KR20220026525A - 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 - Google Patents

중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 Download PDF

Info

Publication number
KR20220026525A
KR20220026525A KR1020210130219A KR20210130219A KR20220026525A KR 20220026525 A KR20220026525 A KR 20220026525A KR 1020210130219 A KR1020210130219 A KR 1020210130219A KR 20210130219 A KR20210130219 A KR 20210130219A KR 20220026525 A KR20220026525 A KR 20220026525A
Authority
KR
South Korea
Prior art keywords
information
clothing
used clothing
server
restoration
Prior art date
Application number
KR1020210130219A
Other languages
English (en)
Inventor
이준호
Original Assignee
이준호
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이준호 filed Critical 이준호
Priority to KR1020210130219A priority Critical patent/KR20220026525A/ko
Publication of KR20220026525A publication Critical patent/KR20220026525A/ko

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • 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
    • G06K9/6201—
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

실시예들은 온라인 플랫폼에 관한 것이다.
실시예들은 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법에 대한 것이다.
실시예들에 따르면, 중고의류를 올바르게 처리하거나 재활용하기 위한 서비스을 제공할 수 있다.
실시예들에 따르면, 중고의류에 대한 정보를 기반으로 매입 여부 결정/복원 방법 결정할 수 있다.

Description

중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 {SERVER OPERATING PLATFORM FOR RESALE AND RESTORATION OF USED-CLOTHING}
실시예들은 온라인 플랫폼에 관한 것이다. 실시예들은 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법에 대한 것이다.
대한민국 환경부의 환경통계포털에 따르면 전국에서 발생하는 폐의류 매립 및 소각 규모는 2017년 기준, 9만 3000톤이며 이 수치는 매년 10.4%씩 증가하고 있으며, 국가정책 연구 포털(NKIS)의 중고의류 재사용/재활용 정책 관련 연구 보고서에 따르면, 중고의류를 재활용하는 방안으로 재활용산업 육성 및 재활용 제품의 판로 개척 마련의 필요성에 대해 강조되고 있으나, 매년 증가하는 폐의류(또는 중고의류)를 올바르게 처리하거나 재활용하기 위한 서비스/플렛폼은 여전히 부족하다.
대한민국을 제외한 해외시장(미국 또는 유럽 등)의 경우. 중고의류(또는 폐의류) 산업 시장이 패션 업계의 대표적인 공유 경제 분야 중 하나로 자리잡고 있으며, 미국 대표 컨셔스패션 업체인 '스레드업'이 발표한 리세일 리포트에 따르며, 지난 10년간 중고의류 리세일 시간은 240억 달려(한화 28조 5129억 원)에 달하였으며, 2023년까지 520억 달러까지 성장할 것으로 전망하나, 폐의류(또는 중고의류)를 올바르게 처리하거나 재활용하기 위한 서비스/플렛폼은 여전히 부족하다.
현존하는 중고의류를 판매/구매하기 위한 플렛폼은 단순히 판매 정보 등록/구매 정보 송신의 기능한 수행할 뿐, 중고의류에 대한 정보를 기반으로 중고의류에 대한 매입 여부를 결정하거나 어떠한 복원 방법을 사용할지 결정해주는 서비스는 부재하다.
등록특허공보 제10-1184024호 (2012.09.12) 공개특허공보 제10-2003-0046889호 (2003.06.18)
실시예들은, 중고의류를 올바르게 처리하거나 재활용하기 위한 서비스/플렛폼을 제공할 수 있다.
실시예들은, 중고의류에 대한 정보를 기반으로 매입 여부 결정/복원 방법 결정을 해주는 서비스/플렛폼을 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
실시예들에 따르면, 적어도 하나의 프로세서(processor); 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고, 적어도 하나의 단계는, 중고의류(used clothing)에 대한 이미지 정보를 수신하는 단계; 의류 데이터베이스를 사용하여 수신된 이미지 정보로부터 중고의류에 대한 상품 정보를 추출하는 단계; 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성하는 단계; 매입 여부 정보 및 복원 타입 정보를 기반으로 복원된 중고의류에 대한 판매 정보를 서버에 등록하는 단계; 및 등록된 판매 정보를 사용자 단말에 송신하는 단계; 를 포함하고, 복원 타입 정보는 재사용(re-use) 타입 정보, 리사이클(re-cycle) 타입 정보 및 업사이클(up-cycle) 타입 정보 중 적어도 어느 하나를 나타내는, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버를 제공한다.
실시예들에 따르면, 의류 데이터베이스를 사용하여 수신된 이미지 정보로부터 상기 중고의류에 대한 상품 정보를 추출하는 단계; 는, 수신된 이미지 정보로부터 중고의류를 식별하는 단계; 및 수신된 이미지 정보로부터 식별된 중고의류에 대한 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 추출하는 단계; 를 포함하고, 중고의류에 대한 상품 정보는 훼손율 정보, 상기 변색률 정보 및 사이즈 변화율 정보를 포함하는, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버를 제공한다.
실시예들에 따르면, 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보는 의류 데이터베이스에 저장된 식별된 중고의류에 대한 상태 정보, 색상 정보 및 사이즈 정보를 기반으로 추출되는, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버를 제공한다.
실시예들에 따르면, 매입 여부 정보 및 복원 타입 정보는 중고의류에 대한 보존률 정보를 기반으로 계산되고, 보존률 정보는
Figure pat00001
를 기반으로 계산되고, D는 상기 훼손율 정보를 나타내고, C는 상기 변색률 정보를 나타내고, S는 사이즈 변화율 정보를 나타내고, a1은 상기 변색률 정보에 대한 제 1 가중치 값을 나타내고, a2는 상기 사이즈 변화율 정보에 대한 제 2 가중치 값을 나타내고, 제 1 가중치 값 및 상기 제 2 가중치 값은 사용자에 의해 기설정된 값을 나타내는, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버를 제공한다.
실시예들에 따르면, 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성하는 단계는, 뉴럴 네트워크 모델(Neural Network Model)을 기반으로 수행되고, 뉴럴 네트워크 모델은 중고의류에 대한 식별 정보, 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 학습하여 중고의류에 대한 매입 여부 정보 및 상기 복원 타입 정보를 생성하는, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버를 제공한다.
본 발명의 일 실시예는 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버의 운영 방법에 있어서, 상기 서버가, 중고의류(used clothing)에 대한 이미지 정보를 수신하는 단계; 상기 서버가, 의류 데이터베이스를 사용하여 상기 수신된 이미지 정보로부터 상기 중고의류에 대한 상품 정보를 추출하는 단계; 상기 서버가, 상기 추출된 중고의류에 대한 상품 정보를 기반으로 상기 중고의류에 대한 매입 여부 정보 및 상기 중고의류에 대한 복원 타입 정보를 생성하는 단계; 상기 서버가, 상기 매입 여부 정보 및 상기 복원 타입 정보를 기반으로 복원된 상기 중고의류에 대한 판매 정보를 상기 서버에 등록하는 단계; 및 상기 서버가, 상기 등록된 판매 정보를 사용자 단말에 송신하는 단계; 를 포함하고, 상기 복원 타입 정보는 재사용(re-use) 타입 정보, 리사이클(re-cycle) 타입 정보 및 업사이클(up-cycle) 타입 정보 중 적어도 어느 하나를 나타내는, 운영 방법을 제안한다.
본 발명의 일 실시예는, 전술한 운영 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체를 제안한다.
본 발명의 일 실시예는, 전술한 운영 방법을 실행시키기 위해 컴퓨터 판독 가능한 기록 매체에 기록된 프로그램을 제안한다.
실시예들에 따르면, 중고의류를 올바르게 처리하거나 재활용하기 위한 서비스을 제공할 수 있다.
실시예들에 따르면, 중고의류에 대한 정보를 기반으로 매입 여부 결정/복원 방법 결정할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
도 2는 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
도 3은 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
도 4는 실시예들에 따른 중고의류에 대한 상품 정보를 추출하는 과정의 예시를 나타낸다.
도 5는 실시예들에 따른 중고의류에 대한 매입 여부 정보 및 복원 타입 정보를 생성하는 방법의 예시를 나타낸다.
도 6은 실시예들에 따른 서버에 포함된 인공지능부의 예시이다.
도 7은 도 1에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버에 대한 하드웨어 구성도이다.
도 8 및 도 9는 실시예들에 따른 예시를 나타낸다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
이 도면은 실시예들에 따른 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버(또는 장치)가 구동되기 위한 엘리먼트들을 도시한다. 100은 실시예들에 따른 서버를 나타낸다. 200은 실시예들에 따른 사용자 단말을 나타낸다. 210은 실시예들에 따른 중고의류를 나타낸다. 실시예들에 따른 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버는 이 도면에 도시되어 있지 않은 하나 또는 그 이상의 엘리먼트들(예; 외부 서버, 외부 단말, 기타 네트워크 노드)을 더 포함할 수 있다.
실시예들에 따른 중고의류(used clothing)는 새 제품이 아닌 의류 제품을 나타낸다. 즉, 중고의류는 이미 사용된 의류를 뜻한다. 실시예들에 따른 중고의류는 중고 옷, 구제의류 등 다양하게 호칭될 수 있다.
실시예들에 따른 복원(restoration)은 중고의류에 수행되는 프로세스를 뜻한다. 예를 들어, 복원은 재사용(re-use), 리사이클(re-cycle) 및/또는 업사이클(up-cycle)을 나타낸다. 실시예들에 따른 재사용은 중고의류에 대해 고온살균/세탁 등을 거친 후 별도의 가공없이 다시 사용하는 것을 나타낸다. 실시예들에 따른 리사이클은 중고의류에 대하여 별도의 가공을 거쳐 변형을 주어 사용하는 것을 나타낸다. 실시예들에 따른 업사이클은 훼손이 심한 중고의류에 대하여 별도의 가공을 거친 후 환경적으로 가치가 높은 물건을 재탄생시키는 것을 나타낸다. 업사이클은 리사이클(re-cycle) 및 "위쪽"을 뜻하는 접두사 "업(up)"이 합성된 단어를 나타낸다(‘Upgrade' 및 'Recycle'의 합성어로 보는 견해도 있다).
실시예들에 따른 서버는 중고의류에 대한 이미지 정보를 수신할 수 있다. 실시예들에 따른 중고의류에 대한 이미지 정보는 3D 이미지 정보를 포함할 수 있다. 실시예들에 따른 중고의류에 대한 이미지 정보는 일반 카메라, ToF 센서(time of flight sensor) 및/또는 라이다(LiDAR, Light Detection And Ranging) 카메라로 촬영한 이미지 일 수 있다. 즉, 중고의류에 대한 이미지 정보는 중고의류에 대한 3D 공간 정보 뿐만 아니라 색상 정보 등을 포함할 수 있다.
실시예들에 따른 서버는 의류 데이터베이스를 사용하여 수신된 이미지 정보로부터 중고의류에 대한 상품 정보를 추출할 수 있다. 실시예들에 따른 의류 데이터베이스는 의류에 대한 정보를 포함할 수 있다. 또한, 의류 데이터베이스는 중고의류 뿐만 아니라 새제품에 대한 정보를 포함할 수 있다. 예를 들어, 의류 데이터베이스는 중고의류에 대응되는 새제품의 상태 정보, 색상 정보 및/또는 사이즈 정보를 저장할 수 있다. 실시예들에 따른 중고의류에 대한 상품 정보는 중고의류에 대한 훼손율 정보, 변색률 정보 및/또는 사이즈 변화율 정보를 포함할 수 있다. 실시예들에 따른 훼손율 정보는 중고의류가 훼손된 정도를 나타낸다. 실시예들에 따른 변색률 정보는 중고의류가 변색된 정도를 나타낸다. 실시예들에 따른 사이즈 변화율 정보는 중고의류의 사이즈가 변화된 정도를 나타낸다. 또한 사이즈 변화율 정보는 출고(및/또는 판매)되는 새제품의 사이즈 대비 현재 시점의 중고의류의 사이즈가 변화된 정도, 출고(및/또는 판매)되는 출고(및/또는 판매)된 일자로부터 소정의 기간이 지난 시점에 해당되는 중고의류의 사이즈가 변화된 정도를 나타내는 정보를 포함할 수 있다. 실시예들에 따른 의류 데이터베이스는 상술한 서버 내에 위치(및/또는)하거나 서버 밖에 위치할 수 있다(예; 외부 데이터베이스, 클라우드 서버 등).
실시예들에 따른 서버는 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성할 수 있다. 실시예들에 따른 매입 여부 정보는 수신한 중고의류에 대한 이미지에 대응되는 중고의류를 매입할지 결정하기 위한 정보를 나타낼 수 있다. 실시예들에 따른 복원 타입 정보는 상술한 중고의류를 매입하기로 결정한 경우, 매입한 중고의류를 복원할 타입(type)을 결정하기 위한 정보를 나타낼 수 있다. 예를 들어, 복원 타입 정보는 재사용 타입 정보, 리사이클 타입 정보 및/또는 업사이클 타입 정보 중 적어도 어느 하나를 나타낼 수 있다.
실시예들에 따른 서버는 매입 여부 정보 및 복원 타입 정보를 기반으로 복원된 중고의류에 대한 판매 정보를 서버에 등록할 수 있다. 중고의류에 대한 복원은 오프라인(off-line) 상에서 이루어질 수 있다. 판매 정보는 복원된 중고의류에 대한 가격 정보, 이름 정보 및/또는 상태 정보 등을 포함한다.
실시예들에 따른 서버는 등록된 판매 정보를 사용자 단말(200)에 송신할 수 있다. 사용자 단말(200)는, 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
이 도면에서 설명하는 서버(100)를 통하여 사용자는 여러 방법으로 복원된 중고의류에 대한 정보를 손쉽게 얻고 이를 구매할 수 있다. 또한, 서버를 통하여 중고의류에 대한 매입 여부 정보 및/또는 복원 타입 정보를 생성하여 알맞은 복원 과정을 수행할 수 있다.
도 2는 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
이 도면은 도 1에서 설명한 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버(100)가 구동되는 방법의 다른 예시를 나타낸다. 100은 도 1에서 상술한 서버를 나타낸다. 실시예들에 따른 서버(100)는 이 도면에는 도시되어 있지 않은 하나 또는 그 이상의 엘리먼트들을 더 포함할 수 있다.
실시예들에 따른 서버(100)은 도 1에서 상술한 중고의류를 종합 재활용 업체 및/또는 고객으로부터 구매(또는 매입)할 수 있다. 실시예들에 따른 구매(또는 매입)은 도 1에서 상술한 매입 여부 정보에 기반할 수 있다. 실시예들에 따른 종합 재활용 업체는 중고의류와 같은 중고물품을 취급하는 센터(또는 매장, 업체)를 나타낼 수 있다. 실시예들에 따른 고객은 도 1에서 상술한 사용자를 비롯한 일반인(또는 수요자)을 뜻할 수 있다.
실시예들에 따른 서버는 매입하기로 결정된 중고의류에 대하여 도 1에서 상술한 복원 타입 정보에 기반하여 복원 과정을 수행하도록 지시할 수 있다. 예를 들어, 매입 여부 정보가 재사용을 나타내는 것에 대응하여 서버(100)는 재사용을 지시할 수 있다. 또한, 매입 여부 정보가 리사이클을 나타내는 것에 대응하여 서버(100)는 리사이클을 지시할 수 있다. 또한, 매입 여부 정보가 업사이클을 나타내는 것에 대응하여 서버(100)는 업사이클을 지시할 수 있다.
실시예들에 따른 서버(100)는 도 1에서 상술한 복원된 중고의류에 대한 판매 정보는 웹 쇼핑몰 및/또는 앱 플랫폼에 등록하거나, 오프라인 샵에서 판매하도록 지시할 수 있다. 소비자(도 1의 사용자)는 웹 쇼핑몰, 앱 플랫폼 및/또는 오프라인 샵을 통하여 복원된 중고의류를 구매할 수 있다.
이 도면에서 설명하는 서버(100)를 통하여 사용자는 여러 방법으로 복원된 중고의류에 대한 정보를 손쉽게 얻고 이를 구매할 수 있다. 또한, 서버(100)를 통하여 중고의류에 대한 매입 여부 정보 및/또는 복원 타입 정보를 생성하여 알맞은 복원 과정을 수행할 수 있다.
도 3은 실시예들에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버가 구동되는 방법의 예시를 나타낸다.
이 도면은 도 1에서 설명한 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버(100)가 구동되는 방법의 다른 예시를 나타낼 수 있다. 실시예들에 따른 서버(100)는 이 도면에는 도시되어 있지 않은 하나 또는 그 이상의 엘리먼트들을 더 포함할 수 있다.
실시예들에 따른 서버(100)은 도 1에서 상술한 중고의류를 고물상, 집하장 및/또는 고객으로부터 구매(또는 매입)할 수 있다. 실시예들에 따른 구매(또는 매입)은 도 1에서 상술한 매입 여부 정보에 기반할 수 있다.
실시예들에 따른 서버는 매입하기로 결정된 중고의류에 대하여 도 1에서 상술한 복원 타입 정보에 기반하여 복원 과정을 수행하도록 지시할 수 있다. 실시예들에 따른 복원 과정은 도 1에서 상술한 바와 같이 재사용, 리사이클 및/또는 업사이클을 포함한다. 재사용, 리사이클 및 업사이클에 대한 설명은 도 1에서 상술한 바와 동일 또는 유사하다. 재사용 과정은 고온세탁 과정 및/또는 살균처리 과정을 포함할 수 있다. 리사이클 과정은 수선, 토플 및/또는 염색 과정을 포함할 수 있다. 업사이클 과정은 재단화 및/또는 새생품화 과정을 포함할 수 있다. 중고의류를 고객으로부터 구매한 경우, 구매 대금을 포인트, 가상화폐 및/또는 현금으로 제공할 수 있다.
실시예들에 따른 서버는 도 1에서 상술한 복원된 중고의류에 대한 판매 정보는 웹 쇼핑몰(및/또는 앱 플랫폼)에 등록하거나, 오프라인 샵에서 판매하도록 지시할 수 있다. 소비자(도 1의 사용자)는 웹 쇼핑몰, 앱 플랫폼 및/또는 오프라인 샵을 통하여 복원된 중고의류를 구매할 수 있다.
이 도면에서 설명하는 서버(100)를 통하여 사용자는 여러 방법으로 복원된 중고의류에 대한 정보를 손쉽게 얻고 이를 구매할 수 있다. 또한, 서버(100)를 통하여 중고의류에 대한 매입 여부 정보 및/또는 복원 타입 정보를 생성하여 알맞은 복원 과정을 수행할 수 있다.
도 4는 실시예들에 따른 중고의류에 대한 상품 정보를 추출하는 과정의 예시를 나타낸다.
도 1에서 상술한 바와 같이, 실시예들에 따른 서버는 의류 데이터베이스를 사용하여 중고의류에 대한 이미지 정보로부터 중고의류에 대한 상품 정보를 추출할 수 있다. 100은 도 1 내지 도 3에서 상술한 서버(100)를 나타낼 수 있다. 도 1에서 상술한 바와 같이 서버는 의류 데이터베이스를 포함할 수 있다. 400은 실시예들에 따른 중고의류에 대한 이미지 정보를 나타낸다. 도 1에서 상술한 바와 같이 이미지 정보는 중고의류에 대한 3D 공간 정보 및/또는 색상 정보 등을 포함한다.
실시예들에 따른 서버(100)는 수신된 이미지 정보로부터 중고의류를 식별할 수 있다. 실시예들에 따른 중고의류를 식별하는 과정은 중고의류에 부착된 라벨(label) 및/또는 의류 데이터베이스에 저장된 중고의류의 특징 정보를 통해 식별할 수 있다. 실시예들에 따른 서버(100)는 식별된 중고의류에 대응하는 새제품의 상태 정보, 색상 정보 및/또는 사이즈 정보를 탐색(search)(및/또는 식별)할 수 있다.
실시예들에 따른 서버(100)는 수신된 이미지 정보로부터 중고의류를 식별할 수 있다. 서버(100)는, 예를 들면, 상기 수신된 이미지 정보 내에 포함되는 중고의류에 상응하는 객체를 추출하여 제1 객체 정보를 획득할 수 있다. 서버(100)는, 예를 들면, HOG(Histogram of Oriented Gradient), Haar-like feature, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test) 등과 같은 객체 특징 추출을 위한 다양한 알고리즘을 통하여, 상기 수신된 이미지 정보 내 (중고의류에 상응하는) 객체의 윤곽선 또는 상기 객체에서 추출할 수 있는 글씨(또는 정보를 나타내는 윤곽선(또는 외형))를 획득할 수 있다. 또한, 서버(100)는, 상기 수신된 이미지 정보에서 (중고의류에 상응하는) 객체를 영상 분석을 통해 인식(또는 식별)하고, 상기 인식된 객체에 대응되는 영역을 마스킹 처리하여 마스킹 영상 정보를 생성할 수 있다. 이때, 마스킹 처리 과정은, 예를 들면, 차분영상 방법, GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘, 코드북(Codebook) 알고리즘 등과 같은 객체와 배경을 분리하기 위한 배경 모델링을 통해 객체에 해당하는 객체 후보 영역을 추출하는 방법을 이용함으로써 (중고의류에 상응하는) 제1 객체 정보를 추출(및/또는 획득)할 수 있다.
실시예들에 따른 서버(100)는 수신된 이미지 정보로부터 식별된 중고의류에 대한 훼손율 정보, 변색률 정보 및/또는 사이즈 변화율 정보를 추출할 수 있다. 훼손율 정보, 변색률 정보 및/또는 사이즈 변화율 정보에 대한 설명은 도 1에서 상술한 바와 동일하다.
실시예들에 따른 훼손율 정보, 변색률 정보 및/또는 사이즈 변화율 정보는 의류 데이터베이스에 저장된 식별된 중고의류에 대한(식별된 중고의류에 대응하는 세제품의) 상태 정보, 색상 정보 및/또는 사이즈 정보를 기반으로 추출될 수 있다.
서버(100)는, 예를 들면, 상기 수신된 이미지 정보(및/또는 상기 제2 객체 정보) 내에 포함되는 훼손된 영역(410)에 상응하는 객체를 추출하여 제2 객체 정보를 획득할 수 있다. 서버(100)는, 예를 들면, HOG(Histogram of Oriented Gradient), Haar-like feature, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test) 등과 같은 객체 특징 추출을 위한 다양한 알고리즘을 통하여, 상기 수신된 이미지 정보(및/또는 상기 제2 객체 정보) 내에서 (훼손된 영역(410)에 상응하는) 객체의 윤곽선 또는 상기 객체에서 추출할 수 있는 글씨(또는 정보를 나타내는 윤곽선(또는 외형))를 획득할 수 있다. 또한, 서버(100)는, 상기 수신된 이미지 정보(및/또는 상기 제2 객체 정보)에서 (훼손된 영역(410)에 상응하는) 객체를 영상 분석을 통해 인식(또는 식별)하고, 상기 인식된 객체에 대응되는 영역을 마스킹 처리하여 마스킹 영상 정보를 생성할 수 있다. 이때, 마스킹 처리 과정은, 예를 들면, 차분영상 방법, GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘, 코드북(Codebook) 알고리즘 등과 같은 객체와 배경을 분리하기 위한 배경 모델링을 통해 객체에 해당하는 객체 후보 영역을 추출하는 방법을 이용함으로써 (훼손된 영역(410)에 상응하는) 제2 객체 정보를 추출(및/또는 획득)할 수 있다.
실시예들에 따른 서버(100)는 이미지 정보에 포함된 훼손된 영역(410)과 의류 데이터베이스에 저장된 상태 정보를 비교하여, 410이 기존에 없던 훼손된 영역임을 인식할 수도 있다. 예를 들어, 상태 정보에도 동일하게 410에 대한 영역이 존재한다면, 410을 훼손된 영역으로 인식하지 않는다. 실시예들에 따른 서버(100)는 이미지 정보의 중고의류의 면적 대비 훼손된 영역(410)이 차지하는 면적을 비교하여 훼손율 정보를 계산할 수 있다. 예를 들어, 훼손된 영역(410)이 전체 중고의류 면적의 5%이면 훼손율 정보는 0.05를 나타낼 수 있다.
실시예들에 따른 서버(100)는 이미지 정보에 포함된 변색된 영역(420) 및 의류 데이터베이스에 저장된 색상 정보를 비교하여, 기존의 새제품과 상이한 색상 정보를 가지는 변색된 영역을 인식할 수 있다. 실시예들에 따른 서버(100)는 이미지 정보의 중고의류의 면적 대비 변색된 영역(420)이 차지하는 면적을 비교하여 변색률 정보를 계산할 수 있다. 예를 들어, 변색된 영역이 전체 중고의류 면적의 10%이면 변색률 정보는 0.1을 나타낸다.
실시예들에 따른 서버(100)는 이미지 정보 상 중고의류의 전체 면적 및 의류 데이터베이스에 저장된 사이즈 정보를 비교하여 사이즈 변화율 정보를 계산할 수 있다. 예를 들어, 기존 새제품의 면적 대비 이미지 정보 상 중고의류의 전체 면적이 96%이면 사이즈 변화율은 0.96으로 계산될 수 있다.
실시예들에 따른 서버(100)가 중고의류에 대한 상품 정보를 추출하는 방법의 예시는 이 도면에서 상술한 예시에 국한되지 않는다.
도 5는 실시예들에 따른 중고의류에 대한 매입 여부 정보 및 복원 타입 정보를 생성하는 방법의 예시를 나타낸다.
도 1에서 상술한 바와 같이, 실시예들에 따른 서버(100)는 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성할 수 있다. 매입 여부 정보 및 복원 타입 정보에 대한 설명은 도 1에서 상술한 바와 동일 또는 유사하다.
실시예들에 따른 매입 여부 정보 및 복원 타입 정보는 보존률 정보를 기반으로 계산(및/또는 생성)될 수 있다. 실시예들에 따른 보존률 정보는 도 4에서 상술한 훼손율 정보, 변색률 정보 및/또는 사이즈 변화율 정보에 기반하여 계산된다. 실시예들에 따른 보존률 정보는 새제품에 비하여 중고의류가 보존된 정도를 나타내는 지표로 사용될 수 있다. 즉, 보존률 정보가 나타내는 값이 높을수록 새제품에 가깝게 보존된 중고의류임을 나타낼 수 있다.
실시예들에 따른 보존률 정보 R 은 아래의 [수학식 1]을 통하여 계산될 수 있다.
Figure pat00002
이때, D 는 상술한 훼손률 정보가 나타내는 값이고, C 는 상술한 변색률 정보가 나타내는 값이고, S 는 상술한 사이즈 변화율 정보가 나타내는 값을 나타낸다. 또한, a 1 은 변색률 정보에 곱해지는 제1 가중치 값을 나타낸다. 예를 들어, 검정색의 경우 제1 가중치 값을 다른 색에 비하여 작게 설정하여 변색률 정보가 미치는 영향을 줄일 수 있다. 수학식 1의 a 2 는 사이즈 변화율 정보에 곱해지는 제2 가중치 값을 나타낸다. 예를 들어, 프리 사이즈(free size)(예; 잠옷, 추리닝, 가운 등) 또는 겨울 아웃터의 경우, 제2 가중치 값을 다른 옷보다 작게 설정하여 사이즈 변화율 정보가 미치는 영향을 줄일 수 있다. 실시예들에 따른 제1 가중치 값 및 제2 가중치 값을 사용자에 의해 기 설정된 값을 나타낼 수 있다.
상술한 바와 같이 보존률 정보는 중고의류가 보존된 정도를 나타내는 지표이고, 매입 여부 정보 및 복원 타입 정보는 보존률 정보를 기반으로 결정될 수 있다.
실시예들에 따른 서버(100)는 아래의 수학식 2에 기반하여 보존률 정보 R` 을 산출할 수도 있다. 아래에서의 LV(Location Value) 는 서버(100)에 의해 설정되는 값이며, 상기 중고의류가 보관된 장소에 따라 결정되는 값일 수 있다. 예를 들면, 상기 중고의류가 매장에서 계속 보관된 경우라면 상대적으로 높게 설정되고, 수요자에게 판매되어 상기 수요자에 의해 보관된 경우라면 상대적으로 낮은 값으로 설정될 수 있다. 한편, 상기 중고의류가 매장에서 계속 보관된 경우: ① 상기 매장이 내륙에 위치하거나 도심에 위치하거나 건조한 지역에 위치하는 경우라면 상대적으로 더 높게 설정되고, ② 상기 매장이 해안에 위치하거나 습한 지역에 위치하는 경우라면 상대적으로 낮은 값으로 설정될 수 있다. 한편, 상기 중고의류가 수요자에게 판매되어 상기 수요자에 의해 보관된 경우: ③ 상기 수요자의 위치가 내륙에 상응하거나 도심에 상응하거나 건조한 지역에 상응하는 경우라면 상대적으로 높게 설정되고, ④ 상기 수요자의 위치가 해안에 위치하거나 습한 지역에 위치하는 경우라면 상대적으로 더 낮은 값으로 설정될 수 있다. (즉, LV = ① > ② > ③ > ④ )
Figure pat00003
도 5를 참조하면, 500은 매입 여부 정보 및 복원 타입 정보가 보존률 정보를 기반으로 결정되는 기준을 나타내고, 510은 보존률 정보에 따른 복원 타입을 설명하기 위한 도면이다.
500에 도시되어 있는 바와 같이, 보존률 정보가 7% 미만(즉, 소정의 임계 비율 미만)을 나타내면, 실시예들에 따른 서버는 중고의류를 매입하지 않기로 결정할 수 있다. 반면, 보존률 정보가 7% 이상을 나타내면 실시예들에 따른 서버는 중고의류를 매입하기로 결정하고 복원 타입 정보를 기반으로 복원 타입을 결정할 수 있다. 즉, 서버가 중고의류를 매입하지 않기로 결정한 경우에는, 복원 타입 정보를 판단하지 않아 데이터 처리 효율적인 프로세스를 수행한다.
실시예들에 따른 보존률 정보가 7% 이상 19% 미만을 나타내면, 복원 타입 정보는 업사이클을 나타낼 수 있다. 실시예들에 따른 업사이클에 대한 설명은 도 1에서 상술한 바와 동일하다. 실시예들에 따른 보존률 정보가 19% 이상 60% 미만을 나타내면, 복원 타입 정보는 리사이클을 나타낼 수 있다. 실시예들에 따른 리사이클에 대한 설명은 도 1에서 상술한 바와 동일하다. 실시예들에 따른 보존률 정보가 60% 이상을 나타내면, 복원 타입 정보는 재사용을 나타낼 수 있다. 실시예들에 따른 재사용에 대한 설명은 도 1에서 상술한 바와 동일하다.
도 1에서 상술한 바와 같이, 재사용은 중고의류에 대해 고온살균/세탁 등을 거친 후 별도의 가공없이 다시 사용하는 것을 나타낸다. 511은 재사용 과정에 대한 도면이다. 리사이클은 중고의류에 대하여 별도의 가공을 거쳐 변형을 주어 사용하는 것을 나타낸다. 512는 리사이클 과정에 대한 도면이다. 업사이클은 훼손이 심한 중고의류에 대하여 별도의 가공을 거친 후 환경적으로 가치가 높은 물건을 재탄생시키는 것을 나타낸다. 513은 업사이클에 대한 도면을 나타낸다.
이 도면에서 설명하는 방법을 통하여, 서버는 중고의류에 대한 매입 여부 정보 및/또는 복원 타입 정보를 생성하여 매입하기로 결정된 중고의류에 대하여 알맞은 복원 과정을 수행할 수 있다.
도 6은 실시예들에 따른 서버에 포함된 인공지능부의 예시이다.
도 6은, 실시예들에 따른 서버가 중고의류에 대한 매입 여부 정보 및 복원 타입 정보를 예측하기 위한 인공지능부의 뉴럴 네트워크 모델(Neural Network Model, 601)의 예시를 나타낸다. 실시예들에 따른 뉴럴 네트워크 모델은 인공지능 모델로 호칭될 수 있다. 이 도면에서 설명하는 인공지능부는 실시예들에 따른 서버에 포함될 수 있다. 실시예들에 따른 인공지능부에 사용되는 모델은 상술한 예시에 국한되지 않는다.
실시예들에 따른 인공지능부의 뉴럴 네트워크 모델은 하나 또는 그 이상의 은닉 레이어(hidden layer, 602) 들을 포함할 수 있다. 예를 들어, 하나 또는 그 이상의 은닉 레이어(hidden layer)들은 단순 선형으로 구성된 레이어일 수도 있고, CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 및/또는 LSTM(Long Short-Term Memory Model)로 구성된 레이어들의 집합일 수도 있다.
실시예들에 따른 뉴럴 네트워크 모델은 중고의류에 대한 식별 정보, 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 학습하여 중고의류에 대한 매입 여부 정보 및 복원 타입 정보를 예측(또는 생성)하는 모델일 수 있다. 실시예들에 따른 중고의류에 대한 식별 정보, 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보에 대한 설명은 상술한 바와 동일하다. 실시예들에 따른 학습 결과 생성된 출력물(매입 여부 정보 및 복원 타입 정보)를 의류 데이터베이스에 저장할 수 있다.
실시예들에 따른 서버는 이 도면에서 설명하는 인공지능부를 통하여 식별된 중고의류에 대하여 빈번하게 결정되는 매입 여부 정보 및 복원 타입 정보를 예측할 수 있다. 서버는 이후 동일한 중고의류에 대한 이미지가 수신되는 경우, 예측 결과를 먼저 제공하여 매입 여부 정보 및 복원 타입 정보를 계산하는 과정을 효율적으로 처리할 수 있다.
도 7은 도 1에 따른 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버에 대한 하드웨어 구성도이다.
도 7을 참조하면, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버 (100)는, 적어도 하나의 프로세서(processor, 110); 및/또는 상기 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.
적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 130)를 포함할 수 있다. 또한, 파충류 거래 플랫폼을 운용하는 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.
실시예들에 따른 적어도 하나의 단계는, 중고의류(used clothing)에 대한 이미지 정보를 수신하는 단계; 의류 데이터베이스를 사용하여 수신된 이미지 정보로부터 중고의류에 대한 상품 정보를 추출하는 단계; 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성하는 단계; 매입 여부 정보 및 복원 타입 정보를 기반으로 복원된 중고의류에 대한 판매 정보를 서버에 등록하는 단계; 및 등록된 판매 정보를 사용자 단말에 송신하는 단계; 를 포함하고, 복원 타입 정보는 재사용(re-use) 타입 정보, 리사이클(re-cycle) 타입 정보 및 업사이클(up-cycle) 타입 정보 중 적어도 어느 하나를 나타낼 수 있다.
실시예들에 따른 중고의류, 중고의류에 대한 상품 정보, 매입 여부 정보, 복원 타입 정보, 판매 정보, 사용자 단말, 재사용 타입 정보, 리사이클 타입 정보 및 업사이클 타입 정보에 대한 설명은 도 1 내지 도 6에서 상술한 바와 동일 또는 유사하다.
실시예들에 따른 적어도 하나의 단계는, 의류 데이터베이스를 사용하여 수신된 이미지 정보로부터 중고의류에 대한 상품 정보를 추출하는 단계; 수신된 이미지 정보로부터 상기 중고의류를 식별하는 단계; 및 수신된 이미지 정보로부터 식별된 중고의류에 대한 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 추출하는 단계; 를 포함하고, 중고의류에 대한 상품 정보는 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 포함할 수 있다.
실시예들에 따른 의류 데이터베이스, 훼손율 정보, 변색률 정보 및 사이즈 정보에 대한 설명은 도 1 내지 도 6에서 상술한 바와 동일 또는 유사하다.
실시예들에 따른 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보는 의류 데이터베이스에 저장된 식별된 중고의류에 대한 상태 정보, 색상 정보 및 사이즈 정보를 기반으로 추출될 수 있다.
실시예들에 따른 매입 여부 정보 및 복원 타입 정보는 중고의류에 대한 보존률 정보를 기반으로 계산되고, 보존률 정보는
Figure pat00004
를 기반으로 계산되고, D 는 상기 훼손율 정보를 나타내고, C 는 상기 변색률 정보를 나타내고, S 는 사이즈 변화율 정보를 나타내고, a 1 은 변색률 정보에 대한 제1 가중치 값을 나타내고, a 2 는 사이즈 변화율 정보에 대한 제2 가중치 값을 나타내고, 제1 가중치 값 및 제2 가중치 값은 사용자에 의해 기 설정된 값(predetermined value)을 나타낼 수 있다.
실시예들에 따른 D, C, S, a 1 및 a 2 에 대한 설명은 도 5에서 상술한 바와 동일 또는 유사하다.
실시예들에 따른 추출된 중고의류에 대한 상품 정보를 기반으로 중고의류에 대한 매입 여부 정보 및 중고의류에 대한 복원 타입 정보를 생성하는 단계는, 뉴럴 네트워크 모델(Neural Network Model)을 기반으로 수행될 수 있다.
실시예들에 따른 뉴럴 네트워크 모델은 중고의류에 대한 식별 정보, 훼손율 정보, 변색률 정보 및 사이즈 변화율 정보를 학습하여 중고의류에 대한 상기 매입 여부 정보 및 복원 타입 정보를 생성할 수 있다. 실시예들에 따른 뉴럴 네트워크 모델에 대한 설명은 도 6에서 상술한 바와 동일 또는 유사하다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (1)

  1. 중고의류의 복원 및 리세일(resale)를 위한 플랫폼을 운영하는 서버로서,
    프로세서(processor); 및 송수신기(transceiver); 를 포함하고,
    상기 프로세서는:
    중고의류(used clothing)에 대한 이미지 정보를 수신하고,
    의류 데이터베이스를 사용하여 상기 수신된 이미지 정보로부터 상기 중고의류에 대한 상품 정보를 추출하고,
    상기 추출된 중고의류에 대한 상품 정보를 기반으로 상기 중고의류에 대한 매입 여부 정보 및 상기 중고의류에 대한 복원 타입 정보를 생성하고,
    상기 매입 여부 정보 및 상기 복원 타입 정보를 기반으로 복원된 상기 중고의류에 대한 판매 정보를 상기 서버에 등록하고,
    상기 등록된 판매 정보를 사용자 단말에 송신하도록 제어하는,
    서버.
KR1020210130219A 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 KR20220026525A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210130219A KR20220026525A (ko) 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20210048295 2021-04-14
KR20210048973 2021-04-15
KR1020210052203A KR102310296B1 (ko) 2021-04-14 2021-04-22 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법
KR1020210130219A KR20220026525A (ko) 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020210052203A Division KR102310296B1 (ko) 2021-04-14 2021-04-22 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20220026525A true KR20220026525A (ko) 2022-03-04

Family

ID=78115651

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020210052203A KR102310296B1 (ko) 2021-04-14 2021-04-22 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법
KR1020210130218A KR20220026524A (ko) 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버
KR1020210130219A KR20220026525A (ko) 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020210052203A KR102310296B1 (ko) 2021-04-14 2021-04-22 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버 및 그 동작 방법
KR1020210130218A KR20220026524A (ko) 2021-04-14 2021-09-30 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버

Country Status (1)

Country Link
KR (3) KR102310296B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240020528A (ko) 2022-08-08 2024-02-15 주식회사 코코파 통합 의복 디자인 교육 및 유통 플랫폼

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030046889A (ko) 2001-12-07 2003-06-18 주식회사 아이쓰리샵 네트워크를 기반으로 하는 포털서비스 개념의 자동차상거래방법
KR101184024B1 (ko) 2012-05-01 2012-09-19 한국환경산업기술원 녹색 생활 관리 방법 및 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102081321B1 (ko) * 2019-03-28 2020-04-23 천정훈 재활용 물품 거래 시스템과 방법 및 이를 위한 컴퓨터 프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030046889A (ko) 2001-12-07 2003-06-18 주식회사 아이쓰리샵 네트워크를 기반으로 하는 포털서비스 개념의 자동차상거래방법
KR101184024B1 (ko) 2012-05-01 2012-09-19 한국환경산업기술원 녹색 생활 관리 방법 및 시스템

Also Published As

Publication number Publication date
KR102310296B1 (ko) 2021-10-08
KR20220026524A (ko) 2022-03-04

Similar Documents

Publication Publication Date Title
Liu et al. Bias-based universal adversarial patch attack for automatic check-out
CN109816441B (zh) 策略推送方法、系统及相关装置
CN105426356B (zh) 一种目标信息识别方法和装置
WO2019194986A1 (en) Automated extraction of product attributes from images
Zhang et al. Toward new retail: A benchmark dataset for smart unmanned vending machines
US11694440B2 (en) Image processing techniques to quickly find a desired object among other objects from a captured video scene
CN110827797B (zh) 语音应答事件分类处理方法和装置
US10275819B1 (en) Reducing incompatible pairings
CN110569502A (zh) 一种违禁广告语的识别方法、装置、计算机设备及存储介质
CN112016545A (zh) 一种包含文本的图像生成方法及装置
Gothai et al. Design features of grocery product recognition using deep learning
US10706371B2 (en) Data processing techniques
CN113222022A (zh) 一种网页分类识别方法及装置
CN113762257B (zh) 一种美妆品牌图像中标志的识别方法及装置
KR20220026525A (ko) 중고의류의 복원 및 리세일를 위한 플랫폼을 운영하는 서버
CN115374259A (zh) 一种问答数据挖掘方法、装置及电子设备
CN115019322A (zh) 字体检测方法、装置、设备及介质
CN112437946A (zh) 非法行为推定系统、非法行为推定方法及程序
US20210166028A1 (en) Automated product recognition, analysis and management
Gandhi et al. Image matters: Detecting offensive and non-compliant content/logo in product images
US20230088925A1 (en) Visual Attribute Expansion via Multiple Machine Learning Models
CN113688650B (zh) 识别图片的方法及装置
KR102337502B1 (ko) 온라인 상의 비정상 상품 후기 검출 방법 및 장치
Chaudhary et al. A real-time fine-grained visual monitoring system for retail store auditing
CN114359819A (zh) 图像处理方法、装置、设备、存储介质及计算机程序产品

Legal Events

Date Code Title Description
G15R Request for early publication