KR20230053852A - 패션 스타일 분류 시스템 및 그 분류 방법 - Google Patents

패션 스타일 분류 시스템 및 그 분류 방법 Download PDF

Info

Publication number
KR20230053852A
KR20230053852A KR1020210137127A KR20210137127A KR20230053852A KR 20230053852 A KR20230053852 A KR 20230053852A KR 1020210137127 A KR1020210137127 A KR 1020210137127A KR 20210137127 A KR20210137127 A KR 20210137127A KR 20230053852 A KR20230053852 A KR 20230053852A
Authority
KR
South Korea
Prior art keywords
fashion
style
component
standard image
component part
Prior art date
Application number
KR1020210137127A
Other languages
English (en)
Other versions
KR102623454B1 (ko
Inventor
김진수
장영화
허권
Original Assignee
(주)에오스와이텍
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 (주)에오스와이텍 filed Critical (주)에오스와이텍
Priority to KR1020210137127A priority Critical patent/KR102623454B1/ko
Publication of KR20230053852A publication Critical patent/KR20230053852A/ko
Application granted granted Critical
Publication of KR102623454B1 publication Critical patent/KR102623454B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Abstract

패션 스타일 분류 시스템은, 패션 객체의 이미지가 포함된 상품 사진으로부터 상기 패션 객체의 이미지를 추출하는 패션 객체 이미지 추출기; 상기 패션 객체 이미지 추출기로부터 추출된 상기 패션 객체의 이미지로부터, 상기 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 구성 부분 추출기; 및 상기 구성 부분 추출기로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성하는 구성 부분 표준 이미지 생성기;를 포함한다.

Description

패션 스타일 분류 시스템 및 그 분류 방법{CLASSIFICATION SYSTEM FOR FASHION STYLE AND CLASSIFICATION METHOD THEREFOR}
본 발명은 패션 스타일 분류 시스템 및 그 분류 방법에 관한 것으로, 더욱 상세하게는 패션 객체인 의류 상품의 이미지로부터 해당 상품의 패션 스타일을 분류할 수 있는 시스템 및 그 방법에 관한 것이다.
국내 의류 시장 성장이 장기간 둔화하는 가운데 코로나 사태로 인해 재고가 매우 증가함에 따라 적정 생산량을 예측하는 것이 의류업계에서는 최고의 화두가 되고 있다. 또한, 경쟁력 있는 생산 단가를 맞추기 위해서는 최소 1년 전에 소재를 결정하고 소싱을 해야만 된다는 제약으로 인해 이러한 예측과 의사 결정은 그 이전에 이루어져야 한다. 하지만 이러한 문제를 해결하지 못하는 이유는 기획자와 디자이너들이 유행할 스타일을 몰라서가 아니라 스타일별 유행 정도 즉, 스타일별 판매량을 정확하게 예측하지 못하고 관습적으로 생산하기 때문이다.
또한, 디자이너들이 기존 방식대로 시장 방문 조사를 아무리 많이 하더라도 광범위한 객관적인 예측 근거 자료가 부족하여 결정권자들은 공략하는 스타일의 생산량을 합리적으로 결정하지 못하고 매출 저하와 재고량 증가를 초래한다.
기존 키워드 및 이미지 태그 검색 방식은 실질적인 소비자 요구를 만족시키지 못하고 있다. 일반 소비자들은 다양하고 생소한 스타일 용어를 잘 알지 못할 뿐만 아니라 최신 용어는 패션업계 관계자 외에는 모르는 것이 현실이다. 따라서, 일반 소비자 대부분은 브랜드명과 범위가 넓은 카테고리 유형(가죽 자켓, 린넨 바지, 쿨링 티셔츠 등)을 사용하여 검색하는 것이 현실이다. 이러한 이유로 키워드를 통한 스타일 검색 방식은 소비자 자신의 요구를 정확히 표현할 수가 없어서 그 결과에 대한 만족도가 매우 낮다.
이미지 태그 방식의 검색 또한 소비자가 원하는 스타일을 찾기 위해서는 자신이 원하는 비슷한 이미지들을 계속 검색하면서 수많은 인터넷 서핑을 해야 한다. 또한, 대부분의 검색 사이트, 온라인 쇼핑몰, 포털 사이트 등은 소비자의 정확한 요구를 모른 채 소비자가 어쩔 수 없이 무의미하게 서핑한 행위를 기반으로 개인맞춤 추천을 하는 것이 현재 서비스들의 한계이다.
이러한 근본적인 이유로 일반 소비자들은 브랜드명과 카테고리 유형 위주의 검색을 하게 된다. 아울러, 이는 유명 브랜드 위주의 산업 구조를 초래하였고 국내 중소 패션 제조 기업의 경쟁력 약화에 일조하였다.
이를 해결하기 위해서는 소비자 요구를 충실히 표현할 수 있으면서 개인 스타일 취향과 트렌드가 상세히 반영된 새로운 개념의 패션 검색 방식이 필요하다. 다만, 새로운 개념의 패션 검색 방식을 위해서는 의류 상품의 이미지로부터 해당 상품의 패션 스타일을 분류하는 것이 선행되어야 할 것이다.
본 발명은 전술한 바와 같은 기술적 과제를 해결하는 데 목적이 있는 발명으로서, 의류 상품의 사진 이미지로부터 해당 상품의 패션 스타일을 분류할 수 있는 패션 스타일 분류 시스템 및 그 분류 방법을 제공하는 것에 그 목적이 있다.
제 1 실시예 및 제 2 실시예에 따른 패션 스타일 분류 시스템은, 패션 객체의 이미지가 포함된 상품 사진으로부터 상기 패션 객체의 이미지를 추출하는 패션 객체 이미지 추출기; 상기 패션 객체 이미지 추출기로부터 추출된 상기 패션 객체의 이미지로부터, 상기 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 구성 부분 추출기; 및 상기 구성 부분 추출기로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성하는 구성 부분 표준 이미지 생성기;를 포함한다.
구체적으로 제 1 실시예 및 제 2 실시예의 상기 구성 부분 표준 이미지 생성기는, 상기 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출한다. 아울러, 상기 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함할 수 있다.
아울러, 제 1 실시예에 따른 패션 스타일 분류 시스템은, 상기 구성 부분 표준 이미지 생성기로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성기; 및 상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류기;를 더 포함한다.
구체적으로, 제 1 실시예의 상기 패션 객체 스타일 분류기는, 상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류한다.
또한, 제 2 실시예에 따른 패션 스타일 분류 시스템은, 상기 구성 부분 표준 이미지 생성기로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 구성 부분 스타일 분류기;를 더 포함한다. 구체적으로, 제 2 실시예의 상기 구성 부분 스타일 분류기는, 해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하고, 해당 유사도가 상기 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다.
아울러, 제 2 실시예에 따른 패션 스타일 분류 시스템은, 상기 구성 부분 스타일 분류기에 의해 분류된 상기 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성기; 및 상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류기;를 더 포함한다. 구체적으로, 제 2 실시예의 상기 패션 객체 스타일 분류기는, 상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류한다.
제 1 실시예 및 제 2 실시예에 따른 패션 스타일 분류 방법은, 패션 객체의 이미지가 포함된 상품 사진으로부터 상기 패션 객체의 이미지를 추출하는 패션 객체 이미지 추출 단계; 상기 패션 객체 이미지 추출 단계로부터 추출된 상기 패션 객체의 이미지로부터, 상기 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 구성 부분 추출 단계; 및 상기 구성 부분 추출 단계로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성하는 구성 부분 표준 이미지 생성 단계;를 포함한다.
구체적으로, 제 1 실시예 및 제 2 실시예의 상기 구성 부분 표준 이미지 생성 단계는, 상기 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출한다. 아울러, 상기 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함한다.
또한, 제 1 실시예에 따른 패션 스타일 분류 방법은, 상기 구성 부분 표준 이미지 생성 단계로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성 단계; 및 상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류 단계;를 더 포함한다. 구체적으로, 제 1 실시예의 상기 패션 객체 스타일 분류 단계는, 상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류한다.
아울러, 제 2 실시예에 따른 패션 스타일 분류 방법은, 상기 구성 부분 표준 이미지 생성 단계로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 구성 부분 스타일 분류 단계;를 더 포함한다. 구체적으로, 제 2 실시예의 상기 구성 부분 스타일 분류 단계는, 해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하고, 해당 유사도가 상기 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다.
또한, 제 2 실시예에 따른 패션 스타일 분류 방법은, 상기 구성 부분 스타일 분류 단계에 의해 분류된 상기 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성 단계; 및 상기 패션 객체 표준 이미지 생성 단계에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류 단계;를 더 포함한다. 구체적으로, 제 2 실시예의 상기 패션 객체 스타일 분류 단계는, 상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류한다.
본 발명의 패션 스타일 분류 시스템 및 그 분류 방법에 따르면, 의류 상품의 사진 이미지로부터 해당 상품의 패션 스타일을 분류할 수 있다.
도 1은 제 1 실시예에 따른 패션 스타일 분류 시스템의 구성도.
도 2a는 패션 객체 이미지 추출기로 입력되는 패션 객체의 이미지가 포함된 상품 사진의 예시도
도 2b는 패션 객체 이미지 추출기에 의해 추출된 패션 객체의 이미지의 예시도.
도 2c는 구성 부분 추출기에 의해 추출된 다수의 구성 부분 이미지의 예시도.
도 2d는 구성 부분 표준 이미지 생성기에 의해 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지의 예시도.
도 2e는 패션 객체 표준 이미지 생성기에 의해 생성된 패션 객체에 대한 표준 이미지의 예시도.
도 3은 패션 객체 표준 이미지 생성기에 의한 패션 객체에 대한 표준 이미지에 대한 설명도.
도 4는 제 2 실시예에 따른 패션 스타일 분류 시스템의 구성도.
이하, 첨부된 도면을 참조하면서 본 발명의 실시예들에 따른 패션 스타일 분류 시스템 및 그 분류 방법에 대해 상세히 설명하기로 한다. 본 발명의 하기의 실시예들은 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예들로부터 본 발명이 속하는 기술 분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리 범위에 속하는 것으로 해석된다.
먼저, 도 1은 제 1 실시예에 따른 패션 스타일 분류 시스템(10)의 구성도를 나타낸다.
참고로 제 1 실시예에 따른 패션 스타일 분류 시스템(10)의 구성 각각은, 적어도 하나의 컴퓨팅 장치의 적어도 일부의 프로세서를 이용하여 구현될 수 있다. 아울러, 제 1 실시예에 따른 패션 스타일 분류 시스템(10)은 적어도 하나의 컴퓨팅 장치를 이용하여 구현될 수 있다.
도 1로부터 알 수 있는 바와 같이 제 1 실시예에 따른 패션 스타일 분류 시스템(10)은, 패션 객체 이미지 추출기(11), 구성 부분 추출기(12), 구성 부분 표준 이미지 생성기(13), 패션 객체 표준 이미지 생성기(15), 패션 객체 스타일 분류기(16) 및 패션 스타일 표준 이미지 생성기(18)를 포함하여 구성될 수 있다.
도 2a 내지 도 2e는 각각, 패션 객체 이미지 추출기(11)로 입력되는 패션 객체의 이미지가 포함된 상품 사진, 패션 객체 이미지 추출기(11)에 의해 추출된 패션 객체의 이미지, 구성 부분 추출기(12)에 의해 추출된 다수의 구성 부분 이미지, 구성 부분 표준 이미지 생성기(13)에 의해 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지 및 패션 객체 표준 이미지 생성기(15)에 의해 생성된 패션 객체에 대한 표준 이미지의 예시도를 나타낸다.
하기에 제 1 실시예에 따른 패션 스타일 분류 시스템(10)의 각 구성에 대해 구체적으로 설명하기로 한다.
패션 객체 이미지 추출기(11)는, 패션 객체의 이미지가 포함된 상품 사진 등으로부터 패션 객체의 이미지를 추출하는 역할을 한다. 참고로, 패션 객체라는 것은 의복, 모자를 포함하는 패션의 대상을 의미한다.
패션 객체 이미지 추출기(11)는, 패션 객체의 이미지의 추출과 더불어 해당 패션 객체의 카테고리 정보를 분류할 필요가 있다. 패션 객체의 카테고리 정보는 계층적으로 분류될 수 있다. 예를 들면, 하나의 패션 객체에 대해 대분류는 아우터로, 중분류는 코트로, 소분류는 트렌치 코트와 같이 분류될 수 있다. 해당 패션 객체의 카테고리 정보는 구성 부분 추출기(12), 구성 부분 표준 이미지 생성기(13), 패션 객체 표준 이미지 생성기(15), 패션 객체 스타일 분류기(16) 및 패션 스타일 표준 이미지 생성기(18)에 의해 이용될 수 있다.
구성 부분 추출기(12)는, 패션 객체 이미지 추출기(11)로부터 추출된 패션 객체의 이미지로부터 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 역할을 한다. 여기서 다수의 구성 부분은, 어깨견장, 칼라, 플랩, 소매, 주머니, 단추, 벨트 등을 포함한다.
구성 부분 추출기(12)는 딥러닝을 이용한 학습 모델에 의해 구현될 수 있다. 예를 들면 구성 부분 추출기(12)는, 딥러닝을 통해 패션 객체에 속하는 다수의 구성 부분을 한꺼번에 검출 후, 검출된 다수의 구성 부분으로부터 각각의 구성 부분을 추출할 수 있다.
구성 부분 표준 이미지 생성기(13)는, 구성 부분 추출기(12)로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성한다. 즉, 구성 부분 표준 이미지 생성기(13)는, 구성 부분 추출기(12)로부터 추출된 다수의 구성 부분의 실사 이미지로부터 도식화된 이미지인 표준 이미지를 생성하는 역할을 한다.
아울러, 구성 부분 표준 이미지 생성기(13)는, 다수의 구성 부분 이미지 각각에 대한 표준 이미지의 생성과 더불어 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출할 필요가 있다. 구성 부분 정보는, 패션 객체 표준 이미지 생성기(15), 패션 객체 스타일 분류기(16) 및 패션 스타일 표준 이미지 생성기(18)에 의해 이용될 수 있다.
구체적으로, 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함할 수 있다.
구성 부분 표준 이미지 생성기(13)는, 구성 부분 정보를 계층적으로 분류할 수 있다. 예를 들면, 구성 부분 표준 이미지 생성기(13)는, 해당 구성 부분의 위치 정보 및 해당 구성 부분의 영역 정보를 1차적으로 분류하고, 해당 구성 부분의 형태 정보를 2차적으로 분류하고, 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보;를 3차적으로 분류할 수 있다. 아우러, 해당 구성 부분의 형태 정보의 분류에 의해 해당 구성 부분의 종류를 알 수 있고, 해당 구성 부분 이미지 각각에 대한 표준 이미지가 생성될 수 있다.
구성 부분 표준 이미지 생성기(13)도 딥러닝을 이용하여 구현할 수 있다. 예를 들면, DCGAN을 위한 구성 부분 학습 데이터 세트를 구축하여, 구성 부분 학습 모델을 통해 추출된 구성 부분 데이터를 학습 데이터 세트로 활용할 수 있다. 아울러, DCGAN의 성능 지표로서, IS(Inception Score), FID(Frechet Inception Distance) 등의 성능 지표를 비교 후 선정할 수 있다.
패션 객체 표준 이미지 생성기(15)는, 구성 부분 표준 이미지 생성기(13)로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 패션 객체에 대한 표준 이미지를 생성할 수 있다. 구체적으로 패션 객체 표준 이미지 생성기(15)는 해당 패션 객체의 카테고리 정보에 해당하는 기본 몸판의 표준 이미지에 다수의 구성 부분에 대한 표준 이미지를 조합하여 패션 객체에 대한 표준 이미지를 생성할 수 있다.
도 3은 패션 객체 표준 이미지 생성기(15)에 의한 패션 객체에 대한 표준 이미지에 대한 설명도이다.
도 3으로부터 알 수 있는 바와 같이, 해당 패션 객체의 카테고리 정보가 트렌치 코드인 경우, 트렌치 코드의 기본 몸판의 표준 이미지에 다수의 구성 부분에 대한 표준 이미지를 조합하는 것에 의해 도식화된 패션 객체에 대한 표준 이미지가 생성된다.
패션 객체 스타일 분류기(16)는, 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류한다. 아울러, 패션 객체 스타일 분류기(16)는, 해당 유사도가 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류할 필요가 있다.
구체적으로 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도는, 하나의 패션 객체에 포함된 다수의 구성 부분 각각에 대해 유사도를 산출한 후 합산하는 것에 의해 산출될 수 있다.
패션 스타일 표준 이미지 생성기(18)는, 패션 객체 스타일 분류기(16)에 의해 산출된 유사도가 제 1 값 이상인 미리 저장된 패션 객체의 유형이 없는 경우, 해당 패션 객체 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
도 4는 제 2 실시예에 따른 패션 스타일 분류 시스템(20)의 구성도를 나타낸다.
참고로 제 2 실시예에 따른 패션 스타일 분류 시스템의 구성 각각은, 적어도 하나의 컴퓨팅 장치의 적어도 일부의 프로세서를 이용하여 구현될 수 있다. 아울러, 제 2 실시예에 따른 패션 스타일 분류 시스템(20)은 적어도 하나의 컴퓨팅 장치를 이용하여 구현될 수 있다.
도 4로부터 알 수 있는 바와 같이 제 2 실시예에 따른 패션 스타일 분류 시스템(20)은, 패션 객체 이미지 추출기(21), 구성 부분 추출기(22), 구성 부분 표준 이미지 생성기(23), 구성 부분 스타일 분류기(24), 패션 객체 표준 이미지 생성기(25), 패션 객체 스타일 분류기(26), 구성 스타일 표준 이미지 생성기(27) 및 패션 스타일 표준 이미지 생성기(28)를 포함하여 구성될 수 있다.
제 2 실시예에 따른 패션 스타일 분류 시스템(20)은, 제 1 실시예에 따른 패션 스타일 분류 시스템(10)과 달리, 구성 부분 스타일 분류기(24)에 의해 구성 부분의 유형을 분류 후 다수의 구성 부분 유형의 표준 이미지를 조합하여 패션 객체에 대한 표준 이미지를 생성하는 것에 그 특징이 있다. 다만, 별도의 설명이 없는 한 제 2 실시예에 따른 패션 스타일 분류 시스템(20)은, 제 1 실시예에 따른 패션 스타일 분류 시스템(10)의 모든 특징을 포함하고 있다.
패션 객체 이미지 추출기(21)는, 패션 객체의 이미지가 포함된 상품 사진으로부터 패션 객체의 이미지를 추출하는 역할을 한다. 참고로, 패션 객체라는 것은 의복, 모자를 포함하는 패션의 대상을 의미한다.
패션 객체 이미지 추출기(21)는, 패션 객체의 이미지의 추출과 더불어 해당 패션 객체의 카테고리 정보를 분류할 필요가 있다. 패션 객체의 카테고리 정보는 계층적으로 분류될 수 있다. 예를 들면, 하나의 패션 객체에 대해 대분류는 아우터로, 중분류는 코트로, 소분류는 트렌치 코트와 같이 분류될 수 있다. 해당 패션 객체의 카테고리 정보는 구성 부분 추출기(22), 구성 부분 표준 이미지 생성기(23), 패션 객체 표준 이미지 생성기(25), 패션 객체 스타일 분류기(26), 구성 스타일 표준 이미지 생성기(27) 및 패션 스타일 표준 이미지 생성기(28)에 의해 이용될 수 있다.
구성 부분 추출기(22)는, 패션 객체 이미지 추출기(21)로부터 추출된 패션 객체의 이미지로부터 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 역할을 한다. 여기서 다수의 구성 부분은, 어깨견장, 칼라, 플랩, 소매, 주머니, 단추, 벨트 등을 포함한다.
구성 부분 추출기(22)는 딥러닝을 이용한 학습 모델에 의해 구현될 수 있다. 예를 들면 구성 부분 추출기(22)는, 딥러닝을 통해 패션 객체에 속하는 다수의 구성 부분을 한꺼번에 검출 후, 검출된 다수의 구성 부분으로부터 각각의 구성 부분을 추출할 수 있다.
구성 부분 표준 이미지 생성기(23)는, 구성 부분 추출기(22)로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성한다. 즉, 구성 부분 표준 이미지 생성기(23)는, 구성 부분 추출기(22)로부터 추출된 다수의 구성 부분의 실사 이미지로부터 도식화된 이미지인 표준 이미지를 생성하는 역할을 한다.
아울러, 구성 부분 표준 이미지 생성기(23)는, 다수의 구성 부분 이미지 각각에 대한 표준 이미지의 생성과 더불어 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출할 필요가 있다. 구성 부분 정보는, 패션 객체 표준 이미지 생성기(25), 패션 스타일 표준 이미지 생성기(28), 구성 스타일 표준 이미지 생성기(27) 및 패션 객체 스타일 분류기(26)에 의해 이용될 수 있다.
구체적으로, 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함할 수 있다.
구성 부분 표준 이미지 생성기(23)는, 구성 부분 정보를 계층적으로 분류할 수 있다. 예를 들면, 구성 부분 표준 이미지 생성기(23)는, 해당 구성 부분의 위치 정보 및 해당 구성 부분의 영역 정보를 1차적으로 분류하고, 해당 구성 부분의 형태 정보를 2차적으로 분류하고, 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보;를 3차적으로 분류할 수 있다. 아울러, 해당 구성 부분의 형태 정보의 분류에 의해 해당 구성 부분의 종류를 알 수 있고, 해당 구성 부분 이미지 각각에 대한 표준 이미지가 생성될 수 있다.
구성 부분 표준 이미지 생성기(23)도 딥러닝을 이용하여 구현할 수 있다. 예를 들면, DCGAN을 위한 구성 부분 학습 데이터 세트를 구축하여, 구성 부분 학습 모델을 통해 추출된 구성 부분 데이터를 학습 데이터 세트로 활용할 수 있다. 아울러, DCGAN의 성능 지표로서, IS(Inception Score), FID(Frechet Inception Distance) 등의 성능 지표를 비교 후 선정할 수 있다.
구성 부분 스타일 분류기(24)는 구성 부분 표준 이미지 생성기(23)로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 역할을 한다. 즉, 구성 부분 표준 이미지 생성기(23)에 의해 인식된 해당 구성 부분의 종류가 칼라라고 하면, 해당 칼라의 유형을 구성 부분 스타일 분류기(24)가 분류하게 된다.
구체적으로, 구성 부분 스타일 분류기(24)는, 해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다. 아울러, 구성 부분 스타일 분류기(24)는 해당 유사도가 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다.
패션 객체 표준 이미지 생성기(25)는 구성 부분 스타일 분류기(24)에 의해 분류된 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 패션 객체에 대한 표준 이미지를 생성한다. 구체적으로 패션 객체 표준 이미지 생성기(25)는 해당 패션 객체의 카테고리 정보에 해당하는 기본 몸판의 표준 이미지에 다수의 구성 부분에 대한 표준 이미지를 조합하여 패션 객체에 대한 표준 이미지를 생성할 수 있다.
패션 객체 스타일 분류기(26)는, 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류한다. 아울러, 패션 객체 스타일 분류기(26)는, 해당 유사도가 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류할 필요가 있다.
구체적으로 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도는, 하나의 패션 객체에 포함된 다수의 구성 부분 각각에 대해 유사도를 산출한 후 합산하는 것에 의해 산출될 수 있다.
구성 스타일 표준 이미지 생성기(27)는, 구성 부분 스타일 분류기(24)에 의해 산출된 유사도가 제 2 값 이상인 미리 저장된 구성 부분의 유형이 없는 경우, 해당 구성 부분 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
패션 스타일 표준 이미지 생성기(28)는, 패션 객체 스타일 분류기(26)에 의해 산출된 유사도가 제 1 값 이상인 미리 저장된 구성 부분의 유형이 없는 경우, 해당 패션 객체 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
하기에 제 1 실시예에 따른 패션 스타일 분류 방법에 대해 설명하기로 한다.
제 1 실시예에 따른 패션 스타일 분류 방법은 상술한 제 1 실시예에 따른 패션 스타일 분류 시스템(10)을 이용하므로, 별도의 설명이 없더라도 제 1 실시예에 따른 패션 스타일 분류 시스템(10)의 모든 특징을 포함한다. 구체적으로, 제 1 실시예에 따른 패션 스타일 분류 방법은 프로세서의 의해 실시되는 컴퓨터 프로그램의 형태로 구현될 수 있다.
제 1 실시예에 따른 패션 스타일 분류 방법은, 패션 객체 이미지 추출 단계(S11), 구성 부분 추출 단계(S12), 구성 부분 표준 이미지 생성 단계(S13), 패션 객체 표준 이미지 생성 단계(S15), 패션 객체 스타일 분류 단계(S16) 및 패션 스타일 표준 이미지 생성 단계(S18)를 포함하여 구성될 수 있다.
패션 객체 이미지 추출 단계(S11)는, 패션 객체의 이미지가 포함된 상품 사진으로부터 패션 객체의 이미지를 추출한다.
아울러, 구성 부분 추출 단계(S12)는, 패션 객체 이미지 추출 단계(S11)로부터 추출된 패션 객체의 이미지로부터, 패션 객체에 속하는 다수의 구성 부분 이미지를 추출한다.
구성 부분 표준 이미지 생성 단계(S13)는, 구성 부분 추출 단계(S12)로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성한다. 아울러, 구성 부분 표준 이미지 생성 단계(S13)에서는, 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출한다. 구체적으로, 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함할 수 있다.
패션 객체 표준 이미지 생성 단계(S15)는, 구성 부분 표준 이미지 생성 단계(S13)로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 패션 객체에 대한 표준 이미지를 생성한다.
패션 객체 스타일 분류 단계(S16)는, 패션 객체 표준 이미지 생성 단계(S15)에 의해 생성된 패션 객체에 대한 표준 이미지를 이용하여, 패션 객체에 대한 스타일을 분류한다. 구체적으로, 패션 객체 스타일 분류 단계(S16)는, 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류한다. 아울러, 패션 객체 스타일 분류 단계(S16)는 해당 유사도가 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류한다.
패션 스타일 표준 이미지 생성 단계(S18)는, 패션 객체 스타일 분류 단계(S16)에 의해 산출된 유사도가 제 1 값 이상인 미리 저장된 패션 객체의 유형이 없는 경우, 해당 패션 객체 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
하기에 제 2 실시예에 따른 패션 스타일 분류 방법에 대해 설명하기로 한다.
제 2 실시예에 따른 패션 스타일 분류 방법은 상술한 제 2 실시예에 따른 패션 스타일 분류 시스템(20)을 이용하므로, 별도의 설명이 없더라도 제 2 실시예에 따른 패션 스타일 분류 시스템(20)의 모든 특징을 포함한다. 구체적으로, 제 2 실시예에 따른 패션 스타일 분류 방법은 프로세서의 의해 실시되는 컴퓨터 프로그램의 형태로 구현될 수 있다.
제 2 실시예에 따른 패션 스타일 분류 방법은, 패션 객체 이미지 추출 단계(S21), 구성 부분 추출 단계(S22), 구성 부분 표준 이미지 생성 단계(S23), 구성 부분 스타일 분류 단계(S24), 패션 객체 표준 이미지 생성 단계(S25), 패션 객체 스타일 분류 단계(S26), 구성 스타일 표준 이미지 생성 단계(S27) 및 패션 스타일 표준 이미지 생성 단계(S28)를 포함하여 구성될 수 있다.
패션 객체 이미지 추출 단계(S21)는, 패션 객체의 이미지가 포함된 상품 사진으로부터 패션 객체의 이미지를 추출한다.
아울러, 구성 부분 추출 단계(S22)는, 패션 객체 이미지 추출 단계(S21)로부터 추출된 패션 객체의 이미지로부터, 패션 객체에 속하는 다수의 구성 부분 이미지를 추출한다.
구성 부분 표준 이미지 생성 단계(S23)는, 구성 부분 추출 단계(S22)로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성한다. 아울러, 구성 부분 표준 이미지 생성 단계(S23)에서는, 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출한다. 구체적으로, 구성 부분 정보는, 해당 구성 부분의 위치 정보; 해당 구성 부분의 영역 정보; 해당 구성 부분의 형태 정보; 해당 구성 부분의 재질 정보; 해당 구성 부분의 패턴 정보; 및 해당 구성 부분의 컬러 정보; 중 다수를 포함할 수 있다.
구성 부분 스타일 분류 단계(S24)는 구성 부분 표준 이미지 생성 단계(S23)로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 역할을 한다. 즉, 구성 부분 표준 이미지 생성 단계(S23)에 의해 인식된 해당 구성 부분의 종류가 칼라라고 하면, 해당 칼라의 유형을 구성 부분 스타일 분류 단계(S24)가 분류하게 된다.
구체적으로, 구성 부분 스타일 분류 단계(S24)는, 해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다. 아울러, 구성 부분 스타일 분류 단계(S24)는 해당 유사도가 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류한다.
패션 객체 표준 이미지 생성 단계(S25)는 구성 부분 스타일 분류 단계(S24)에 의해 분류된 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 패션 객체에 대한 표준 이미지를 생성한다.
패션 객체 스타일 분류 단계(S26)는, 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류한다. 아울러, 패션 객체 스타일 분류 단계(S26)는, 해당 유사도가 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 패션 객체에 대한 스타일을 분류할 필요가 있다.
구체적으로 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도는, 하나의 패션 객체에 포함된 다수의 구성 부분 각각에 대해 유사도를 산출한 후 합산하는 것에 의해 산출될 수 있다.
구성 스타일 표준 이미지 생성 단계(S27)는, 구성 부분 스타일 분류 단계(S24)에 의해 산출된 유사도가 제 2 값 이상인 미리 저장된 구성 부분의 유형이 없는 경우, 해당 구성 부분 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
패션 스타일 표준 이미지 생성 단계(S28)는, 패션 객체 스타일 분류 단계(S26)에 의해 산출된 유사도가 제 1 값 이상인 미리 저장된 구성 부분의 유형이 없는 경우, 해당 패션 객체 유형의 표준 이미지를 새로 생성하여 저장하는 역할을 한다.
상술한 바와 같이 본 발명의 패션 스타일 분류 시스템(10, 20) 및 그 분류 방법에 따르면, 의류 상품의 사진 이미지로부터 해당 상품의 패션 스타일을 분류할 수 있음을 알 수 있다.
10, 20 : 패션 스타일 분류 시스템
11, 21 : 패션 객체 이미지 추출기
12, 22 : 구성 부분 추출기
13, 23 : 구성 부분 표준 이미지 생성기
24 : 구성 부분 스타일 분류기
15, 25 : 패션 객체 표준 이미지 생성기
16, 26 : 패션 객체 스타일 분류기
27 : 구성 스타일 표준 이미지 생성기
18, 28 : 패션 스타일 표준 이미지 생성기

Claims (24)

  1. 패션 스타일 분류 시스템에 있어서,
    패션 객체의 이미지가 포함된 상품 사진으로부터 상기 패션 객체의 이미지를 추출하는 패션 객체 이미지 추출기; 및
    상기 패션 객체 이미지 추출기로부터 추출된 상기 패션 객체의 이미지로부터, 상기 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 구성 부분 추출기;를 포함하는, 패션 스타일 분류 시스템.
  2. 제1항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 구성 부분 추출기로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성하는 구성 부분 표준 이미지 생성기;를 더 포함하는, 패션 스타일 분류 시스템.
  3. 제2항에 있어서,
    상기 구성 부분 표준 이미지 생성기는,
    상기 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출하는, 패션 스타일 분류 시스템.
  4. 제3항에 있어서,
    상기 구성 부분 정보는,
    해당 구성 부분의 위치 정보;
    해당 구성 부분의 영역 정보;
    해당 구성 부분의 형태 정보;
    해당 구성 부분의 재질 정보;
    해당 구성 부분의 패턴 정보; 및
    해당 구성 부분의 컬러 정보; 중 다수를 포함하는, 패션 스타일 분류 시스템.
  5. 제2항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 구성 부분 표준 이미지 생성기로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성기;를 더 포함하는, 패션 스타일 분류 시스템.
  6. 제5항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류기;를 더 포함하는, 패션 스타일 분류 시스템.
  7. 제6항에 있어서,
    상기 패션 객체 스타일 분류기는,
    상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하는, 패션 스타일 분류 시스템.
  8. 제4항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 구성 부분 표준 이미지 생성기로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 구성 부분 스타일 분류기;를 더 포함하는, 패션 스타일 분류 시스템.
  9. 제8항에 있어서,
    상기 구성 부분 스타일 분류기는,
    해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하고, 해당 유사도가 상기 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하는, 패션 스타일 분류 시스템.
  10. 제9항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 구성 부분 스타일 분류기에 의해 분류된 상기 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성기;를 더 포함하는, 패션 스타일 분류 시스템.
  11. 제10항에 있어서,
    상기 패션 스타일 분류 시스템은,
    상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류기;를 더 포함하는, 패션 스타일 분류 시스템.
  12. 제11항에 있어서,
    상기 패션 객체 스타일 분류기는,
    상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하는, 패션 스타일 분류 시스템.
  13. 패션 스타일 분류 방법에 있어서,
    패션 객체의 이미지가 포함된 상품 사진으로부터 상기 패션 객체의 이미지를 추출하는 패션 객체 이미지 추출 단계; 및
    상기 패션 객체 이미지 추출 단계로부터 추출된 상기 패션 객체의 이미지로부터, 상기 패션 객체에 속하는 다수의 구성 부분 이미지를 추출하는 구성 부분 추출 단계;를 포함하는, 패션 스타일 분류 방법.
  14. 제13항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 구성 부분 추출 단계로부터 추출된 다수의 구성 부분 이미지 각각에 대한 표준 이미지를 생성하는 구성 부분 표준 이미지 생성 단계;를 더 포함하는, 패션 스타일 분류 방법.
  15. 제14항에 있어서,
    상기 구성 부분 표준 이미지 생성 단계는,
    상기 다수의 구성 부분 각각에 대한 구성 부분 정보를 추출하는, 패션 스타일 분류 방법.
  16. 제15항에 있어서,
    상기 구성 부분 정보는,
    해당 구성 부분의 위치 정보;
    해당 구성 부분의 영역 정보;
    해당 구성 부분의 형태 정보;
    해당 구성 부분의 재질 정보;
    해당 구성 부분의 패턴 정보; 및
    해당 구성 부분의 컬러 정보; 중 다수를 포함하는, 패션 스타일 분류 방법.
  17. 제16항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 구성 부분 표준 이미지 생성 단계로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 조합하여, 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성 단계;를 더 포함하는, 패션 스타일 분류 방법.
  18. 제17항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 패션 객체 표준 이미지 생성기에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류 단계;를 더 포함하는, 패션 스타일 분류 방법.
  19. 제18항에 있어서,
    상기 패션 객체 스타일 분류 단계는,
    상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하는, 패션 스타일 분류 방법.
  20. 제16항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 구성 부분 표준 이미지 생성 단계로부터 생성된 다수의 구성 부분에 대한 표준 이미지를 이용하여, 다수의 구성 부분 각각의 유형을 분류하는 구성 부분 스타일 분류 단계;를 더 포함하는, 패션 스타일 분류 방법.
  21. 제20항에 있어서,
    상기 구성 부분 스타일 분류 단계는,
    해당 구성 부분에 대한 표준 이미지와 다수의 미리 저장된 구성 부분 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하고, 해당 유사도가 상기 제 2 값 이상으로 산출된 미리 저장된 구성 부분의 유형이 없는 경우에는 새로운 구성 부분의 유형으로 해당 구성 부분의 스타일을 분류하는, 패션 스타일 분류 방법.
  22. 제21항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 구성 부분 스타일 분류 단계에 의해 분류된 상기 패션 객체에 속하는 다수의 구성 부분의 각각의 유형에 해당하는, 다수의 구성 부분 유형의 표준 이미지를 조합하여 상기 패션 객체에 대한 표준 이미지를 생성하는, 패션 객체 표준 이미지 생성 단계;를 더 포함하는, 패션 스타일 분류 방법.
  23. 제22항에 있어서,
    상기 패션 스타일 분류 방법은,
    상기 패션 객체 표준 이미지 생성 단계에 의해 생성된 상기 패션 객체에 대한 표준 이미지를 이용하여, 상기 패션 객체에 대한 스타일을 분류하는 패션 객체 스타일 분류 단계;를 더 포함하는, 패션 스타일 분류 방법.
  24. 제23항에 있어서,
    상기 패션 객체 스타일 분류 단계는,
    상기 패션 객체에 대한 표준 이미지와 다수의 미리 저장된 패션 객체 유형의 표준 이미지 사이의 유사도를 각각 산출하여, 해당 유사도가 미리 설정된 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하고, 해당 유사도가 상기 제 1 값 이상으로 산출된 미리 저장된 패션 객체의 유형이 없는 경우에는 새로운 패션 객체의 유형으로 상기 패션 객체에 대한 스타일을 분류하는, 패션 스타일 분류 방법.

KR1020210137127A 2021-10-15 2021-10-15 패션 스타일 분류 시스템 및 그 분류 방법 KR102623454B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210137127A KR102623454B1 (ko) 2021-10-15 2021-10-15 패션 스타일 분류 시스템 및 그 분류 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210137127A KR102623454B1 (ko) 2021-10-15 2021-10-15 패션 스타일 분류 시스템 및 그 분류 방법

Publications (2)

Publication Number Publication Date
KR20230053852A true KR20230053852A (ko) 2023-04-24
KR102623454B1 KR102623454B1 (ko) 2024-01-10

Family

ID=86141916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210137127A KR102623454B1 (ko) 2021-10-15 2021-10-15 패션 스타일 분류 시스템 및 그 분류 방법

Country Status (1)

Country Link
KR (1) KR102623454B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160142211A (ko) * 2015-06-02 2016-12-12 삼성전자주식회사 의상의 3차원 데이터를 제공하는 방법 및 장치
KR20190103098A (ko) * 2019-08-16 2019-09-04 엘지전자 주식회사 의류 코디 정보 추천 방법 및 장치
KR20210103835A (ko) * 2020-02-14 2021-08-24 연세대학교 산학협력단 인공지능 기반의 유행 예측 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160142211A (ko) * 2015-06-02 2016-12-12 삼성전자주식회사 의상의 3차원 데이터를 제공하는 방법 및 장치
KR20190103098A (ko) * 2019-08-16 2019-09-04 엘지전자 주식회사 의류 코디 정보 추천 방법 및 장치
KR20210103835A (ko) * 2020-02-14 2021-08-24 연세대학교 산학협력단 인공지능 기반의 유행 예측 방법 및 장치

Also Published As

Publication number Publication date
KR102623454B1 (ko) 2024-01-10

Similar Documents

Publication Publication Date Title
Jia et al. Fashionpedia: Ontology, segmentation, and an attribute localization dataset
Zhang et al. Trip outfits advisor: Location-oriented clothing recommendation
EP3779841B1 (en) Method, apparatus and system for sending information, and computer-readable storage medium
KR102282743B1 (ko) 쇼핑몰에 대한 추천 정보를 제공하는 모바일 어플리케이션을 운용하는 서버
KR102045017B1 (ko) 이미지/텍스트 기반 디자인 생성 장치 및 방법
US11783408B2 (en) Computer vision based methods and systems of universal fashion ontology fashion rating and recommendation
JP2009545019A (ja) シミュレーション支援式検索
KR102211400B1 (ko) 이미지/텍스트 기반 디자인 생성 장치 및 방법
KR102043440B1 (ko) 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템
US11037071B1 (en) Cross-category item associations using machine learning
CN110246011A (zh) 可解释时尚服装个性化推荐方法
KR102284148B1 (ko) 딥러닝을 이용한 벡터기반의 패션추천 방법 및 시스템
CN105224775A (zh) 基于图片处理来对衣服进行搭配的方法和装置
Li et al. Retrieval of clothing images based on relevance feedback with focus on collar designs
EP3642764A1 (en) Learning unified embedding
Gong et al. Aesthetics, personalization and recommendation: A survey on deep learning in fashion
Usmani et al. Enhanced deep learning framework for fine-grained segmentation of fashion and apparel
CN105335386B (zh) 一种提供导航标签的方法及装置
Liu et al. Weather-to-garment: Weather-oriented clothing recommendation
Lin et al. Clothing recommendation system based on visual information analytics
KR20160117678A (ko) 큐레이션 커머스에서 상품 등록 및 추천 방법
Renaningtyas et al. Implementing The Use of AI for Analysis and Prediction in the Fashion Industry
Reyes et al. Adaptable recommendation system for outfit selection with deep learning approach
Qian et al. Algorithmic clothing: hybrid recommendation, from street-style-to-shop
KR20230053852A (ko) 패션 스타일 분류 시스템 및 그 분류 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right