KR20210127464A

KR20210127464A - 딥러닝을 통한 코디 및 스타일링 방법 및 시스템

Info

Publication number: KR20210127464A
Application number: KR1020200045348A
Authority: KR
Inventors: 오우진; 송치우; 오영미
Original assignee: 주식회사 제이어스
Priority date: 2020-04-14
Filing date: 2020-04-14
Publication date: 2021-10-22

Abstract

본 발명에 따른 딥러닝을 통한 코디 및 스타일링 시스템은, 질의응답모듈, 상점추천모듈, 나의 옷장 모듈, 셀프스타일링모듈, 일괄구매모듈 및 추천스타일링모듈을 포함한다.
상기 추천스타일링모듈은 상기 나의 옷장 모듈에 저장된 의상데이터, 상기 공유공감모듈에 의해 수집된 공감 빅데이터, 전문가를 통해 수집된 스타일링 지도데이터 및 유닛 간의 어울림 정도 등을 딥러닝을 통해 종합적으로 분석하여 사용자에게 적합한 의상을 추천함으로써 추천 만족도를 높이고 스타일링을 위한 시간의 단축과 의상 선택에 대한 스트레스를 줄일 수 있는 특징이 있다.

Description

딥러닝을 통한 코디 및 스타일링 방법 및 시스템{Coodinating and styling methods and systems through deep learning}

본 발명은 딥러닝을 통한 코디 및 스타일링 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 여러 가지 데이터를 딥러닝을 통해 종합적으로 분석하여 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 것이다.

다양한 브랜드로 나만의 스타일로 표현하고자 하는 패션피플이 증가하고, 패션과 기술이 결합된 패션테크, 스타일테크 산업이 성장하고, 수요자 맞춤 제작 및 인공지능 기반 코디 및 스타일링 서비스가 등장하고 있다.

영국 패션 유통 기업 막스앤스펜서의 2016년 조사에 의하면 외출 시 옷 고르는 시간이 꽤 걸려 남성은 평생 6개월이 소요되며, 여성은 그보다 훨씬 많은 시간을 소비하여 데이트나 약속 시간에 늦는 경우도 많다고 한다. 또한, 보관 옷 중 44%만 착용하고 38%는 방치하며 10%는 한번만 착용하고 8%는 그대로 방치하는 등 옷을 고르는데 많은 시간을 허비하고 비경제적인 요소가 많다고 한다.

종래의 기술은 사용자가 보유하는 의류에 기초하여 코디하거나, 다양한 사용자들로부터의 평가정보를 얻기 어려워 추천 만족도가 떨어지는 문제가 있다.

전자상거래 사이트 출처별로 이미지를 검색하여 확보하고, 한정된 대상으로 코디하고 구매 결제하여 사용자가 보유한 의상과 새로 구매한 의상과의 코디가 어렵고 온톨로지(ontology)는 고려 밖에 있고 구매절차가 번거롭고 경제적 부담이 큰 문제가 있다.

수집한 의상 및 액세서리 이미지로 예비 연출을 위해 셀프스타일링을 시도할 때, 이미지에 배경이 있거나 크면 필요한 부분만의 추출이 어려워 원하는 셀프스타일링을 할 수 없는 문제점이 있다.

특히, 경제적으로 안정되지는 않았으나 자기 이미지 관리에 예민한 20대 남녀를 대상으로 자주 입고, 즐겨 입고, 구매율이 높은 SPA(specialty retailer of private label apparel) 브랜드의 의상 추천 로우데이터 확보와 함께 의상 유닛데이트, 코디데이터 등을 활용한 룩북 및 코디연출법 등의 지도학습 자료와도 연계하여 최적의 코디 및 스타일링 추천이 구현되도록 하는 단계에는 한참 미흡한 실정이다.

한국등록특허 제10-0967157호

상기의 문제점을 해결하고자 본 발명은 별도의 브라우저로 이동하지 않고 하나의 앱 화면에서 모든 상점의 의상 이미지를 캡처하여 저장하고 스타일을 연출하고 일괄 구매하는 방법을 제공하고자 한다.

또한, 의상 관련 다양한 데이터를 활용한 기계학습을 통해 코디 및 스타일링하고 공감 데이터 등 소셜데이터로 강화학습 하는 패션 플랫폼을 제공하고자 한다.

상기의 해결하는 과제를 위한 본 발명에 따른 딥러닝을 통한 코디 및 스타일링 시스템은, 질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답모듈, 인터넷 쇼핑몰과 SPA 사이트를 포함한 추천 상점의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천모듈, 별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 추천 상점의 의상 이미지 및 정보가 수집 분류되어 의상데이터로 저장되는 나의 옷장 모듈, 상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거모듈, 상기 나의 옷장 모듈에 저장된 개별 유닛을 드래그-앤-드롭(drag-and-drop)하여 연출하는 셀프스타일링모듈, 연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 공유공감모듈, 출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매모듈 및 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 추천스타일링모듈을 포함하되, 상기 추천스타일링모듈은 상기 나의 옷장 모듈에 저장된 의상데이터, 상기 공유공감모듈에 의해 수집된 공감 빅데이터, 패션전문 채널을 통해 수집된 스타일링 지도데이터 및 유닛 간의 어울림 정도 등을 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천하는 것을 특징으로 한다.

상기 앱을 통해 수집되는 의상데이터에는 의상 유닛데이터를 포함하여, SPA 및 각 브랜드 간의 의상 추천서비스 개발을 위한 로우데이터가 포함되는 것을 특징으로 한다.

상기 앱을 통해 수집되는 의상데이터는 앱의 수집프로그램에 의해 수집되며 액세서리데이터도 함께 수집되는 것을 특징으로 한다.

상기 패션전문 채널에는 SPA 및 각 브랜드가 포함되며, 패션전문 채널을 통해 수집된 스타일링 지도데이터에는 상기 SPA 및 각 브랜드에서 제공하는 룩북 및 코디연출법 속의 코디데이터가 포함되는 것을 특징으로 한다.

상기 지도데이터는 상기 나의 옷장 모듈(50)에 저장된 의상데이터, 상기 공유공감모듈(80)에 의해 수집된 공감 빅데이터 및 유닛 간의 어울림 정도와 함께 딥러닝을 통해 종합적으로 학습되어 사용자에게 적합한 의상을 추천하는 추천스타일링모듈(100)에 포함되는 것을 특징으로 한다.

상기 의상 이미지 및 정보의 수집과 분류는 CNN(convolutional neural network)의 이미지 인식 기술이 포함된 의상분류기에 의해 이루어지는 것을 특징으로 한다.

상기 유닛 간의 어울림 정도는, SNS나 커뮤니티를 통한 비전문가로부터 수집된 상기 공감 빅데이터와 전문가로부터 수집된 상기 지도데이터를 기반으로 딥러닝에 의해 수치화 되는 것을 특징으로 한다.

상기 의상데이터는 유닛 간의 연결성을 고려하여 스타일링 온톨로지(ontology)가 가능하도록 표준분류체계에 매핑 시킨 코드에 따라 분류하고, 색상매칭을 위해 RGB 헥사코드를 추가 배치하여 색상코디연출도 가능한 것을 특징으로 한다.

특정 의상과 어울리는 의상을 찾는 상기 스타일링 온톨로지에 속성값 메트릭스(coordination attribute-values matrix) 기법을 적용시킨 것을 특징으로 한다.

상기 추천스타일링모듈에는 브랜드별 의상데이터, 액세서리데이터 및 지도데이터가 저장된 패션스타일링 DB(데이터베이스)가 포함되는 것을 특징으로 한다.

본 발명에 따른 딥러닝을 통한 코디 및 스타일링 방법은, 질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답 단계, 인터넷 쇼핑몰과 SPA 사이트를 포함한 추천 상점의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천단계, 별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 추천 상점의 의상 이미지 및 정보가 수집 분류되어 의상데이터로 나의 옷장에 저장되는 단계, 상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거단계, 상기 나의 옷장 모듈에 저장된 개별 유닛을 드래그-앤-드롭하여 연출하는 셀프스타일링단계, 연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 단계, 출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매단계 및 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 단계를 포함하는 것을 특징으로 한다.

본 발명에 다른 코디 및 스타일링 시스템은, 나의 옷장에 저장된 의상데이터, 공유공감모듈에 의해 수집된 소셜데이터, 전문가를 통해 수집된 지도데이터 및 유닛 간의 어울림 정도 등을 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천함으로써 추천 만족도를 높이고 스타일링을 위한 시간의 단축과 의상 선택에 대한 스트레스를 줄일 수 있는 시스템을 제공한다.

또한, 딥러닝을 통해 사용자의 의상을 명확한 키워드로 분류하여 라벨링(labelling)하고, 크라우드소싱(crowd souring)으로 비전문가의 의견도 포함시켜 추천하기 때문에 보편타당성을 확보하여 패션 플랫폼을 제공하는 영업 및 사업에서 경쟁력을 확보할 수 있는 현저한 효과가 있다.

도 1은 본 발명의 딥러닝을 통한 코디 및 스타일링 시스템을 도시한 블록도이다.
도 2는 이미지에서 배경을 제거하고 바꾸는 예시도이다.
도 3은 본 발명의 추천스타일모듈의 구성을 나타내는 블록도이다.
도 4는 본 발명의 딥러닝을 통한 코디 및 스타일링 방법을 도시한 흐름도이다.
도 5는 본 발명의 딥러닝을 통한 코디 및 스타일링 방법을 도시한 가장 적은 단계의 흐름도이다.

이하, 본 발명의 실시를 위한 구체적인 실시예를 도면을 참고하여 설명한다.본 발명의 실시예는 발명을 설명하는 하나의 예시이므로 권리범위는 예시된 실시예에 한정되지 아니하고, 예시된 도면은 발명의 명확성을 위하여 핵심적인 내용만 확대 도시하고 부수적인 내용을 생략하였으므로 도면에 한정하여 해석하여서는 아니 된다.

도 1은 본 발명의 딥러닝을 통한 코디 및 스타일링 시스템을 도시한 블록도이다.

도 1에서 보는 바와 같이, 본 발명에 따른 딥러닝을 통한 코디 및 스타일링 시스템은, 질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답모듈(30), 인터넷 쇼핑몰과 SPA 사이트를 포함한 추천 상점의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천모듈(40), 별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 추천 상점의 의상 이미지 및 정보가 수집 분류되어 의상데이터로 저장되는 나의 옷장 모듈(50), 상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거모듈(60), 상기 나의 옷장 모듈에 저장된 개별 유닛을 드래그-앤-드롭(drag-and-drop)하여 연출하는 셀프스타일링모듈(70), 연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 공유공감모듈(80), 출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매모듈(90) 및 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 추천스타일링모듈(100)을 포함한다.

상기 추천스타일링모듈(100)은 나의 옷장 모듈에 저장된 의상데이터, 공유공감모듈에 의해 수집된 공감 빅데이터, 패션전문 채널을 통해 수집된 스타일링 지도데이터 및 유닛 간의 어울림 정도를 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천함으로써 추천 만족도를 높이고 스타일링을 위한 시간의 단축과 의상 선택에 대한 스트레스를 줄일 수 있다.

본 발명에서 코디는 코디네이션(coordination)의 준말로서, 의상, 화장, 액세서리, 구두 따위를 전체적으로 조화롭게 갖추어 꾸미는 일을 뜻하고, 스타일링(styling)은 의상이나 머리 따위의 모양을 맵시 있게 연출하는 것을 뜻하고, SPA(Specialty retailer of Private label Apparel)는 의류기획·디자인, 생산·제조, 유통·판매까지 전 과정을 제조회사가 맡는 의류 전문점을 뜻한다.

본 발명에 따른 코디 및 스타일링 시스템은 서비스 서버와 스마트 단말기를 포함한다. 서비스 서버는 스마트 단말기에서 구동하는 어플리케이션(application:앱)을 제공하며 스마트 단말기는 유무선 인터넷으로 스마트 기기에서 서비스 서버에 접속하여 앱을 다운로드받아서 코디 및 스타일링 서비스를 받을 수 있다. 본 발명에서는 각종 데이터를 저장부(20)에 저장하고 처리하며 의상 코디 및 스타일링을 위한 각종 모듈들이 잘 작동되도록 제어하고 지원한다. 이러한 기능이 별도의 브라우즈 없이 상기 앱 내에서 일률적으로 수행된다는 것이 본 발명의 특징 중 하나이다.

도 1의 질의응답모듈(30)은 사용자의 선호도를 기반으로 최적의 의상을 추천하기 위하여 사용자의 연령, 성별, 신체조건, 취향, 선호 스타일 등을 설문지와 같은 질의응답 형태로 조사하는 모듈이다.

도 1의 상점추천모듈(40)은 인터넷 쇼핑몰과 SPA(specialty retailer of private label apparel) 사이트 등의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 모듈이다.

SPA를 포함하여 주요 온라인 쇼핑몰의 의상 카테고리를 조사하고 분석하여 코디를 이루는 의상을 가장 작은 단위(유닛)로 정하고 해당 유닛의 특성을 파악하며, 데이터의 활용도를 높이기 위해 표준분류체계에 매핑 시킨 코드에 따라 분류한다. 이때, 판매 및 구매 기준이 아닌 스타일링 기준에 따라 의상의 감정, 이벤트 등 감성적인 형태의 분류항목을 추가하는 엘리스만 의상 표준분류체계를 이용할 수 있다. 상기 감정에는 설렘, 행복, 안정, 우울, 긴장 등이 포함되고, 이벤트에는 데일리, 데이트, 경조사, 비즈니스 등이 포함된다. 또한, 연령별, 상품별로 선호하는 상점을 분류하여 상점 선별에 활용할 수 있다.

도 1의 나의 옷장 모듈(50)은 별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 의상 이미지 및 정보가 수집 분류되어 의상데이터로 저장되는 모듈이다. 상기 나의 옷장 모듈(50)은 상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거모듈(60)과 개별 유닛을 드래그-앤-드롭(drag-and-drop)하여 연출하는 셀프스타일링모듈(70)을 포함한다.

상기 앱을 통해 수집되는 의상데이터에는 의상 유닛데이터를 포함하여, SPA 및 각 브랜드 간의 의상 추천서비스 개발을 위한 로우데이터(raw data)가 포함된다. 로우데이터는 미가공 상태의 자료인 원시자료를 말한다. 상기 의상데이터는 상기 앱의 수집프로그램에 의해 수집되며 액세서리데이터도 함께 수집된다.

상기 의상 이미지 및 정보의 수집과 분류는 CNN(convolutional neural network)의 이미지 인식 기술이 포함된 의상분류기에 의해 이루어질 수 있다. 또는, 딥러닝, 머신러닝 등에 활용하여 이미지를 인식하고 분류하기 위해 개발된 오픈소스 소프트웨어인 텐서플로(TensorFlow)를 이용할 수도 있다.

상기 의상데이터는 유닛 간의 연결성을 고려하여 스타일링 온톨로지(ontology)가 가능하도록 표준분류체계에 매핑 시킨 코드에 따라 분류할 수 있다. 스타일링 온톨로지는 조화로운 스타일링을 위해 의상, 액세서리 등 유닛 간의 관계 및 어울림을 컴퓨터가 처리할 수 있는 형태로 표현하는 것으로서 구성요소는 클래스(class), 인스턴스(instance), 관계(relation), 속성(property) 등이다.

상기 패션전문 채널에는 SPA 및 각 브랜드가 포함되며, 패션전문 채널을 통해 수집된 스타일링 지도데이터에는 상기 SPA 및 각 브랜드에서 제공하는 룩북(look book) 및 코디연출법 속의 코디데이터가 포함되는 것을 특징으로 한다. 룩북은 패션 관련 제품에 대한 정보를 담은 책자로서 디자인 경향은 물론 제품과 스타일에 대한 자료를 수록하고 있다.

상기 지도데이터는 상기 나의 옷장 모듈(50)에 저장된 의상데이터, 상기 공유공감모듈(80)에 의해 수집된 공감 빅데이터 및 유닛 간의 어울림 정도와 함께 딥러닝을 통해 종합적으로 분석되어 사용자에게 적합한 의상을 추천하는 추천스타일링모듈(100)에 포함된다.

특정 의상과 어울리는 의상을 찾는 상기 스타일링 온톨로지에 속성값 메트릭스(coordination attribute-values matrix) 기법을 적용시킬 수 있다. 이를테면, 상의와 하의의 어울리는 정도를 휴리스틱(heuristic)에 의한 어울림 값으로 속성별 매트릭스 형태로 등록하여, 실제 의류들에 대하여 상의-하의 의류를 자동 매칭해주는 시스템을 설계하고 구현하는 것이다.

또한, 색상매칭을 위해 RGB 헥사코드를 추가 배치하여 색상코디연출이 가능하도록 할 수 있다. RGB 헥사코드는 특정 색상에서 빨강(R), 초록(G), 파랑(B)의 조합을 16진법으로 기호화한 것이다.

도 1의 배경제거모듈(60)은 효율적인 스타일링을 위해 의상 이미지에서 불필요한 배경 등을 제거하는 모듈이다. 수집된 의상 이미지로 사용자가 원하는 스타일링을 시험 연출해보기 위해서는 불필요한 배경이나 인물을 투명으로 처리해야 할 필요가 있다. 또한, 유닛 간의 어울림을 실연해 보기 위해서도 필요한 부분만 캡처해야 할 필요가 있다. 본 발명에서는 이러한 작업이 앱 내에서 자동으로 이루어지도록 하여 셀프스타일모듈(70)과 연계하여 원하는 스타일을 간편하게 연출해 볼 수 있도록 한다.

도 2는 이미지에서 배경을 제거하고 바꾸는 예시도이다.

도 2의 A는 원본 이미지이고, B는 배경을 제거한 이미지이고, C는 다른 배경의 이미지이다.

도 1의 셀프스타일모듈(70)은 나의 옷장 모듈(50)에 수집된 의상, 액세서리 등 개별 유닛을 드래그-앤-드롭(drag-and-drop)하여 조합해 보거나 자신의 이미지와 결합시켜 봄으로써, 시험 연출을 통해 만족스러운 스타일을 찾는 모듈이다. 셀프스타일모듈로 시험 연출한 이미지는 공유공감모듈(80)을 통해 대중과 공유하여 공감정보를 수집하는 크라우드소싱(crowdsoursing)의 기초자료가 된다.

도 1의 공유공감모듈(80)은 셀프스타일모듈(70)을 통해 시험 연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 모듈이다. 코디 및 스타일링 전문가의 의견이 아닌 비전문가인 다수 대중의 의견도 수렴되어 반영된다는 점에서 대중성과 보편타당성을 확보할 수 있다.

공유 공감을 위해 공개하는 연출 이미지는 예를 들어, 주어진 상의에 가장 잘 어울리는 하의를 복수의 하의 중에서 선택하도록 하거나, 복수의 상의-하의 조합에서 가장 마음에 드는 조합을 선택하게 할 수 있다.

이렇게 수집된 공감데이터는 공감 빅데이터로 저장되고, 높은 선호도로 연출된 다수의 유닛은 일괄구매모듈(90)에서 일괄 구매할 때 구매결정 자료로 활용된다.

도 1의 일괄구매모듈(90)은 출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 모듈이다. 쇼핑몰 사이트마다 구매로직이 조금씩 다르기 때문에 복수의 사이트에서 복수의 유닛을 구매하는 것은 번거로운 일이다. 이러한 작업을 본 발명은 앱 내에서 일괄적으로 한 번에 처리할 수 있도록 편의를 제공한다.

도 1의 추천스타일링모듈(100)은 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동으로 추천하는 모듈이다.

상기 추천스타일링모듈(100)은 나의 옷장 모듈(50)에 저장된 의상데이터, 공유공감모듈(80)에 의해 수집된 공감 빅데이터, 전문가를 통해 수집된 스타일링 지도데이터 및 유닛 간의 어울림 정도 등을 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천함으로써 추천 만족도를 높이고 바쁜 현대인들이 아침마다 의상선택에 할애하는 스타일링을 위한 시간을 단축시키고 의상 선택에 대한 스트레스를 줄일 수 있다.

다른 업계와 마찬가지로 패션업계에도 4차 산업혁명시대를 맞아 인공 지능, 증강현실, 사물 인터넷, 빅데이터, 모바일 등 첨단 정보통신기술이 빠르게 도입되고 있고, 패션산업 전반에 융합되어 패셔놀로지(Fashionology)로 자리 잡고 있다. 본 발명은 이러한 흐름에 편승하여 AI를 통하여 사용자에게 가장 잘 어울리는 최적 스타일을 찾아서 빠른 시간에 추천하는 시스템을 제공한다.

본 발명의 특징은 AI를 통한 상기의 추천에, SNS나 커뮤니티를 통한 비전문가로부터 수집된 공감 빅데이터와 전문가로부터 수집된 지도데이터가 혼합되어 딥러닝에 의해 수치화되어 반영됨으로써, 대중성과 전문성을 동시에 확보할 수 있다는 것이다.

도 3은 본 발명의 추천스타일모듈(100)의 구성을 나타내는 블록도로서, 상기 추천스타일링 모듈은 패션스타일링 DB(데이터베이스)에 내장된 브랜드별 의상데이터 및 액세서리데이트, 룩북과 코디네이터를 포함하는 지도데이터, 공감빅데이터 및 수치화 된 어울림 정도 등을 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천함은 보여주고 있다.

도 4는 본 발명의 딥러닝을 통한 코디 및 스타일링 방법을 도시한 흐름도이다.

도 4에서 보는 바와 같이, 본 발명에 따른 딥러닝을 통한 코디 및 스타일링 방법은, 질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답 단계, 인터넷 쇼핑몰과 SPA 사이트 등의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천단계, 별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 의상 이미지 및 정보가 수집 분류되어 의상데이터로 나의 옷장에 저장되는 단계, 상기 의상 이미지에서 스타일링 연출(200)을 원할 때 불필요한 배경을 제거하는 배경제거단계(300), 상기 나의 옷장 모듈에 저장된 개별 유닛을 드래그-앤-드롭하여 연출하는 셀프스타일링단계, 연출된 결과물을 SNS 및 커뮤니티를 통해 공유(400)하고 공감정보를 수집하여 공감 빅데이터를 구축하는 단계, 출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매단계 및 일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 단계를 포함한다.

도 4의 단계 중에서 스타일링 연출 단계(200)와 이미지 배경제거 단계(300) 와 SNS 및 커뮤니티를 통해 공유하는 단계(400)는 양자택일 단계이므로 경우의 수가 두 가지씩이다. 따라서 전체적으로 8가지의 선택방법이 존재하고 도 4의 방법은 그 중 가장 많은 단계를 거치는 방법에 해당한다.

사용자에 따라서 상기의 양자택일 단계에서 이전의 경험이나 개인적인 확신으로 단계를 축소시킬 수 있을 것이다.

도 5는 본 발명의 딥러닝을 통한 코디 및 스타일링 방법을 도시한 가장 적은 단계의 흐름도이다.

참고로 가장 적은 단계를 거치는 도 5의 방법은, 의상 취향 질의응답 단계, 상점 및 의상 추천단계, 나의 옷장에 의상데이터 저장 단계, 일괄구매단계, 일정과 날씨와 이벤트 입력단계 및 의상 자동 추출단계의 6단계이다.

결론적으로, 본 발명 딥러닝을 통한 코디 및 스타일링 시스템에 의한 의상 추천은, 크라우드소싱(crowd souring)을 통한 비전문가의 의견도 포함된 추천이기 때문에 보편타당성을 확보하여 패션 플랫폼을 제공하는 영업 및 사업에서 경쟁력을 확보할 수 있다는 점이 특징이다.

10: 제어부 20: 저장부
30: 질의응답모듈 40: 상점추천모듈
50: 나의 옷장 모듈 60: 배경제거모듈
70: 셀프스타일링모듈 80: 공유공감모듈
90: 일괄구매모듈 100: 추천스타일링모듈
200: 스타일링 연출 300: 이미지 배경제거
400: SNS 공유

Claims

코디 및 스타일링 서비스를 제공하는 서비스 서버와 사용자 단말기를 포함하는 코디 및 스타일링 시스템에 있어서,
상기 서비스 서버는,
질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답모듈(30);
인터넷 쇼핑몰과 SPA 사이트를 포함한 추천 상점의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천모듈(40);
별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 추천 상점의 의상 이미지 및 정보가 수집 분류되어 의상데이터로 저장되는 나의 옷장 모듈(50);
상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거모듈(60);
상기 나의 옷장 모듈에 저장된 개별 유닛을 드래그-앤-드롭(drag-and-drop)하여 연출하는 셀프스타일링모듈(70);
연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 공유공감모듈(80);
출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매모듈(90) 및
일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 추천스타일링모듈(100)을 포함하되,
상기 추천스타일링모듈(100)은 상기 나의 옷장 모듈(50)에 저장된 의상데이터, 상기 공유공감모듈(80)에 의해 수집된 공감 빅데이터, 패션전문 채널을 통해 수집된 스타일링 지도데이터 및 유닛 간의 어울림 정도를 딥러닝을 통해 종합적으로 학습하여 사용자에게 적합한 의상을 추천하는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 앱을 통해 수집되는 의상데이터에는 의상 유닛데이터를 포함하여, SPA 및 각 브랜드 간의 의상 추천서비스 개발을 위한 로우데이터가 포함되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 앱을 통해 수집되는 의상데이터는 앱의 수집프로그램에 의해 수집되며 액세서리데이터도 함께 수집되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 패션전문 채널에는 SPA 및 각 브랜드가 포함되며, 패션전문 채널을 통해 수집된 스타일링 지도데이터에는 상기 SPA 및 각 브랜드에서 제공하는 룩북 및 코디연출법 속의 코디데이터가 포함되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제4항에 있어서,
상기 지도데이터는 상기 나의 옷장 모듈(50)에 저장된 의상데이터, 상기 공유공감모듈(80)에 의해 수집된 공감 빅데이터 및 유닛 간의 어울림 정도와 함께 딥러닝을 통해 종합적으로 분석되어 사용자에게 적합한 의상을 추천하는 추천스타일링모듈(100)에 포함되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 의상 이미지 및 정보의 수집과 분류는 CNN(convolutional neural network)의 이미지 인식 기술이 포함된 의상분류기에 의해 이루어지는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 유닛 간의 어울림 정도는, SNS나 커뮤니티를 통한 비전문가로부터 수집된 상기 공감 빅데이터와 전문가로부터 수집된 상기 지도데이터를 기반으로 딥러닝에 의해 수치화 되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 의상데이터는 유닛 간의 연결성을 고려하여 스타일링 온톨로지(ontology)가 가능하도록 표준분류체계에 매핑 시킨 코드에 따라 분류하고, 색상매칭을 위해 RGB 헥사코드를 추가 배치하여 색상코디연출도 가능한 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제8항에 있어서,
특정 의상과 어울리는 의상을 찾는 상기 스타일링 온톨로지에 속성값 메트릭스(coordination attribute-values matrix) 기법을 적용시킨 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
제1항에 있어서,
상기 추천스타일링모듈(100)에는 브랜드별 의상데이터, 액세서리데이터 및 지도데이터가 저장된 패션스타일링 DB(데이터베이스)가 포함되는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 시스템.
코디 및 스타일링 서비스를 제공하는 서비스 서버와 사용자 단말기를 포함하는 코디 및 스타일링 방법에 있어서,
상기 서비스 서버는,
질의응답을 통해 사용자의 의상 취향을 파악하는 자동 생성 질의응답 단계;
인터넷 쇼핑몰과 SPA 사이트를 포함한 추천 상점의 HTML 소스에서 추출된 키워드 및 태그정보를 바탕으로 상점을 자동 분류하고 추천하는 상점추천단계;
별도의 브라우저 없이 사용자 단말기에 설치된 앱을 통해 추천 상점의 의상 이미지 및 정보가 수집 분류되어 의상데이터로 나의 옷장에 저장되는 단계;
스타일링 연출을 원할 경우(200), 상기 의상 이미지에서 스타일링 연출을 위해 불필요한 배경을 제거하는 배경제거단계;
셀프스타일링을 원할 경우(300), 상기 나의 옷장에 저장된 개별 유닛을 드래그-앤-드롭하여 연출하는 셀프스타일링단계;
공유공감정보를 원할 경우(400), 연출된 결과물을 SNS 및 커뮤니티를 통해 공유하고 공감정보를 수집하여 공감 빅데이터를 구축하는 단계;
출처(URL)별 구매로직을 바탕으로 상기 사용자 단말기에 설치된 앱을 통해 여러 쇼핑몰의 의상을 일괄적으로 구매하는 일괄구매단계 및
일정, 날씨, 이벤트 등 상황과 목적에 적합한 의상을 사용자에게 자동 추천하는 단계를 포함하는 것을 특징으로 하는 딥러닝을 통한 코디 및 스타일링 방법.