상기 상품 정보에 상기 특정 상품 관련 특정 상품 이미지, 이미지 영역 및 분할 이미지 중 적어도 하나를 포함시켜 상기 상품 DB(240)에 저장할 수 있으며, 이를 통해 상품 정보에 포함된 카테고리 관련 기본정보와 속성정보에 대응되는 특정 상품의 이미지 역시 정제된 상태로 상품 정보에 포함시킬 수 있다.

또한, 상기 제어부(160)는 상기 특정 상품에 대응되어 상품 정보 자동 생성시 해당 상품 정보를 사용자 인터페이스부(10)를 통해 표시할 수 있으며, 상기 사용자 인터페이스부(10)를 통한 사용자 입력에 따라 상기 상품 정보에 대한 수정 입력 정보를 수신한 경우 해당 수정 입력 정보를 기초로 상기 상품 정보를 갱신하여 상기 상품 DB(240)에 저장할 수도 있다.

또한, 상기 제어부는 상기 이미지 DB에 저장된 모든 상품 관련 이미지에 대해서 상술한 바와 같이 상품 정보를 생성할 수 있으며, 상기 복수의 신경망 및 제 1 신경망의 학습에 사용된 학습 대상 상품에 대해서도 상술한 바와 같이 상품 정보를 생성하여 상기 상품 DB에 저장할 수 있다.

상술한 구성을 통해, 본 발명은 패션 관련 상품과 관련되어 이미지와 카테고리별 기본정보 및 해당 상품의 다양한 속성별 정보를 다수의 신경망에 학습시키는 과정에서 패션에 대한 지식이 전무한 사용자라 하더라도 상품의 속성과 관련된 키워드를 사용자에게 제시하여 사용자가 상품의 속성을 용이하게 파악하여 특정할 수 있도록 지원함으로써 상품에 대한 정확한 속성 관련 정보가 학습되도록 할 수 있으며, 이러한 다수의 신경망을 기반으로 카테고리 분류 및 상품의 속성과 관련된 정보가 전무한 상품 이미지에 대해서 자동으로 정형화되고 정제된 상품 정보를 생성하여 제공함으로써 상품에 대한 상품 정보의 자동 생성을 지원하여 상품 관리의 편의성을 높임과 동시에 상술한 바와 같이 정제된 상품 정보를 제공하여 해당 상품 정보를 기반으로 하는 빅데이터 분석시 정확도 및 신뢰도가 높은 결과가 제공되도록 지원할 수 있다.

한편, 도 2 및 도 5에 도시된 바와 같이, 상기 제어부(160)는 상기 상품 DB(240)에 저장되는 상기 상품 정보에 대응되어 브랜드(brand) 및 제조 시기 중 적어도 하나를 상기 복수의 신경망 및 제 1 신경망과 구분되는 별도의 신경망인 제 2 신경망으로 구성된 디자인 패턴 학습부(150)에 상기 상품 정보와 매칭하여 학습시킬 수 있다.

이때, 상기 제어부(160)는 상기 사용자 인터페이스부(10)를 통한 사용자 입력을 기초로 상기 상품 정보에 대응되는 브랜드 및 제조 시기 관련 정보를 수신하고, 상기 상품 정보에 해당 브랜드 및 제조 시기 관련 정보를 포함시켜 상기 디자인 패턴 학습부(150) 또는 디자인 패턴 학습부(150)의 제 2 신경망에 학습시킬 수 있다.

또는, 상기 제어부(160)는 상기 상품 정보에 대응되는 특정 상품의 특정 상품 이미지에 포함된 상품 식별정보와 매칭되어 상기 판매 관련 DB(230)에 저장된 브랜드 및 제조 시기 관련 정보를 상기 참고 정보 제공부(130)로부터 수신하고, 상기 특정 상품에 대응되어 상기 참고 정보 제공부(130)에 의해 상기 판매 관련 DB(230)로부터 추출된 브랜드 및 제조 시기를 상기 상품 정보에 포함시키거나 상기 상품 정보와 매칭하여 상기 디자인 패턴 학습부(150)의 제 2 신경망에 학습시킬 수도 있다.

상술한 구성에서, 상기 디자인 패턴 학습부(150)는 상기 제 2 신경망을 포함하여 구성될 수 있다.

또한, 상기 제어부(160)는 다수의 상품 각각에 대해 생성된 상품 정보와 브랜드 및 제조 시기를 상기 디자인 패턴 학습부(150)에 학습시킬 수 있다.

이에 따라, 상기 디자인 패턴 학습부(150)는 상기 제 2 신경망에 상기 다수의 상품 정보와 브랜드 및 제조 시기를 학습시켜 브랜드별 디자인 패턴 및 제조 시기별 디자인 패턴 중 적어도 하나가 학습되도록 할 수 있다.

이때, 상기 제어부(160)는 상기 디자인 패턴 학습부(150)에 상기 상품 정보에 포함된 상품 이미지, 이미지 영역 및 분할 이미지 중 적어도 하나가 포함된 경우 이를 제외하고 상기 디자인 패턴 학습부(150)에 학습시킬 수 있다.

즉, 다수의 상품 정보가 브랜드 및 제조시기와 함께 학습된 상기 디자인 패턴 학습부(150)는 브랜드별 및 제조시기별로 디자인 패턴을 학습할 수 있다.

이때, 상기 디자인 패턴 학습부(150)의 제 2 신경망에 학습된 디자인 패턴은 특정 브랜드가 특정 제조시기에 복수의 카테고리별 특정값을 가진 상품군에 대한 상기 복수의 속성별 범위값을 의미할 수 있으며, 브랜드가 제조시기별로 제작한 상품군별 디자인 유형을 의미할 수 있다.

이에 따라, 상기 제어부(160)는 분석 대상 상품과 관련하여 상기 사용자 인터페이스부(10)를 통해 복수의 카테고리와 복수의 속성과 브랜드 및 제조 시기 중 적어도 하나에 대해 수신된 입력 정보나 상기 브랜드 및 제조 시기 중 적어도 하나가 더 포함된 상기 상품 정보를 상기 다수의 상품 정보가 학습된 상기 디자인 패턴 학습부(150)에 적용하여 상기 분석 대상 상품과 상품 정보에 학습된 디자인 패턴 사이의 매칭도를 제공할 수 있다.

이때, 상기 디자인 패턴 학습부(150)는 상기 분석 대상 상품의 상품 정보를 상기 제 2 신경망에 적용하여 상기 제 2 신경망에 학습된 디자인 패턴의 분류와 관련된 기준에 따라 상기 분석 대상 상품의 디자인 패턴을 분류(구분) 및 정의(또는 식별)할 수 있다.

즉, 상기 제어부(160)는 디자인 패턴 학습부(150)를 통해 디자인을 분석하고자 하는 분석 대상 상품과 관련하여 사용자가 상기 복수의 카테고리와 복수의 속성과 브랜드 및 제조 시기 중 적어도 하나에 대해 직접 입력한 입력 정보를 상기 디자인 패턴 학습부(150)에 적용하여 상기 디자인 패턴 학습부(150)의 제 2 신경망을 통해 얻어진 매칭도를 기초로 상기 입력 정보에 대응되는 분석 대상 상품이 기존에 존재하던 제품들의 디자인 패턴과 어느 정도 차이를 나타내는지 사용자에게 제공할 수 있다.

일례로, 매칭도가 높은 경우 분석 대상 상품의 디자인이 기존에 존재하던 상품들과 유사한 디자인을 가진 무난한 제품인 것으로 사용자가 파악할 수 있으며, 매칭도가 낮은 경우 기존의 상품들에 존재하지 않는 독특한 디자인 패턴을 가지는 것으로 사용자가 파악할 수 있다.

또한, 분석 대상 상품에 대해 브랜드 및 제조 시기까지 지정한 경우 해당 매칭도를 통해 특정 제조 시기에서 특정 브랜드와 관련하여 해당 분석 대상 상품의 무난한 정도(유행성 정도)나 독창성 정도까지 파악 가능하도록 지원할 수 있다.

이를 통해, 본 발명은 디자이너가 상품을 제작한 경우 해당 제작 상품의 독창성이나 유행성 등을 판단 가능하도록 지원하여 디자이너의 패션 관련 상품 제작에 도움을 줄 수 있다.

또한, 상기 제어부(160)는 특정 상품의 특정 상품 이미지에 대응되어 저레벨 학습부(120) 및 고레벨 학습부(140)를 통해 생성된 상품 정보에 브랜드 및 제조시기 관련 데이터를 부가한 후 상기 디자인 패턴 학습부(150)의 제 2 신경망에 적용하여 상기 디자인 패턴 학습부(150)(또는 제 2 신경망)를 통해 상기 상품 정보에 대응되는 브랜드에서 해당 상품 정보의 제조 시기와 인접한 시기에 제작한 디자인 패턴과의 매칭도를 제공할 수 있으며, 이를 통해 사용자는 매칭도가 낮은 경우 상기 상품 정보에 오입력이 존재하는 것으로 파악할 수 있다.

즉, 본 발명은 사용자가 상품 정보에 대응되어 디자인 패턴 학습부(150)를 통해 제공되는 매칭도를 통해 상품 정보에 따른 디자인 패턴과 디자인 패턴 학습부(150)에 학습된 디자인 패턴의 매칭도가 낮은 경우 상품 정보에 대응되는 브랜드에서 상품 정보에 대응되는 제조 시기에 상품 정보에 입력된 정보들을 기반으로 하는 디자인 패턴을 제작한 적이 없다는 것을 파악할 수 있도록 지원할 수 있으며, 이에 따라 상품 정보에 오류가 발생한 것으로 파악하여 이를 수정하여 더욱 정확한 상품 정보가 생성되도록 지원할 수 있다.

한편, 상기 제어부(160)는 상기 상품 정보에 대응되어 상기 디자인 패턴 학습부(150)를 통해 상기 복수의 카테고리 및 복수의 속성 각각에 대응되어 매칭도를 제공할 수 있으며, 상기 복수의 카테고리 및 복수의 속성을 포함하는 복수의 항목 중 매칭도가 미리 설정된 기준치 이하인 항목이 존재하는 경우 해당 항목을 오류 항목으로 지정하고, 해당 오류 항목에서 상기 상품 정보에 대한 입력 오류가 발생한 것으로 판단하여 해당 오류 항목 관련 오류 정보를 생성한 후 상기 사용자 인터페이스부(10)에 제공함으로써 상기 사용자 인터페이스부(10)를 통해 상기 오류 정보를 표시하여 사용자가 오입력한 항목을 확인 가능하도록 지원할 수 있다.

또한, 상기 제어부(160)는 상기 상품 정보와 관련하여 상기 오입력한 항목에 대해 상기 사용자 인터페이스부(10)로부터 사용자 입력에 따른 수정 요청 정보를 수신한 경우 상기 수정 요청 정보를 기초로 상기 상품 정보를 수정하거나 상기 상품 정보의 상기 오입력한 항목과 관련하여 상기 수정 요청 정보에 따라 데이터를 변경한 후 상기 상품 DB(240)에 저장할 수 있다.

상술한 구성을 통해, 본 발명은 특정 상품의 상품 이미지를 기반으로 다수의 신경망을 통해 생성된 상품 정보의 디자인 패턴이 상품 정보와 유사한 상품군(제품군)에 대한 기존 디자인 패턴과 차이가 큰 경우 상품 정보에 오입력이 발생한 것으로 사용자에게 알릴 수 있으며, 이를 통해 사용자가 상품 정보를 수정함으로써 신뢰성이 높은 상품정보를 생성할 수 있도록 지원하고, 이에 따라 상기 상품 정보를 이용한 빅데이터 분석시 분석 결과에 대한 신뢰도를 향상시킬 수 있다.

상술한 구성에 따라, 본 발명은 패션 관련 상품과 관련하여 다수의 신경망을 통해 사용자가 상품 구분을 위한 카테고리 관련 정보 이외에 상품의 속성과 관련된 속성 정보가 오입력 없이 상품의 속성이 정확히 반영된 상품 정보를 생성할 수 있도록 지원하고, 이러한 상품 정보를 기반으로 학습된 다수의 신경망을 통해 빅데이터 분석을 위한 정보로서의 활용 가치를 가지는 정제된 상품 정보를 자동 생성할 수 있도록 지원할 수 있다.

한편, 본 발명은 패션 디자이너가 제작한 평가 대상 상품과 관련하여 디자인 패턴에 대한 평가 및 소비자의 반응 예측과 관련된 상품 경쟁력에 대한 정보를 제공하여 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원할 수 있는데, 이를 도 2 및 도 6을 참고하여 상세히 설명한다.

우선, 상기 제어부(160)는 상기 이미지 DB(210)에 저장된 모든 상품별 상품 이미지에 대해서 상술한 바와 같이 상품 정보를 생성하여 상품 DB(240)에 저장할 수 있으며, 특정 상품 뿐만 아니라 학습 대상 상품에 대해서도 상술한 구성을 통해 상품 정보를 획득하여 상품 DB(240)에 저장할 수 있다.

또한, 상기 판매 관련 DB(230)에는 상기 상품 정보에 대응되는 상품의 유관 상품 정보와, 브랜드 및 제조시기 관련 정보 및 판매량 정보가 상기 상품의 상품 식별정보와 매칭되어 저장될 수 있다.

또한, 상기 제어부(160)는 상기 상품 DB(240)에 저장된 상품 정보 생성시 상기 상품 정보에 대응되는 상품 이미지로부터 추출한 상품 식별정보를 상기 상품 정보에 포함시켜 상기 상품 DB(240)에 저장할 수 있다.

이에 따라, 상기 제어부(160)는 상기 상품 정보와 매칭되는 유관 상품 정보, 브랜드 및 제조시기 관련 정보 및 판매량 정보를 상기 판매 관련 DB(230)에서 식별할 수 있다.

한편, 상기 제어부(160)는 상기 상품 정보 생성시마다 상기 참고 정보 제공부(130)로부터 상기 상품 정보에 대응되어 상기 판매 관련 DB(230)로부터 추출된 브랜드 및 제조시기 관련 정보를 수신한 후 해당 수신된 브랜드 및 제조시기 관련 정보를 상기 상품 정보와 매칭하여 상기 디자인 패턴 학습부(150)에 학습시킬 수 있다.

이에 따라, 디자인 패턴 학습부(150)는 상술한 바와 같이 브랜드별 및 제조시기별 디자인 패턴이 상기 제 2 신경망에 학습되도록 할 수 있다.

또한, 상기 제어부(160)는 브랜드별 및 제조시기별 디자인 패턴이 학습 완료된 상기 디자인 패턴 학습부(150)의 제 2 신경망에 상기 상품 정보를 적용하여 상기 디자인 패턴 학습부(150)를 통해 상기 상품 정보에 따른 디자인 패턴과 유사한 유사 디자인 패턴에 대응되는 브랜드와 제조시기(일례로, 제조년도, 제조년월, 제조일 등)에 대한 유사 브랜드 정보 및 상기 상품 정보에 따른 디자인 패턴과 상기 유사 디자인 패턴 사이의 매칭도를 산출할 수 있다.

또한, 상기 제어부(160)는 상기 참고 정보 제공부(130)로부터 상기 상품 정보에 대응되어 상기 판매 관련 DB(230)에 저장된 정보로부터 추출한 미리 설정된 개수의 서로 다른 하나 이상의 주요 키워드 및 상기 상품 정보에 매칭되는 상기 판매 관련 DB(230)에 저장된 판매량 정보를 수신할 수 있다.

이때, 상기 참고 정보 제공부(130)는 상술한 바와 같이 상기 상품 정보에 대응되어 판매 관련 DB(230)에 저장된 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 미리 설정된 개수의 서로 다른 키워드를 추출하고, 해당 상품 정보에 대응되어 추출된 키워드를 주요 키워드로 설정하여 상기 제어부(160)에 제공할 수 있다.

또한, 상기 제어부(160)는 상기 하나 이상의 주요 키워드 및 판매량 정보를 상기 상품 정보에 대응되어 상기 디자인 패턴 학습부(150)를 통해 생성된 상기 유사 브랜드 정보 및 매칭도와 상호 매칭하여 상기 반응 예측부(170)를 통해 상기 반응 예측부(170)에 구성된 제 3 신경망에 학습시킬 수 있다.

이때, 상기 반응 예측부(170)에 구성된 제 3 신경망은 상기 저레벨 학습부(120), 고레벨 학습부(140) 및 디자인 패턴 학습부(150)에 구성된 신경망과 구분되는 별도의 신경망으로 구성될 수 있으며, 상기 반응 예측부(170)는 상기 제 3 신경망으로 구성되거나 상기 제 3 신경망을 포함하여 구성될 수 있다.

이에 따라, 상기 제어부(160)는 상기 상품 DB(240)에 저장된 모든 상품별 상품 정보와 관련하여 상술한 바와 같이 상기 디자인 패턴 학습부(150)와 반응 예측부(170)에 학습시켜 상기 반응 예측부(170)에서 상기 매칭도와 유사 브랜드 정보와 주요 키워드 및 판매량 사이의 상관 관계가 상기 제 3 신경망을 통해 학습되도록 할 수 있다.

또한, 디자이너 관리부(180)는 패션 디자이너인 사용자로부터 사용자가 제작한 상품인 평가 대상 상품에 대한 디자인 평가 및 해당 평가 대상 상품이 추후 판매될 경우에 예측되는 소비자의 반응과 관련된 예측 정보를 얻기 위해 상기 평가 대상 상품에 대한 이미지를 상기 사용자 인터페이스부(10)로부터 수신한 경우 상기 이미지를 상기 제어부(160)에 제공할 수 있다.

이때, 디자이너 관리부(180) 및 참고 정보 제공부(130)는 제어부(160)에 포함되어 구성될 수도 있다.

또한, 상기 제어부(160)는 상기 이미지를 상기 저레벨 학습부(120) 및 고레벨 학습부(140)에 적용하여 상기 평가 대상 상품과 관련하여 정형화되고 정제된 상품 정보를 자동 생성하여 얻을 수 있으며, 해당 평가 대상 상품 관련 상품 정보를 상기 디자인 패턴 학습부(150)에 적용할 수 있다.

이에 따라, 디자인 패턴 학습부(150)는 상기 평가 대상 상품 관련 상품 정보를 상기 제 2 신경망에 적용하여 상기 평가 대상 상품의 디자인 패턴과 유사한 유사 디자인 패턴과 상기 평가 대상 상품의 디자인 패턴 사이의 매칭도를 산출하고, 상기 유사 디자인 패턴에 대응되는 브랜드 및 제조 시기를 포함하는 유사 브랜드 정보를 산출할 수 있다.

또한, 상기 제어부(160)는 상기 디자인 패턴 학습부(150)에서 상기 평가 대상 상품과 관련하여 산출한 매칭도 및 유사 브랜드 정보를 상기 반응 예측부(170)에 적용하여 상기 반응 예측부(170)의 제 3 신경망을 통해 상기 매칭도 및 유사 브랜드 정보에 대응되는 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 산출할 수 있다.

즉, 상기 반응 예측부(170)는 상기 디자인 패턴 학습부(150)에서 상기 평가 대상 상품과 가장 유사하다고 판단된 유사 상품의 디자인 패턴과 평가 대상 상품의 디자인 패턴 사이의 매칭도와 해당 유사 상품과 관련성이 높은 브랜드 및 제조시기를 상기 제 3 신경망에 적용하여, 평가 대상 상품과 유사한 디자인 패턴을 가진 특정 브랜드가 특정 제조시기(일례로, 제조 년도, 제조 년월, 제조일)에 제조한 유사 상품과 상관 관계가 있는 소비자의 반응과 관련된 하나 이상의 주요 키워드 및 해당 유사 상품과 관련성이 높은 판매량을 산출할 수 있다.

다시 말해, 상기 반응 예측부(170)는 디자이너가 입력한 평가 대상 상품과 관련하여 디자인 패턴에서 유사도(매칭도)가 가장 높은 유사 상품에 대해 기존에 발생한 소비자의 반응을 주요 키워드로서 제공하고, 해당 유사 상품 관련 판매량을 유사 상품과 유사한 평가 대상 상품에 대해 예측되는 판매량으로서 제공할 수 있다.

한편, 상기 제어부(160)는 상기 평가 대상 상품에 대해 생성된 상품 정보를 기초로 상기 디자인 패턴 학습부(150)를 통해 얻어진 매칭도 및 유사 브랜드 정보와 상기 반응 예측부(170)를 통해 얻어진 예측 정보를 상기 사용자 인터페이스부(10)를 통해 표시할 수 있다.

이에 따라, 본 발명은 패션 디자이너인 사용자가 해당 매칭도 및 유사 브랜드 정보를 기초로 사용자가 제작한 평가 대상 상품이 기존에 판매된 상품과 어느 정도 유사한지를 판단하여 평가 대상 상품이 무난한 스타일인지 또는 기존에 존재하지 않는 디자인 패턴을 가진 독창성이 있는 상품인지 판단할 수 있도록 지원할 수 있을 뿐만 아니라 기존 상품과 유사하다면 유사 상품과 관련된 브랜드 및 제조시기를 확인하여 유행이 지난 상품인지를 판단할 수 있도록 지원함과 아울러 평가 대상 상품과 유사한 유사 상품과 관련된 과거 소비자들의 반응 및 판매량을 제공하여 평가 대상 상품이 판매될시 소비자들의 반응 및 판매량을 사용자가 예측 가능하도록 제공함으로써, 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원할 수 있다.

또한, 본 발명은 상술한 구성을 통해 사용자가 상품을 변경하면서 다양한 상품의 경쟁력을 평가해볼 수 있도록 지원할 수 있을 뿐만 아니라, 관심 있는 디자이너가 제작한 상품에 대해서도 예측되는 평가에 대한 결과를 얻을 수 있어 사용자가 패션 상품과 관련하여 다양한 판매전략을 수립할 수 있도록 지원할 수 있다.

도 7은 본 발명의 실시예에 따른 상기 서비스 제공 장치(100)의 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법에 대한 순서도이다.

도시된 바와 같이, 제어부(160)는 평가 대상 상품의 특정 상품 이미지를 수신할 수 있다(S1).

또한, 상기 제어부(160)는 복수의 신경망으로 구성되어 상품 이미지에서 특정된 상품 관련 이미지 영역이 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보와 상호 매칭되어 학습된 저레벨 학습부(120) 및 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 추출된 미리 설정된 개수의 서로 다른 상품 관련 키워드 중 미리 설정된 복수의 속성별로 사용자 입력에 따라 선택된 선택 키워드가 상기 이미지 영역과 상호 매칭되어 학습된 제 1 신경망을 각각 포함하는 복수의 속성별 고레벨 학습부(140)에 상기 특정 상품 이미지를 적용하여 상기 평가 대상 상품과 관련하여 상기 복수의 카테고리별 기본 정보 및 상기 속성별 데이터를 포함하는 속성정보를 포함하는 특정 상품 정보를 생성할 수 있다(S2).

다음, 상기 제어부(160)는 상기 저레벨 학습부(120) 및 고레벨 학습부(140)를 통해 생성된 상품 정보와 브랜드 및 제조시기가 상호 매칭되어 학습된 제 2 신경망을 포함하는 디자인 패턴 학습부(150)에 상기 특정 상품 정보를 적용하여 상기 평가 대상 상품과 가장 유사한 디자인 패턴을 가진 유사 상품과의 매칭도와 상기 유사 상품 관련 브랜드 및 제조시기를 포함하는 유사 브랜드 정보를 생성할 수 있다(S3).

이때, 상기 디자인 패턴 학습부(150)로부터 산출되는 매칭도는 평가 대상 상품과 상기 유사 상품 사이의 디자인 패턴 관련 유사 정도를 의미할 수 있다.

이후, 상기 제어부(160)는 상기 매칭도와 유사 브랜드 정보와 상기 상품 정보에 대응되어 추출된 하나 이상의 상기 키워드 및 판매량이 상호 매칭되어 학습된 제 3 신경망을 포함하는 반응 예측부(170)에 상기 평가 대상 상품 관련 매칭도 및 유사 브랜드 정보를 적용하여 상기 평가 대상 상품과 관련된 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 제공할 수 있다(S4).

상술한 바와 같이, 본 발명은 패션 관련 상품과 관련하여 기 보유된 기본 정보를 저레벨 신경망에 학습시켜 이미지만으로 상품 구분이 가능하도록 하고, 사용자가 특정 상품과 관련된 특징 정보를 용이하게 파악하여 특정할 수 있도록 지원하고, 이러한 특징 정보와 기본 정보 및 상품 이미지를 연계하여 고레벨 신경망에 학습시킴으로써 상품 이미지만으로 상품을 구분을 위한 정보 뿐만 아니라 상품의 특징 관련 특징 정보가 포함된 상품 정보를 생성할 수 있도록 지원하여 빅데이터 분석에 활용 가능한 상품 정보를 생성할 수 있도록 지원할 수 있다.

또한, 본 발명은 패션 디자이너인 사용자가 해당 매칭도 및 유사 브랜드 정보를 기초로 사용자가 제작한 평가 대상 상품이 기존에 판매된 상품과 어느 정도 유사한지를 판단하여 평가 대상 상품이 무난한 스타일인지 또는 기존에 존재하지 않는 디자인 패턴을 가진 독창성이 있는 상품인지 판단할 수 있도록 지원할 수 있을 뿐만 아니라 기존 상품과 유사하다면 유사 상품과 관련된 브랜드 및 제조시기를 확인하여 유행이 지난 상품인지를 판단할 수 있도록 지원함과 아울러 평가 대상 상품과 유사한 유사 상품과 관련된 과거 소비자들의 반응 및 판매량을 제공하여 평가 대상 상품이 판매될시 소비자들의 반응 및 판매량을 사용자가 예측 가능하도록 제공함으로써, 패션 디자이너의 상품 관련 디자인 제작 방향과 경쟁력 있는 상품을 용이하게 결정할 수 있도록 지원할 수 있다.

본 명세서에 기술된 다양한 장치 및 구성부는 하드웨어 회로(예를 들어, CMOS 기반 로직 회로), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.

전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 사용자 인터페이스부 100: 서비스 제공 장치
110: 이미지 처리부 120: 저레벨 학습부
130: 참고정보 제공부 140: 고레벨 학습부
150: 디자인 패턴 학습부 160: 제어부
170: 반응 예측부 180: 디자이너 관리부
200: 보유 DB

Claims (8)

1. 제어부가 평가 대상 상품의 특정 상품 이미지를 수신하는 수신 단계;
   상기 제어부가 복수의 신경망으로 구성되어 상품 이미지에서 특정된 상품 관련 이미지 영역이 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보와 상호 매칭되어 학습된 저레벨 학습부 및 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 추출된 미리 설정된 개수의 서로 다른 상품 관련 키워드 중 미리 설정된 복수의 속성별로 사용자 입력에 따라 선택된 선택 키워드가 상기 이미지 영역과 상호 매칭되어 학습된 제 1 신경망을 각각 포함하는 복수의 속성별 고레벨 학습부에 상기 특정 상품 이미지를 적용하여 상기 평가 대상 상품과 관련하여 상기 복수의 카테고리별 기본 정보 및 상기 속성별 데이터를 포함하는 속성정보를 포함하는 특정 상품 정보를 생성하는 정보 생성 단계;
   상기 제어부가 상기 저레벨 학습부 및 고레벨 학습부를 통해 생성된 상품 정보와 브랜드 및 제조시기가 상호 매칭되어 학습된 제 2 신경망을 포함하는 디자인 패턴 학습부에 상기 특정 상품 정보를 적용하여 상기 평가 대상 상품과 가장 유사한 디자인 패턴을 가진 유사 상품과의 매칭도와 상기 유사 상품 관련 브랜드 및 제조시기를 포함하는 유사 브랜드 정보를 생성하는 평가 단계; 및
   상기 제어부가 상기 매칭도와 유사 브랜드 정보와 상기 상품 정보에 대응되어 추출된 하나 이상의 상기 키워드 및 판매량이 상호 매칭되어 학습된 제 3 신경망을 포함하는 반응 예측부에 상기 평가 대상 상품 관련 매칭도 및 유사 브랜드 정보를 적용하여 상기 평가 대상 상품과 관련된 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 제공하는 예측 단계
   를 포함하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
2. 청구항 1에 있어서,
   상기 상품 유관 정보는 상품의 광고 정보, 상품의 제품 소개 정보, 상품의 웹 페이지 정보, 상품의 댓글 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
3. 청구항 1에 있어서,
   상기 복수의 카테고리는 상품에 대응되는 성별, 상품이 착용되는 신체 부위, 상품의 종류를 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
4. 청구항 1에 있어서,
   상기 제어부가 복수의 신경망으로 구성된 저레벨 학습부에 상품별로 상품 이미지에서 특정된 상품 관련 이미지 영역과 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보를 매칭하여 학습시키는 제 1 학습 단계; 및
   상기 제어부가 상품별로 상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 미리 설정된 개수의 서로 다른 상품 관련 키워드를 추출하여 사용자 입력을 수신하는 사용자 인터페이스부를 통해 표시하고, 상기 사용자 인터페이스부를 통한 사용자 입력에 따라 미리 설정된 복수의 속성별로 선택된 상기 키워드를 신경망으로 구성되고 상기 복수의 속성과 각각 대응되는 복수의 고레벨 학습부 중 상기 선택된 키워드와 매칭되는 상기 이미지 영역과 함께 상기 선택된 키워드에 대응되는 고레벨 학습부에 학습시키는 제 2 학습 단계
   를 더 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
5. 청구항 4에 있어서,
   상기 제 1 학습 단계는 상기 제어부가 하나 이상의 상품이 표시된 이미지에서 상기 복수의 카테고리별 기본 정보에 매칭되는 학습 대상 상품의 이미지 영역을 식별하도록 상기 저레벨 학습부를 통해 복수의 신경망 중 특정 신경망에 학습시키는 단계를 더 포함하고,
   상기 제 2 학습 단계는 상기 제어부가 상기 특정 신경망을 통해 얻어진 상기 학습 대상 상품 관련 이미지 영역을 기초로 이미지 처리부를 통해 상기 상품 이미지에서 상기 이미지 영역에 대응되는 영역을 클리핑하여 상기 학습 대상 상품 관련 분할 이미지를 생성한 후 상기 복수의 고레벨 학습부에 상기 이미지 영역으로서 학습시키는 단계를 더 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
6. 청구항 5에 있어서,
   상기 평가 단계는
   상기 제어부가 상기 평가 대상 상품의 특정 상품 이미지를 상기 저레벨 학습부에 적용하여 얻어진 상기 평가 대상 상품 관련 상기 복수의 카테고리별 기본 정보 및 이미지 영역 중 상기 이미지 영역을 상기 복수의 고레벨 학습부에 적용하여 상기 평가 대상 상품에 대응되는 속성별 데이터가 포함된 속성 정보를 산출하는 출력 단계; 및
   상기 제어부가 상기 평가 대상 상품에 대응되어 상기 출력 단계를 통해 생성된 상기 복수의 카테고리별 기본 정보 및 속성 정보를 포함하는 상품 정보를 생성하는 정제 단계
   를 더 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
7. 청구항 1에 있어서,
   상기 복수의 속성은 상품의 재질, 상품의 디자인 스타일, 상품의 착용 계절, 상품의 색상 중 적어도 하나를 포함하는 것을 특징으로 하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 방법.
   
8. 복수의 신경망으로 구성되고 상품 이미지에서 특정된 상품 관련 이미지 영역이 기설정된 복수의 카테고리와 각각 대응되는 상품 관련 복수의 서로 다른 기본 정보와 상호 매칭되어 학습된 저레벨 학습부;
   상품 판매시 생성되어 기저장된 복수의 상품 유관 정보를 기초로 중복 횟수가 많은 순서대로 추출된 미리 설정된 개수의 서로 다른 상품 관련 키워드 중 미리 설정된 복수의 속성별로 사용자 입력에 따라 선택된 선택 키워드가 상기 이미지 영역과 상호 매칭되어 학습된 제 1 신경망을 각각 포함하는 복수의 속성별 고레벨 학습부;
   상품별로 상기 저레벨 학습부 및 고레벨 학습부를 통해 생성된 상품 정보와 브랜드 및 제조시기가 매칭되어 학습된 제 2 신경망을 포함하고, 상기 제 2 신경망을 통해 상기 상품 정보에 대응되어 가장 디자인 패턴이 유사한 유사 상품과의 매칭도와 상기 유사 상품 관련 브랜드 및 제조시기를 포함하는 유사 브랜드 정보를 생성하는 디자인 패턴 학습부;
   상기 매칭도와 유사 브랜드 정보와 상기 상품 정보에 대응되어 추출된 하나 이상의 상기 키워드 및 판매량이 상호 매칭되어 학습된 제 3 신경망을 포함하는 반응 예측부; 및
   사용자로부터 수신한 평가 대상 상품 관련 특정 상품 이미지를 상기 저레벨 학습부 및 복수의 속성별 고레벨 학습부에 적용하여 상기 평가 대상 상품과 관련된 상기 복수의 카테고리별 기본 정보 및 상기 속성별 데이터를 포함하는 속성정보를 포함하는 특정 상품 정보를 생성하고, 상기 디자인 패턴 학습부에 상기 특정 상품 정보를 적용하여 얻어진 상기 평가 대상 상품 관련 매칭도 및 유사 브랜드 정보를 상기 반응 예측부에 적용하여 상기 평가 대상 상품과 관련된 하나 이상의 주요 키워드 및 판매량을 포함하는 예측 정보를 제공하는 제어부
   를 포함하는 신경망을 이용한 패션 디자인 지원을 위한 서비스 제공 장치.

Images