KR20210067124A - 이미지의 분위기 학습 방법 및 시스템 - Google Patents

Abstract

본 발명은 크롤링 시스템이 설정된 분위기로 태깅된 이미지들을 인터넷상에서 수집하는 단계, 파일 서버가 수집된 이미지들을 설정된 분위기에 매칭시켜 저장하는 단계 및 머신러닝 시스템이 설정된 분위기에 매칭된 이미지들을 이용하여 이미지에서의 분위기를 학습하는 단계를 포함하는 이미지의 분위기 학습 방법에 관한 것이다.

Description

이미지의 분위기 학습 방법 및 시스템{METHOD AND SYSTEM FOR LEARNING MOOD OF IMAGE}

본 발명은 이미지의 분위기 학습 방법 및 학습 시스템에 관한 것으로서, 구체적으로는 크롤링 시스템과 머신 러닝 시스템을 활용하여 이미지를 수집하고 수집된 이미지에 대한 분위기를 학습하며 이후 학습된 머신 러닝 시스템을 통해 업로딩되는 이미지에 대한 분위기를 자동 태깅 가능한, 이미지의 분위기 학습 방법 및 학습 시스템에 관한 것이다.

1인 창작 인구의 증가, 모바일 디바이스의 혁신과 고급화에 따라 비주얼 콘텐츠가 쉽게 제작 가능하게 되어 수많은 이미지, 동영상의 비주얼 콘텐츠가 온라인이나 오프라인을 통해 활용 가능하게 되었다. 시각적으로 인지 가능한 비주얼 콘텐츠가 널리 활용됨에 따라 비주얼 콘텐츠의 중요성은 더욱더 높아지고 다양한 비주얼 콘텐츠를 제작 및 배포하려는 시도가 늘어나고 있다.

이에 따라, 비주얼 콘텐츠의 공급 과잉 현상이 발생하고 있다. 특히, 이미지 콘텐츠 시장은 휴대 가능한 스마트폰 등에 구비된 카메라를 통해 다양한 장소, 위치, 시각에서 다양한 사용자에 의해 극히 쉽게 제작 가능하여 그 공급 과잉 현상은 극에 달하고 있다.

이러한 공급 과잉 현상에 따라, 이미지 콘텐츠 서비스 공급자는 수십억 건에 이르는 이미지 콘텐츠 라이브러리에서 필요한 콘텐츠를 사용자에게 신속히 공급하기 위해 다양한 검색 기능을 제공한다. 그러나 이러한 검색 기능은 이미지의 메타 데이터의 범주를 벗어나지 못하는 실정이다.

즉, 이미지 콘텐츠에 대하여 이루어지는 검색 기능은 주로 이미지 해상도, 이미지 사이즈, 제작 날짜, 제작자 등과 같이 이미지의 형식적인 부분에 많이 국한된다. 이는 이미지 수요자가 원하는 이미지를 찾는 것을 제한하고 이미지 자체에 대한 검색을 불가능하게 한다.

따라서, 이미지의 공급 과잉 상황에서 이미지 자체에 대한 검색 기능의 제공이 바람직하다. 특히, 이미지에서 느껴지는 특정 분위기를 가지는 이미지를 검색 가능하다면 검색 사용자에게 많은 도움이 될 수 있다.

본 발명은, 상술한 문제점을 해결하기 위해서 안출한 것으로서, 스톡 이미지 서버등의 이미지 콘텐츠 라이브러리도 업로딩되는 이미지에 대해, 분위기를 자동 추정하고 추정된 분위기를 이미지에 태깅할 수 있는 이미지의 분위기 학습 방법 및 시스템을 제공하는 데 그 목적이 있다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 양상에 따른 이미지의 분위기 학습 방법은 크롤링 시스템이 설정된 분위기로 태깅된 이미지들을 인터넷상에서 수집하는 단계; 파일 서버가 상기 수집된 이미지들을 상기 설정된 분위기에 매칭시켜 저장하는 단계; 및 머신러닝 시스템이 상기 설정된 분위기에 매칭된 상기 이미지들을 이용하여 이미지에서의 상기 분위기를 학습하는 단계;를 포함한다.

상기한 분위기 학습 방법에 있어서, 수집된 이미지로부터 복수의 분위기를 학습한 상기 머신러닝 시스템은 학습에 따라 태깅 가능한 복수의 분위기 중 업로딩되는 이미지에 대한 분위기를 추정하고 추정된 분위기를 상기 이미지에 태깅하는 단계;를 더 포함한다.

상기한 분위기 학습 방법에 있어서, 상기 수집하는 단계 이전에, 상기 크롤링 시스템이 상기 설정된 분위기를 나타내고 제1 품사의 단어로부터 상기 설정된 분위기를 나타내고 수집되는 이미지의 해시태그에 대응하는 분위기-태그를 설정하는 단계;를 더 포함하고, 상기 태깅된 이미지들을 수집하는 단계는 상기 분위기-태그를 해시태그로 가지는 이미지들을 수집한다.

상기한 분위기 학습 방법에 있어서, 상기 분위기-태그를 설정하는 단계는 상기 설정된 분위기를 나타내고 상기 제1 품사의 단어로부터 상기 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 분위기-태그로 설정하며, 상기 제1 품사는 형용사이다.

상기한 분위기 학습 방법에 있어서, 상기 분위기-태그를 설정하는 단계는 상기 설정된 분위기를 나타내고 제1 품사의 단어를 가지는 제1 분위기-태그와 상기 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 제2 분위기-태그로 설정하며, 상기 제1 품사 또는 상기 제2 품사는 형용사이고, 상기 태깅된 이미지들을 수집하는 단계는 상기 제1 분위기-태그 또는 상기 제2 분위기-태그를 해시태그로 가지는 이미지들을 수집한다.

상기한 분위기 학습 방법에 있어서, 상기 설정된 분위기는 이미지에 대해 사용자가 인식 가능한 분위기를 나타내는 형용사 태그로 표현된다.

또한, 본 발명의 일 양상에 따른 이미지의 분위기 학습 시스템은 제1 설정된 분위기에 태깅된 제1 이미지들과 제2 설정된 분위기에 태깅된 제2 이미지들을 인터넷상에서 수집하는 크롤링 시스템; 및 상기 제1 설정된 분위기로 수집된 제1 이미지들을 이용하여 이미지에서의 제1 분위기를 학습하고 상기 제2 설정된 분위기로 수집된 제2 이미지들을 이용하여 이미지에서의 제2 분위기를 학습하는 머신러닝 시스템;을 포함하고, 상기 머신러닝 시스템은 학습에 따라 태깅 가능한 제1 분위기 및 제2 분위기 중에서 업로딩되는 이미지에 대한 분위기를 추정하고 추정된 분위기를 상기 이미지에 태깅한다.

상기한 분위기 학습 시스템에 있어서, 상기 머신러닝 시스템은 수집된 제1 이미지들을 제1 설정된 분위기에 매칭시켜 저장하고 수집된 제2 이미지들을 제2 설정된 분위기에 매칭시켜 저장하는 파일 서버를 포함한다.

상기한 분위기 학습 시스템에 있어서, 상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사로 된 입력을 수신하고 상기 입력에 따라 상기 제1 설정된 분위기를 나타내고 수집되는 이미지의 해시태그에 대응하는 분위기-태그를 설정하여 상기 분위기-태그를 해시태그로 가지는 제1 이미지들을 수집한다.

상기한 분위기 학습 시스템에 있어서, 상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사로 된 입력으로부터 상기 제1 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 분위기-태그로 설정하며, 상기 제1 품사는 형용사이다.

상기한 분위기 학습 시스템에 있어서, 상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사를 가지는 단어의 제1 분위기-태그와 상기 입력으로부터 상기 제1 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 제2 분위기-태그로 설정하여 상기 제1 분위기-태그 또는 상기 제2 분위기-태그를 해시태그로 가지는 제1 이미지들을 수집하고, 상기 제1 품사 또는 상기 제2 품사는 형용사이다.

상기와 같은 본 발명에 따른 이미지의 분위기 학습 방법 및 시스템은 SNS 등 인터넷상에 산재되어 있는 이미지들을 이용하여 스톡 이미지 서버등이 제공할 스톡 이미지의 시각적 분위기를 자동 결정할 수 있는 효과가 있다.

또한, 상기와 같은 본 발명에 따른 이미지의 분위기 학습 방법 및 시스템은 지정된 유형의 분위기로 해시태그된 이미지들을 분위기별로 분류하여 각각 자동 수집하고 동일한 유형의 분위기로 태깅된 이미지에 대한 머신 러닝으로 동일 유형의 분위기를 가지는 이미지를 학습하는 효과가 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 이미지의 분위기를 학습하기 위한 예시적인 전체 시스템을 도시한 도면이다.
도 2는 분위기 학습 시스템의 예시적인 구성을 도시한 도면이다.
도 3은 이미지에 대한 자동화된 분위기 학습과 학습에 따라 업로딩되는 이미지를 태깅하는 예시적인 제어 흐름을 도시한 도면이다.
도 4는 설정 가능한 유형의 분위기에 대응하는 형용사 단어의 예를 도시한 도면이다.

상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술 되어 있는 상세한 설명을 통하여 더욱 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다.

도 1은 이미지의 분위기를 학습하기 위한 예시적인 전체 시스템을 도시한 도면이다.

도 1의 전체 시스템은 SNS 서버등에 있는 다수의 이미지를 이용하여 이미지에서 나타나고(거나) 사용자가 느끼는 분위기를 미리 학습하고 이후 스톡 이미지 서버로 업로딩되는 이미지에 대한 분위기를 학습에 따라 추정하여 태깅할 수 있는 시스템을 나타낸다.

도 1의 예와 같이 전체 시스템은 하나 이상의 SNS 서버(200), 하나 이상의 이미지 업로딩 장치(300)와 분위기 학습 시스템(100)을 포함하고 시스템(100) 및 장치(200, 300)는 인터넷망을 통해 서로 연결되어 각종 데이터를 송수신할 수 있다.

도 1을 통해 전체 시스템을 간단히 살펴보면, 분위기 학습 시스템(100)은 SNS 등에 게재된 이미지를 인터넷망(온라인)을 통해 수집하고 인터넷망에서 수집된 이미지에서 이미지가 나타내거나 미리 태깅한 사용자가 느끼는 분위기를 학습하고 학습에 따라 향후 스톡 이미지 서버로 업로딩되는 이미지에 대한 분위기를 추정 및 태깅할 수 있는 시스템이다. 분위기 학습 시스템(100)은 나아가 분위기에 대응하는 이미지를 검색할 수 있다.

분위기 학습 시스템(100)은 다수의 시스템을 이용하여 구성될 수 있다. 분위기 학습 시스템(100)은 예를 들어, 크롤링 시스템(110), 머신러닝 시스템(130), 파일서버(150) 및 스톡 이미지 서버(170) 등을 포함한다. 분위기 학습 시스템(100)의 스톡 이미지 서버(170)는 분위기 학습 시스템(100)과는 별도로 구성되는 것이 일반적일 것이나 편의상 포함되어 도시되었다.

분위기 학습 시스템(100)은 하나 이상의 물리적 장치를 이용하여 구성될 수 있다. 예를 들어, 분위기 학습 시스템(100)은 통신 인터페이스, 저장소 및 프로세서 등을 구비하는 서버 및/또는 장치에 구현(성)될 수 있다.

분위기 학습 시스템(100) 내의 크롤링 시스템(110)과 머신러닝 시스템(130) 등은 프로세서상에서 수행되고 저장소에 저장되어 있는 프로그램으로 바람직하게 구현(성)될 수 있다. 분위기 학습 시스템(100)에 대해서는 도 2 이하에서 좀 더 상세히 살펴보도록 한다.

SNS 서버(200)는 하나 이상의 이미지를 저장하는 장치이다. SNS 서버(200)는 일반 사용자가 이용하는 스마트폰, 태블릿 PC, 퍼스널 컴퓨터 등이 액세스 가능하고 각종 이미지를 업로딩하고 다운로딩 가능토록 하는 장치일 수 있다.

SNS 서버(200)에 저장되는 이미지들 중 하나 이상은 해시태그(hashtag)를 가질 수 있다. 해시태그는 사용자에 의한 검색을 위해 이용 가능하다. 해시태그 중 한 유형은 이미지에서 표현되는 분위기를 나타내는 단어를 포함하여 구성될 수 있다. SNS 서버(200)의 이미지에 태깅되고 분위기를 나타내는 해시태그는 예를 들어 이미지를 업로딩한 사용자 또는 이미지를 본 사용자에 의해 태깅될 수 있다.

이미지 업로딩 장치(300)는 분위기 학습 시스템(100)의 스톡 이미지 서버(170)로 신규의 이미지를 업로딩하는 기기이다. 이미지 업로딩 장치(300)는 예를 들어, 퍼스널 컴퓨터, 스마트폰, 태블릿 PC 등일 수 있으며 이미지를 판매등의 목적으로 스톡 이미지 서버(170)로 제공한다.

이미지 업로딩 장치(300)는 내부 저장소 등에 가지고 있는 이미지를 분위기 학습 시스템(100)에 업로딩할 수 있고 업로딩시 해당 이미지의 시각적 분위기를 나타내는 분위기-태그를 분위기 학습 시스템(100)에 의해 자동으로 태깅할 수 있다.

도 2는 분위기 학습 시스템(100)의 예시적인 구성을 도시한 도면이다.

도 2에 따르면, 분위기 학습 시스템(100)은 크롤링 시스템(110), 머신러닝 시스템(130), 파일 서버(150) 및 스톡 이미지 서버(170)를 포함한다. 분위기 학습 시스템(100)을 구성하는 크롤링 시스템(110), 머신러닝 시스템(130), 파일 서버(150) 및 스톡 이미지 서버(170)는 공용망(예를 들어, 인터넷망)이나 전용망을 통해 서로 연결되어 각종 데이터(예를 들어, 이미지나 제어 데이터 등)를 송수신할 수 있다.

도 2의 분위기 학습 시스템(100)은 일 구성 예를 나타내고 다양한 변형이 있을 수 있다. 예를 들어, 파일 서버(150)는 별도로 구성될 필요없이 머신러닝 시스템(130) 내에 포함될 수 있다. 또한, 스톡 이미지 서버(170)는 분위기 학습 시스템의 외부에 구성될 수도 있다.

크롤링 시스템(110), 머신러닝 시스템(130), 파일 서버(150) 및 스톡 이미지 서버(170)는 소프트웨어(프로그램)에 의해 그 기능이 구현되고 소프트웨어 수행에 필요한 각종 하드웨어 구성요소를 가질 수 있다.

크롤링 시스템(110), 머신러닝 시스템(130), 파일 서버(150) 및 스톡 이미지 서버(170)는 인터넷망에 액세스하고 데이터를 송수신하는 통신 인터페이스, 데이터와 프로그램을 저장하는 저장소, 프로그램을 수행하는 프로세서 등을 구비하여 지정된 프로그램에 의해 지정된 기능을 수행 가능하다.

분위기 학습 시스템(100)의 구성요소를 살펴보면, 크롤링 시스템(110)은 수집할 이미지의 분위기를 설정하고 설정된 분위기에 태깅된 이미지들, 즉 학습할 이미지를 인터넷망에서 수집한다. 예를 들어, 크롤링 시스템(110)은 관리자 입력 등을 통한 설정에 따라 설정된 분위기로 태깅된 이미지들을 수집한다. 또한, 크롤링 시스템(110)은 다른 설정된 분위기로 태깅된 이미지들을 수집한다.

관리자 등에 의한 복수 분위기 설정에 따라, 크롤링 시스템(110)은 각각의 분위기를 가지는 이미지를 수집하고 이를 파일 서버(150)에 각각의 설정 분위기에 매칭시켜 저장할 수 있다. 크롤링 시스템(110)은 동시에 복수의 분위기를 가지는 이미지 수집을 수행하거나 다른 시점에 각각의 분위기를 가지는 이미지 수집을 순차적으로 수행하도록 구성될 수 있다.

크롤링 시스템(110)은 인터넷망의 SNS 서버(200)들 각각을 액세스하고 SNS 서버(200)들에 저장되어 있는 이미지들이 설정된 분위기로 태깅된 것인지를 판단하고 설정된 분위기로 태깅된 이미지인 경우 이 이미지를 머신러닝 시스템(130)을 통해 또는 직접 파일 서버(150)에 저장한다.

머신러닝 시스템(130)은 크롤링 시스템(110)에 의해 수집된 이미지를 이용하여 수집된 이미지에 대응하여 설정된 분위기를 학습한다. 예를 들어, 하나의 분위기로 수집된 이미지들을 이용하여 해당 분위기를 학습하고 다른 분위기로 수집된 이미지들을 이용하여 해당 다른 분위기를 학습한다.

설정된 여러 분위기에 대해 수집된 이미지들로부터 각각의 분위기를 가지는 이미지를 학습함에 따라, 머신러닝 시스템(130)은 학습에 따라 태깅 가능한 여러 분위기 중 이미지 업로딩 장치(300) 등을 통해 업로딩되는 이미지에 대한 분위기를 추정하고 추정된 분위기를 업로딩되는 이미지에 태깅할 수 있다.

머신러닝 시스템(130) 내에 포함되거나 외부에 위치하는 파일 서버(150)는 수집된 이미지들을 각각의 설정된 분위기에 매칭시켜 저장한다. 예를 들어, 파일 서버(150)는 하나의 설정된 분위기로 수집된 이미지들을 해당 설정된 분위기의 식별자에 매칭시켜 저장하고 다른 하나의 설정된 분위기로 수집된 이미지들을 해당 다른 하나의 설정된 분위기의 식별자에 매칭시켜 저장한다.

이와 같이, 파일 서버(150)는 설정 가능하고 그에 따라 분위기 추정 가능한 여러 분위기들 각각에 대해 이미지들을 매칭시켜 저장한다.

분위기 학습을 위해 분위기 학습 시스템(100)에서 수행되는 제어 흐름은 도 3을 통해 좀 더 살펴보도록 한다.

도 3은 이미지에 대한 자동화된 분위기 학습과 학습에 따라 업로딩되는 이미지를 태깅하는 예시적인 제어 흐름을 도시한 도면이다.

먼저, 분위기 학습 시스템(100)(의 크롤링 시스템(110))은 분위기 학습을 위해 수집될 이미지들의 분위기를 설정(S101)한다. 크롤링 시스템(110)은 관리자 등에 의한 제어 입력이나 자동화된 설정에 따라 수집될 이미지에 대응하는 하나 이상의 분위기를 나타내는 태그를 설정하고 설정된 태그를 가지는 이미지를 인터넷상의 SNS 서버등에서 수집할 수 있다.

분위기 태그를 설정하는 예시적인 과정을 좀 더 살펴보면, 크롤링 시스템(110)은 관리자 등으로부터 한 유형의 설정된 분위기를 나타내고 특정 품사로 된 단어 입력을 수신한다. 입력되는 단어는 관리자에 의한 직접적인 단어 입력으로 이루어지거나 지정된 제어 데이터의 수신에 따라 대응하는 단어가 결정되거나 자동화된 설정으로 인식 가능하다.

설정되거나 입력되는 단어의 품사는 예를 들어, 형용사일 수 있다. 크롤링 시스템(110)은 관리자 등으로부터의 단어 입력에 따라 이미지 수집에 이용되는 분위기 태그를 설정한다. 설정되는 분위기 태그는 단어 입력에 따라 설정되는 분위기를 나타내고 수집되는 이미지의 해시태그에 대응하도록 구성된다.

예를 들어, 크롤링 시스템(110)은 형용사의 단어로 입력된 단어의 품사와는 다른 단어, 예를 들면 동사, 명사 또는 부사 등의 품사로 변환하고 변환된 단어를 (포함하여) 분위기 태그로 설정한다. 예를 들어, 설정되는 "활기찬"이란 형용사에 대해서는 "활기차다"란 동사 또는 "활기차게"라는 부사를 더 포함하여 동일 분위기 태그에 설정할 수 있다. 이와 같이, 크롤링 시스템(110)은 동일한 설정 분위기를 나타내고 입력된 단어의 품사와는 다른 품사를 가지는 분위기 태그도 동일 분위기 태그로 설정할 수 있다.

이와 같이, 크롤링 시스템(110)은 동일한 설정 분위기를 나타내고 서로 다른 품사의 단어를 가지는 분위기 태그들을 설정할 수 있다. 크롤링 시스템(110)은 설정된 분위기를 나타내고 서로 다른 품사의 단어를 가지는 복수의 분위기 태그들을 설정 가능하다.

이와 같이, 크롤링 시스템(110)은 설정되는 분위기를 사용자가 이미지에서 인식 가능한 분위기를 나타내는 형용사, 명사, 동사 등의 태그로 표현한다.

도 4는 설정 가능한 여러 유형의 분위기를 나타내는 형용사 단어의 예를 도시하고 있는 도면인데, 도 4의 형용사 단어에서 알 수 있는 바와 같이 크롤링 시스템(110)에서 설정되는 분위기는 이미지에 대해서 사용자가 인식하는(느끼는) 시각적인 분위기를 표현한다.

이러한 시각적 분위기는 SNS 서버(200) 등에서 저장되는 이미지에 미리 해시태깅되어 있을 수 있다. 이미지의 해시태그는 사용자(예를 들어, SNS 사용자)에 의해 입력(구성)되거나 태깅된다.

"활기찬" 형용사(도 4의 ⓐ)를 해시태그로 가지는 이미지는 그 분위기가 활기찬 것으로 기존의 이미지를 올리거나 태깅한 사용자가 느끼는 이미지이다. "외로운" 형용사(도 4의 ⓑ)를 해시태그로 가지는 이미지는 그 분위기가 외로운 것으로 사용자가 느끼는 이미지를 나타낸다. "생기있는" 형용사(도 4의 ⓒ)를 해시태그로 가지는 이미지는 그 분위기가 생기있는 것으로 사용자가 느끼는 이미지이다. "비참한" 형용사(도 4의 ⓓ)를 해시태그로 가지는 이미지는 그 분위기가 비참한 것으로 사용자가 느끼는 이미지이다.

이러한 느낌이나 분위기는 스톡 이미지 서버에서 기존 검색 방법을 통해서는 검색이 불가능하거나 매우 어려운 요소이다. 분위기는 사용자의 감성이나 정서에 따른 것으로 대부분의 사용자는 유사한 느낌을 이미지에 가질 수 있고 이미지는 이미지의 분위기를 나타내는 형용사, 명사, 동사 등으로 표현되는 해시태그에 태깅되어 SNS 서버(200)에 저장되어 있을 수 있다.

수집될 분위기가 설정됨에 따라, 크롤링 시스템(110)은 설정된 분위기로 태깅된 이미지들을 인터넷상에서 수집(S103)한다.

예를 들어, 크롤링 시스템(110)은 설정된 분위기의 분위기 태그를 해시태그로 가지는 이미지들을 SNS 서버(200)들에서 검색하여 수집한다. 크롤링 시스템(110)은 설정된 분위기의 형용사 단어 등으로 표현되는 분위기 태그를 해시태그로 가지는 이미지들을 수집할 수 있다. 또는, 크롤링 시스템(110)은 설정된 분위기의 형용사 단어로 표현되는 분위기 태그나 동일한 설정 분위기의 명사(또는 부사, 동사)의 단어로 표현되는 분위기 태그를 해시태그로 가지는 이미지들을 수집할 수 있다.

크롤링 시스템(110)은 설정된 분위기 각각에 대해 각각의 설정된 분위기로 태깅된 이미지들을 인터넷상에서 수집할 수 있다.

크롤링 시스템(110)은 수집된 이미지들과 대응하는 설정 분위기를 파일 서버(150)로 전송하고 파일 서버(150)는 수집된 이미지들을 설정된 분위기(분위기 태그)에 매칭시켜 저장(S105)한다. 파일 서버(150)는 설정 분위기 각각에 대해 수집된 이미지들을 설정 분위기( 식별자) 등에 매칭시켜 저장할 수 있다. 식별자는 설정된 분위기 태그의 단어이거나 크롤링 시스템(110)이나 파일 서버(150)에 의해 할당되어 숫자나 문자의 조합으로 구성될 수 있다.

지정된 크롤링 시간이 도과하거나 설정 분위기에 매칭된 이미지의 개수가 지정된 개수를 초과하는 경우, 머신러닝 시스템(130)은 설정된 분위기에 매칭된 파일 서버(150)의 이미지들을 이용하여 학습(S107)한다. 분위기 학습에 이용된 이미지들은 이후 삭제되거나 축적될 수 있다.

머신러닝 시스템(130)은 설정된 복수의 분위기 각각에 대해 각 설정된 분위기에 매칭된 이미지들을 이용하여 해당 설정 분위기를 학습한다. 학습에 따라, 그 후 머신러닝 시스템(130)은 스톡 이미지 서버(170)로 업로딩되는 이미지에서 학습된 여러 설정 분위기들 중에서 사용자가 느끼거나 인식 가능한 하나의 분위기를 추정할 수 있다.

이미지 업로딩 장치(300)는 업로딩할 이미지를 바로 또는 스톡 이미지 서버(170)을 개재하여 머신러닝 시스템(130)으로 전송하며, 수집된 이미지들로부터 여러 분위기를 학습한 머신러닝 시스템(130)은 학습에 따라 태깅 가능한 여러 분위기 중에서 업로딩을 위해 수신되는 이미지의 분위기를 추정하고 추정된 분위기의 태그를 구성하여 이미지에 태깅(S109)한다. 또한, 머신러닝 시스템(130)은 업로딩을 위해 수신되는 이미지가 아닌 이미 보유중인 스톡 이미지의 분위기를 추정하고 추정된 분위기의 태그를 구성하여 이미지에 태깅할 수도 있다.

머신러닝 시스템(130)은 주기적으로 반복하여 분위기를 학습하여 튜닝될 수 있다. 예를 들어, 크롤링 시스템(110)은 설정된 분위기에 대응하는 이미지들을 설정된 수집 주기에 따라 반복하여 수집하여 파일 서버(150)에 저장하고 머신러닝 시스템(130)은 주기적으로 수집된 이미지들을 활용하여 설정된 분위기의 이미지 학습을 수정, 개선할 수 있다. 이에 따라, 머신러닝 시스템(130)은 트랜드, 사용자 의식, 성향 등의 동적인 변화에 따라 변화하여 인식되는 분위기를 가지는 이미지를 동적으로 추정할 수 있다.

이상과 같은 분위기 학습 시스템(100)에 따라 이미지의 정형화된 검색 외에 사용자에 의해 시각적으로 인식되는 특정 분위기를 가지는 이미지를 스톡 이미지 서버에서 용이하게 검색할 수 있도록 한다.

이상에서 설명한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니다.

100 : 분위기 학습 시스템
110 : 크롤링 시스템
130 : 머신러닝 시스템
150 : 파일 서버
170 : 스톡 이미지 서버
200 : SNS 서버
300 : 이미지 업로딩 장치

Claims (11)

1. 크롤링 시스템이 설정된 분위기로 태깅된 이미지들을 인터넷상에서 수집하는 단계;
   파일 서버가 상기 수집된 이미지들을 상기 설정된 분위기에 매칭시켜 저장하는 단계; 및
   머신러닝 시스템이 상기 설정된 분위기에 매칭된 상기 이미지들을 이용하여 이미지에서의 상기 분위기를 학습하는 단계;를 포함하는,
   분위기 학습 방법.
2. 제1항에 있어서,
   수집된 이미지로부터 복수의 분위기를 학습한 상기 머신러닝 시스템은 스톡 이미지 서버로 업로딩되는 이미지에 대해, 학습에 따라 태깅 가능한 복수의 분위기 중 하나의 분위기를 추정하고 추정된 분위기를 상기 이미지에 태깅하는 단계;를 더 포함하는,
   분위기 학습 방법.
3. 제1항에 있어서,
   상기 수집하는 단계 이전에,
   상기 크롤링 시스템이 상기 설정된 분위기를 나타내고 제1 품사의 단어로부터 상기 설정된 분위기를 나타내고 수집되는 이미지의 해시태그에 대응하는 분위기-태그를 설정하는 단계;를 더 포함하고,
   상기 태깅된 이미지들을 수집하는 단계는 상기 분위기-태그를 해시태그로 가지는 이미지들을 수집하는,
   분위기 학습 방법.
4. 제3항에 있어서,
   상기 분위기-태그를 설정하는 단계는 상기 설정된 분위기를 나타내고 상기 제1 품사의 단어로부터 상기 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 분위기-태그로 설정하며,
   상기 제1 품사는 형용사인,
   분위기 학습 방법.
5. 제3항에 있어서,
   상기 분위기-태그를 설정하는 단계는 상기 설정된 분위기를 나타내고 제1 품사의 단어를 가지는 제1 분위기-태그와 상기 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 제2 분위기-태그로 설정하며,
   상기 제1 품사 또는 상기 제2 품사는 형용사이고,
   상기 태깅된 이미지들을 수집하는 단계는 상기 제1 분위기-태그 또는 상기 제2 분위기-태그를 해시태그로 가지는 이미지들을 수집하는,
   분위기 학습 방법.
6. 제1항에 있어서,
   상기 설정된 분위기는 이미지에 대해 사용자가 인식 가능한 분위기를 나타내는 형용사 태그로 표현되는,
   분위기 학습 방법.
7. 제1 설정된 분위기에 태깅된 제1 이미지들과 제2 설정된 분위기에 태깅된 제2 이미지들을 인터넷상에서 수집하는 크롤링 시스템; 및
   상기 제1 설정된 분위기로 수집된 제1 이미지들을 이용하여 이미지에서의 제1 분위기를 학습하고 상기 제2 설정된 분위기로 수집된 제2 이미지들을 이용하여 이미지에서의 제2 분위기를 학습하는 머신러닝 시스템;을 포함하고,
   상기 머신러닝 시스템은 학습에 따라 태깅 가능한 제1 분위기 및 제2 분위기 중에서 업로딩되는 이미지에 대한 분위기를 추정하고 추정된 분위기를 상기 이미지에 태깅하는,
   분위기 학습 시스템.
8. 제7항에 있어서,
   상기 머신러닝 시스템은 수집된 제1 이미지들을 제1 설정된 분위기에 매칭시켜 저장하고 수집된 제2 이미지들을 제2 설정된 분위기에 매칭시켜 저장하는 파일 서버를 포함하는,
   분위기 학습 시스템.
9. 제7항에 있어서,
   상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사로 된 입력을 수신하고 상기 입력에 따라 상기 제1 설정된 분위기를 나타내고 수집되는 이미지의 해시태그에 대응하는 분위기-태그를 설정하여 상기 분위기-태그를 해시태그로 가지는 제1 이미지들을 수집하는,
   분위기 학습 시스템.
10. 제9항에 있어서,
    상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사로 된 입력으로부터 상기 제1 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 분위기-태그로 설정하며,
    상기 제1 품사는 형용사인,
    분위기 학습 시스템.
11. 제9항에 있어서,
    상기 크롤링 시스템은 상기 제1 설정된 분위기를 나타내고 제1 품사를 가지는 단어의 제1 분위기-태그와 상기 입력으로부터 상기 제1 설정된 분위기를 나타내고 상기 제1 품사와 상이한 제2 품사를 가지는 단어를 제2 분위기-태그로 설정하여 상기 제1 분위기-태그 또는 상기 제2 분위기-태그를 해시태그로 가지는 제1 이미지들을 수집하고,
    상기 제1 품사 또는 상기 제2 품사는 형용사인,
    분위기 학습 시스템.

Images