KR20240014341A - 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법 - Google Patents

착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20240014341A
KR20240014341A KR1020220091954A KR20220091954A KR20240014341A KR 20240014341 A KR20240014341 A KR 20240014341A KR 1020220091954 A KR1020220091954 A KR 1020220091954A KR 20220091954 A KR20220091954 A KR 20220091954A KR 20240014341 A KR20240014341 A KR 20240014341A
Authority
KR
South Korea
Prior art keywords
data
fabric
value
characteristic
thickness
Prior art date
Application number
KR1020220091954A
Other languages
English (en)
Inventor
곽남현
Original Assignee
곽남현
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 곽남현 filed Critical 곽남현
Priority to KR1020220091954A priority Critical patent/KR20240014341A/ko
Publication of KR20240014341A publication Critical patent/KR20240014341A/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41H—APPLIANCES OR METHODS FOR MAKING CLOTHES, e.g. FOR DRESS-MAKING OR FOR TAILORING, NOT OTHERWISE PROVIDED FOR
    • A41H43/00—Other methods, machines or appliances
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
    • D06H3/00—Inspecting textile materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Textile Engineering (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Materials Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법에 관한 것이다.
이러한 본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템은 사용자로부터 입력되는 입력값과 외부DB 중 적어도 하나로부터 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 일반데이터와, 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터를 획득하는 데이터획득부; 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 상기 물성데이터에 기초하여 획득하는 특성값획득부; 상기 물성데이터와 상기 특성데이터에 포함된 데이터항목 중 적어도 하나를 종속변수로 설정하고, 상기 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 데이터셋생성부; 상기 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 상기 종속변수에 대한 결과값을 예측하기 위한 학습을 수행하는 학습모듈; 웹크롤링을 통해 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 수집하는 데이터수집부; 및 학습이 완료된 상기 학습모듈의 상기 모델에 상기 상품데이터를 독립변수로 적용하여 상기 종속변수에 대한 예측값을 출력하는 예측값출력부;를 포함하는 것을 기술적 요지로 한다.

Description

착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법{FABRIC CHARACTERISTIC PREDICTION SYSTEM AND METHOD FOR A SMOOTHER PREDICTION OF WEARING SENSATION}
본 발명은 온라인 쇼핑시 이용자가 의류의 착용감을 보다 정확하게 예측할 수 있도록 하는 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법에 관한 것이다.
스마트폰 및 태블릿PC와 같은 통신단말기의 발전에 따라, 최근에는 과거보다 손쉽게 인터넷 환경을 이용할 수 있게 되었다. 인터넷을 손쉽게 이용할 수 있음에 따라 많은 변화가 발생하였다. 이러한 변화 중 하나로, 최근에는 많은 사람들이 매장에 직접 방문하지 않고도 온라인을 통해 간편하게 상품을 구매하게 되었다.
상품을 온라인으로 구매하면 매장에 직접 방문할 필요가 없이 쉽게 상품을 구매하고, 원하는 배송지에서 수령할 수 있는 장점이 있으나, 상품을 직접 볼 수 없어 상품의 실물상태를 효과적으로 파악하기 어려운 문제가 있었다.
상품의 실물상태를 예측하기 위해 이용자들은 온라인상에 게시된 상품의 사진, 상품에 대한 설명 및 상품 구매자의 후기를 참고하고 있으나, 여전히 상품의 실물상태를 예측하기 어려워 상품을 수령하였을 때, 구매자가 예측한 바와 상품의 실물 사이에 괴리감이 발생하는 문제가 있었다.
특히, 의류의 경우 의류를 직접 만져보거나 관찰하지 않고 의류의 사진, 설명 및 구매자의 후기를 참고하는 것만으로 의류의 착용감에 영향을 미치는 촉감, 신축성, 비침, 두께감 등 의류의 특성을 예측하기 어렵고, 의류를 온라인상으로 구매하여 수령하였을 때, 실제 의류와 사용자가 예측하는 바가 크게 달라 상품을 교환하거나 반품하는 일이 빈번하게 발생하는 문제가 있었다.
이용자가 의류의 착용감을 예측하는데 도움을 줄 수 있도록, 최근 온라인 패션 쇼핑몰에는 의류의 실측 사이즈 뿐만 아니라, 의류의 촉감, 신축성, 비침 및 두께 등 의류의 특성을 게시하고 있다.
다만, 대부분의 온라인 패션 쇼핑몰에서는 의류의 특성을 문자로 모호하게 표시(예를 들어, 신축성의 경우 없음, 보통, 많음 등으로 표시)하고 있고, 의류의 특성을 표시하는 기준 또한 명확하지 않아 여전히 이용자가 의류의 착용감을 효과적으로 예측하는데 어려운 문제가 있었다.
KR 10-2224056 B1
본 발명의 목적은 상기한 문제점을 해결하기 위한 것으로서, 이용자가 의류의 착용감을 보다 정확하게 예측할 수 있도록 물성데이터에 기초하여 특성데이터를 획득하고, 획득된 일반데이터와 물성데이터 및 특성데이터를 적용하여 학습모듈을 학습시키며, 학습완료된 학습모듈을 이용해 원단상품에 대한 특성데이터를 획득함으로써 사용자가 원단상품에 대한 착용감을 보다 정확하게 예측하는데 도움을 줄 수 있는 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법을 제공하는 데 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
전술한 목적을 달성하기 위한, 본 발명의 일면에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템은 사용자로부터 입력되는 입력값과 외부DB 중 적어도 하나로부터 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 일반데이터와, 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터를 획득하는 데이터획득부; 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 상기 물성데이터에 기초하여 획득하는 특성값획득부; 상기 물성데이터와 상기 특성데이터에 포함된 데이터항목 중 적어도 하나를 종속변수로 설정하고, 상기 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 데이터셋생성부; 상기 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 상기 종속변수에 대한 결과값을 예측하기 위한 학습을 수행하는 학습모듈; 웹크롤링을 통해 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 수집하는 데이터수집부; 및 학습이 완료된 상기 학습모듈의 상기 모델에 상기 상품데이터를 독립변수로 적용하여 상기 종속변수에 대한 예측값을 출력하는 예측값출력부;를 포함한다.
전술한 목적을 달성하기 위한, 본 발명의 다른 면에 따른 착용감 예측성 개선을 위한 원단 특성 예측 방법은 컴퓨터 시스템에서 수행되는 원단 특성 예측 방법에 관한 것으로서, 사용자로부터 입력되는 입력값과 외부DB 중 적어도 하나로부터 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 일반데이터와, 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터를 획득하는 단계; 상기 물성데이터에 기초하여 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 획득하는 단계; 상기 물성데이터와 상기 특성데이터에 포함된 데이터항목 중 적어도 하나를 종속변수로 설정하고, 상기 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 단계; 상기 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 상기 종속변수에 대한 결과값을 예측하기 위한 학습을 수행하는 단계; 웹크롤링을 통해 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 수집하는 단계; 및 상기 학습이 완료된 후 상품데이터를 독립변수로 상기 모델에 적용하여 상기 종속변수에 대한 예측값을 출력하는 단계;를 포함한다.
상기한 구성에 의한 본 발명의 실시예들에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법은 하기와 같은 효과를 기대할 수 있다.
인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터에 기초하여 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 획득함에 따라, 정량화된 데이터에 기초한 특성데이터를 제공할 수 있어 의류의 착용감을 보다 효과적으로 예측하는데 도움을 줄 수 있다.
원단명, 혼용율, 원사굵기, 두께 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 독립변수로 학습모듈에 적용함으로써 원단상품에 대한 물성데이터와 특성데이터에 대한 예측값을 보다 간편하고 정확하게 획득할 수 있다.
도 1은 본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템의 구성을 나타낸 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 방법의 순서를 나타낸 순서도이다.
도 3은 하체모델링 레이어에 바지모델링 레이어가 오버랩된 상태를 나타내는 그래픽이미지의 예시를 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법을 설명하도록 한다.
본 발명의 다른 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 방법은 본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템에 의해 수행되는 것일 수 있다.
본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템은 메모리에 포함된 컴퓨터 판독 가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하는 컴퓨터 시스템일 수 있고, 이때, 적어도 하나의 프로세서는 데이터획득부(100), 특성값획득부(200), 데이터셋생성부(300), 학습모듈(400), 데이터수집부(500) 및 예측값출력부(600)를 포함하는 것일 수 있다.
본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)은 데이터획득부(100), 특성값획득부(200), 데이터셋생성부(300), 학습모듈(400), 데이터수집부(500) 및 예측값출력부(600)를 포함하는 것일 수 있다.
본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)은 데이터를 시각적으로 표시하기 위한 화면을 구비할 수 있고, 외부 통신망을 통해 외부와 소통할 수 있으며, 사용자로부터 입력값을 입력받기 위한 입력부를 구비할 수 있다.
착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)은 입력부를 통해 사용자로부터 입력값을 입력받을 수 있으나, 이에 제한되는 것은 아니며, 사용자로부터 사용자단말기(20)에 입력되는 입력값을 사용자단말기(20)로부터 전송받음으로써 사용자로부터 입력값을 입력받을 수 있다.
사용자단말기(20)는 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)와 외부 통신망을 통해 통신연결될 수 있으며, 사용자로부터 입력되는 입력값을 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)에 송신하는 것일 수 있다.
사용자단말기(20)는 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)으로부터 데이터를 수신할 수 있다.
사용자단말기(20)는 데이터를 표시하기 위한 화면을 구비할 수 있고, 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)로부터 수신된 데이터가 시각적으로 표시 가능한 것일 경우 화면에 표시하여 나타냄으로써 사용자에게 제공할 수 있다.
사용자단말기(20)는 사용자로부터 입력값을 입력받을 수 있고, 화면을 구비하며, 외부 통신망을 통해 착용감 예측성 개선을 위한 원단 특성 예측 시스템(10)과 통신연결될 수 있는 것이면 제한되지 않고, 예를 들어, 개인용 컴퓨터, 슬레이트 PC, 태블릿 PC, 스마트폰 및 PDA 단말기 중 어느 하나일 수 있다.
데이터획득부(100)는 사용자로부터 입력되는 입력값과 외부DB(30) 중 적어도 하나로부터 소정 원단에 대한 일반데이터와 물성데이터를 획득하는 것일 수 있다(S100).
여기서, 소정 원단은 면, 데님, 린넨, 골덴 및 가죽 등 일반적으로 섬유 산업 분야에서 사용되는 원단을 의미하는 것일 수 있고, 데이터획득부(100)는 복수 개의 원단 각각에 대한 일반데이터와 물성데이터를 획득할 수 있다.
데이터획득부(100)가 획득하는 일반데이터는 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 것일 수 있고, 바람직하게는 데이터획득부(100)가 획득하는 일반데이터는 원단명, 혼용율, 원사굵기 및 원단조직을 데이터항목으로 포함하는 것일 수 있다.
여기서, 원단명은 면, 데님, 린넨, 골덴 및 가죽과 같은 통상의 기술자에게 자명한 원단의 명칭에 대응되는 값을 갖는 데이터항목일 수 있고, 혼용율은 원단을 구성하는 원사의 비율에 대응되는 값을 갖는 데이터항목일 수 있으며, 원사굵기는 원단을 구성하는 원사의 굵기에 대응되는 값을 갖는 데이터항목일 수 있고, 원단조직은 직물(woven)과 편물(knit)과 같이 원단이 짜여진 방식에 대응되는 값을 갖는 데이터항목일 수 있다.
데이터획득부(100)가 획득하는 물성데이터는 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 것일 수 있다.
바람직하게, 데이터획득부(100)가 획득하는 물성데이터는 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성을 데이터항목으로 포함하는 것일 수 있다.
여기서, 인장강도는 인장시험기를 이용하여 원단시험편을 기설정된 인장속도로 인장하는 인장강도시험에서 원단시험편이 절단될 때의 최대 하중값을 원단시험편의 단면적으로 나누어 계산되는 것에 대응되는 값을 갖는 데이터항목일 수 있으나, 이에 제한되는 것은 아니고, 인장강도를 측정하기 위한 기설정된 시험방법으로 측정되는 값을 갖는 데이터항목일 수 있다.
신도는 전술한 인장강도시험에서 원단시험편에 규정 하중이 가해질 때 원단시험편의 길이(L1)와 원단시험편이 절단될 때의 길이(L2)를 이용하여 아래 수학식 1에 의해 계산되는 연신율에 대응되는 값을 갖는 데이터항목일 수 있으나, 이에 제한되는 것은 아니고, 신도를 측정하기 위한 기설정된 시험방법으로 측정되는 값을 갖는 데이터항목일 수 있다.
Figure pat00001
여기서, E는 연신율일 수 있고, L1은 규정 하중이 가해질 때 원단시험편의 길이일 수 있으며, L2는 원단시험편이 절단될 때의 길이일 수 있다.
두께는 원단의 실제 두께에 대응되는 값을 갖는 데이터항목일 수 있다.
중량은 KS K 0514에 준거한 천의 질량 측정 방법으로 측정되는 값을 갖는 데이터항목일 수 있으나, 이에 제한되는 것은 아니고, 중량을 측정하기 위한 기설정된 시험방법으로 측정되는 값을 갖는 데이터항목일 수 있다.
가시광선 투과율은 KS P 4404의 7.5.2 가시부 시험에 준거한 방법으로 측정되는 투과율에 대응되는 값을 갖는 데이터항목일 수 있으나, 이에 제한되는 것은 아니고, 가시광선 투과율을 측정하기 위한 기설정된 시험방법으로 측정되는 값을 갖는 데이터항목일 수 있다.
KS P 4404의 7.5.2 가시부 시험에 준거한 방법은 안티몬 세슘 광전관에 시감도용 필터를 조합시킨 것을 수광기(그 분광 감도 분포가 표준 시감도 분포에 거의 일치한다.)로 하여 표준광 A에 대한 투과율을 측정하는 것일 수 있다. 여기서, 표준광 A는 플랑크의 제2 상수가 14 380 μ°K일 때, 색 온도 2 854 °K로 점등한 백열전구의 빛을 의미하는 것일 수 있다.
구김회복성은 아래 수학식 2에 따라 계산되는 구김회복성에 해당하는 데이터항목일 수 있으나, 이에 제한되는 것은 아니고, 구김회복성을 측정하기 위한 기설정된 시험방법으로 측정되는 값을 갖는 데이터항목일 수 있다.
Figure pat00002
여기서, Cr은 구김회복성이고, NCi는 20cm × 20cm 크기의 완전히 펴진 시료 원단을 내부 지름 5cm, 높이 10cm의 밑면이 밀폐된 원통에 구겨 넣은 후, 인장시험기의 상부죠에 지름 4.9cm의 원판형 압축기를 사용하여 30kgf의 힘으로 압축하여 10초간 유지한 다음 압축 외력을 제거한 후 형성된 주름의 수이며, NCf는 상기 주름이 형성된 시료 원단을 20kgf의 힘으로 가로 방향 10회 및 세로 방향 10회 문질러서 주름을 편 후 잔존하는 주름의 수이다.
데이터획득부(100)는 일반데이터에 포함되는 데이터항목과, 물성데이터에 포함되는 데이터항목 각각에 대한 값을 사용자에게 입력받음으로써 일반데이터와 물성데이터를 획득할 수 있다.
데이터획득부(100)는 일반데이터에 포함되는 데이터항목과, 물성데이터에 포함되는 데이터항목 각각에 대한 값을 외부DB(30)에서 수집함으로써 일반데이터와 물성데이터를 획득할 수 있다.
여기서, 외부DB(30)는 복수 개의 원단에 대한 일반데이터에 포함되는 데이터항목의 값과 물성데이터에 포함되는 데이터항목의 값 중 적어도 하나를 오픈데이터로 제공하는 데이터베이스일 수 있다.
특성값획득부(200)는 데이터획득부(100)에서 획득된 물성데이터에 기초하여 특성데이터를 획득할 수 있다(S200).
특성값획득부(200)가 획득하는 특성데이터는 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 것일 수 있고, 바람직하게는 신축성, 두께감, 무게감, 비침성 및 구김성을 데이터항목으로 포함할 수 있다.
여기서, 신축성은 물성데이터의 데이터항목인 인장강도와 신도 중 어느 하나를 독립변수로 하는 종속변수일 수 있고, 두께감은 물성데이터의 데이터항목인 두께를 독립변수로 하는 종속변수일 수 있으며, 무게감은 물성데이터의 데이터항목인 중량을 독립변수로 하는 종속변수일 수 있고, 비침성은 물성데이터의 데이터항목인 가시광선 투과율을 독립변수로 하는 종속변수일 수 있으며, 구김성은 물성데이터의 데이터항목인 구김회복성을 독립변수로 하는 종속변수일 수 있다.
특성값획득부(200)는 데이터획득부(100)에서 획득된 물성데이터에 기초하여 특성데이터의 각 데이터항목에 대한 특성값범위를 생성하고, 생성된 특성값범위와 데이터획득부(100)에서 획득된 물성데이터에 기초하여 특성데이터를 획득할 수 있다.
특성값획득부(200)는 데이터획득부(100)에서 획득된 물성데이터의 각 데이터항목에 대하여 최소값, 최대값, 최소값과 최대값 사이에 위치하는 눈금값을 포함하는 물성범위를 생성할 수 있다.
즉, 특성값획득부(200)에서 생성되는 물성범위는 최소값과 최대값에 눈금값이 위치함에 따라 눈금값에 의해 구획되어 적어도 두 개의 구간범위를 포함할 수 있고, 특성값획득부(200)는 물성범위의 각 구간범위에 대해 구간값을 매칭하여 특성값범위를 생성할 수 있고, 특성값범위는 물성범위의 구간범위 갯수와 대응되는 구간범위로 구성될 수 있다.
이때, 물성범위의 최소값과 최대값은 각각 데이터획득부(100)에서 획득된 물성데이터에 포함된 데이터항목의 값에 대한 최소값과 최대값에 대응될 수 있다.
또한, 눈금값은 최소값과 최대값 사이에 위치하는 임의의 값으로 적어도 하나가 기설정될 수 있고, 예를 들어, 눈금값은 구간범위의 범위값이 동일하도록 기설정될 수 있다.
또한, 구간값은 숫자와 같이 순차적으로 나열 가능한 값들로 구성될 수 있고, 예를 들어, 자연수로 구성될 수 있다.
특성값획득부(200)는 물성범위의 각 구간범위에 구간값을 매칭하되, 물성범위의 구간범위에 속하는 값의 크기에 비례하도록 구간값을 매칭하여 저장할 수 있다. 즉, 특성값획득부(200)는 물성범위의 구간범위에 속하는 값의 크기가 클수록 큰 구간값을 매칭하여 특성값범위를 생성할 수 있다.
특성값획득부(200)는 특성데이터의 데이터항목인 신축성, 두께감, 무게감, 비침성 및 구김성 각각에 대한 특성값범위를 생성할 수 있다.
특성값획득부(200)는 소정 원단에 대하여 물성데이터의 데이터항목에 대한 값이 물성범위에서 속하는 구간범위에 매칭된 구간값을 특성데이터의 데이터항목에 대한 값으로 획득할 수 있다.
특성값획득부(200)는 데이터획득부(100)에서 복수 개의 원단 각각에 대한 물성데이터와 일반데이터가 획득된 경우 복수 개의 원단 각각에 대한 특성데이터를 획득하는 것일 수 있다.
특성값획득부(200)는 특성데이터의 데이터항목을 종속변수로 하는 독립변수에 대응되는 물성범위를 이용하여 특성값범위를 생성하고, 생성된 특성값범위를 이용하여 특성데이터의 데이터항목에 대한 값을 획득함으로써 특성데이터를 획득할 수 있다.
예를 들어, 특성값획득부(200)는 데이터획득부(100)에서 획득된 소정 원단에 대하여 인장강도의 최소값이 1, 최대값이 15이고, 기설정된 눈금값이 3, 5, 7, 9, 11 및 13이며, 구간값이 자연수로 구성되는 경우 1 이상 3 이하, 3 초과 5 이하, 5 초과 7 이하, 7 초과 9 이하, 9 초과 11 이하, 11 초과 13 이하, 13 초과 15 이하를 구간범위로 하는 인장강도에 대한 물성범위를 생성하고, 물성범위의 각 구간범위에 구간값으로 1, 2, 3, 4, 5, 6, 7을 각각 매칭하여 특성값범위를 생성할 수 있다.
이때, 데이터획득부(100)에서 획득된 어떤 원단에 대한 인장강도 값이 10인 경우 인장강도를 독립변수로 하는 종속변수인 신축성에 대한 값을 5로 획득할 수 있다.
데이터셋생성부(300)는 데이터획득부(100)에서 획득된 물성데이터와 특성값획득부(200)에서 획득된 특성데이터 중 적어도 하나를 종속변수로 설정하고, 데이터획득부(100)에서 획득된 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 것일 수 있다(S300).
바람직하게, 데이터셋생성부(300)는 데이터획득부(100)에서 획득된 물성데이터와 특성값획득부(200)에서 획득된 특성데이터를 종속변수로 설정하는 것일 수 있다.
데이터셋생성부(300)는 물성데이터에 포함된 데이터항목에 대한 값과, 특성데이터에 포함된 데이터항목에 대한 값을 종속변수로 설정하고, 일반데이터에 포함된 데이터항목에 대한 값을 독립변수로 설정하여 훈련데이터셋을 생성하는 것일 수 있다.
학습모듈(400)은 데이터셋생성부(300)에서 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 종속변수에 대한 결과값을 예측하기 위한 학습을 수행할 수 있다(S400).
학습모듈(400)에서 적용하는 기설정된 머신러닝을 이용한 모델은 기설정된 회귀분석을 이용한 모델일 수 있고, 바람직하게는 로지스틱 회귀분석(Logistic Regression)을 이용한 모델일 수 있다.
학습모듈(400)은 데이터셋생성부(300)에서 생성된 훈련데이터셋을 기설정된 비율에 따라 학습용 훈련데이터와 검증용 시험데이터 중 하나로 재현 가능한 범위에서 무작위로 추출하여 분할하는 것일 수 있다.
이때, 학습용 훈련데이터와 검증용 시험데이터의 비율은 95 대 5로 기설정되는 것이 바람직하다.
학습모듈(400)은 데이터셋생성부(300)에서 생성된 훈련데이터셋 중 학습용으로 분할된 훈련데이터를 로지스틱 회귀분석을 이용한 모델에 적용하여 학습을 수행하는 것일 수 있다.
데이터수집부(500)는 웹크롤링을 통해 소정 원단상품에 대해 상품데이터를 수집할 수 있다(S500).
이때, 상품데이터는 데이터획득부(100)에서 획득된 일반데이터의 데이터항목에 대응되는 데이터항목으로 구성될 수 있다. 즉, 상품데이터는 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 것일 수 있고, 바람직하게는 원단명, 혼용율, 원사굵기 및 원단조직을 데이터항목으로 포함할 수 있다.
데이터수집부(500)는 원단데이터의 수집을 위해 원단데이터의 각 데이터항목마다 복수 개의 키워드를 사용자로부터 입력받을 수 있고, 데이터수집부(500)는 입력된 각각의 키워드와, 키워드의 조합 중 적어도 하나와 일치하는 데이터값을 수집할 수 있다.
데이터수집부(500)는 수집한 데이터값을 데이터값의 수집에 이용된 키워드에 대응되는 데이터항목에 대한 값으로 수집할 수 있다.
예를 들어, 데이터수집부(500)는 원단명에 대한 키워드로 면, 데님, 린넨, 골덴 및 가죽을 입력받고, 웹크롤링을 통해 웹사이트에서 원단명에 대한 키워드와 일치하는 린넨이 데이터값으로 수집되는 경우 린넨을 원단명에 대응되는 데이터항목에 대한 값으로 수집할 수 있다.
예측값출력부(600)는 데이터수집부(500)에서 수집된 상품데이터의 데이터항목인 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 학습이 완료된 학습모듈(400)에 적용하여 원단상품에 대한 물성데이터와 특성데이터 중 적어도 하나에 대한 예측값을 출력할 수 있다(S600).
예측값출력부(600)는 데이터수집부(500)에서 수집된 상품데이터를 독립변수로 학습모듈(400)에 적용하여 물성데이터의 각 데이터항목에 대한 예측값을 출력할 수 있다.
예측값출력부(600)는 출력된 물성데이터의 각 데이터항목에 대한 예측값과, 특성값획득부(200)에 저장된 특성값범위를 이용하여 원단상품의 특성데이터에 대한 예측값을 출력할 수 있다.
본 발명의 일 실시예에 따른 착용감 예측성 개선을 위한 원단 특성 예측 시스템은 모델링제공부(700)를 더 포함할 수 있다.
모델링제공부(700)는 원단명, 혼용율, 원사굵기 및 원단조직에 기초하여 생성된 2차원모델링 이미지와, 기설정된 의류항목에 대한 3차원모델링 이미지가 저장되고, 사용자의 입력값에 따라 2차원모델링 이미지를 3차원모델링 이미지에 매핑한 제1그래픽이미지를 생성할 수 있다.
모델링제공부(700)는 특성데이터의 각 데이터항목에 대한 값 각각에 대한 영상과 특성데이터의 각 데이터항목에 대한 값 각각에 대한 제2그래픽이미지 중 적어도 하나를 입력받아 저장할 수 있다.
모델링제공부(700)는 사용자의 입력값에 따라 제1그래픽이미지와 제2그래픽이미지 및 특성데이터의 각 데이터항목에 대한 값에 대한 영상 중 적어도 하나를 사용자에게 제공할 수 있다.
모델링제공부(700)는 2차원모델링 저장부(710), 3차원모델링 매핑부(720), 특성모델링 저장부(730) 및 데이터제공부(740)를 포함할 수 있다.
2차원모델링 저장부(710)는 데이터획득부(100)에서 획득되는 일반데이터에 기초한 2차원모델링 이미지를 사용자로부터 입력받아 저장할 수 있다.
2차원모델링 저장부(710)에 입력되는 2차원모델링 이미지는 소정 원단에 대하여 데이터획득부(100)에서 획득되는 일반데이터의 원단명, 혼용율, 원사굵기 및 원단조직에 대한 값에 기초하여 사용자에 의해 생성되는 것일 수 있다.
2차원모델링 저장부(710)는 2차원모델링 이미지를 입력받을 때 입력되는 2차원모델링 이미지에 대응되는 일반데이터의 데이터항목에 대한 값을 입력할 것을 요청하여 함께 입력받을 수 있다.
예측값출력부(600)는 2차원모델링 저장부(710)에서 2차원모델링 이미지와 함께 입력되는 일반데이터를 학습모듈(400)에 적용하여 물성데이터와 특성데이터에 대한 예측값을 출력할 수 있다.
2차원모델링 저장부(710)는 예측값출력부(600)에서 출력된 물성데이터와 특성데이터에 대한 예측값을 2차원모델링 이미지와 함께 저장할 수 있다.
3차원모델링 매핑부(720)는 의류에 대한 3차원모델링 이미지를 입력받아 저장하고, 사용자의 입력값에 따라 3차원모델링 이미지에 2차원모델링 저장부(710)에 저장된 2차원모델링 이미지를 매핑하여 제1그래픽이미지를 생성할 수 있다.
3차원모델링 매핑부(720)는 기설정된 의류항목 각각에 대응되는 3차원모델링 이미지를 입력받아 저장할 수 있다.
이때, 의류항목은 긴소매 티셔츠, 반소매 티셔츠, 바지, 카디건 및 재킷 등 당업자에게 자명한 것이면 제한되지 않는다.
3차원모델링 매핑부(720)는 사용자로부터 의류항목에 대한 입력값과 일반데이터의 데이터항목에 대한 값을 입력받고, 입력된 일반데이터에 대한 값에 대응되는 2차원모델링 이미지를 3차원모델링 이미지에 매핑하여 제1그래픽이미지를 생성할 수 있다.
3차원모델링 매핑부(720)는 3차원모델링 이미지에 대응되는 의류항목 중 어느 하나를 사용자로부터 입력받고, 일반데이터의 데이터항목 중 적어도 하나에 대한 값을 입력받아 입력된 값에 대응되는 2차원모델링 이미지를 사용자로부터 입력받은 의류항목에 대응되는 3차원모델링 이미지에 매핑하여 제1그래픽이미지를 생성할 수 있다.
3차원모델링 매핑부(720)는 기설정된 텍스처 매핑 기법을 이용하여 2차원모델링 이미지를 3차원모델링 이미지에 매핑할 수 있고, 예를 들어, 높이 매핑, 범프 매핑(Bump Mapping), 노멀 매핑(Normal Mapping), 변위 매핑(Displacement Mapping), 환경 매핑(Environmental Mapping), 반사 매핑(Specular Mapping) 및 폐쇄 매핑(Occlusion Mapping) 중 적어도 하나의 기법을 이용하여 2차원모델링 이미지를 3차원모델링 이미지에 매핑할 수 있다.
특성모델링 저장부(730)는 특성데이터의 각 데이터항목에 대한 영상과 특성데이터의 각 데이터항목에 대한 그래픽이미지 중 적어도 하나를 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)는 특성데이터의 데이터항목인 신축성과 구김성에 대한 값 각각에 대응되는 영상이미지를 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)는 특성데이터의 데이터항목인 두께감, 무게감 및 비침성에 대한 값 각각에 대응되는 그래픽이미지를 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)는 특성데이터의 데이터항목인 신축성과 구김성에 대한 값 각각에 대응되는 영상을 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)는 특성데이터의 데이터항목인 두께감, 무게감 및 비침성에 대한 값 각각에 대응되는 제2그래픽이미지를 사용자로부터 입력받아 저장할 수 있다.
예를 들어, 특성모델링 저장부(730)는 특성데이터의 데이터항목인 신축성이 1, 2, 3, 4, 5, 6 및 7 중 어느 하나를 값으로 가질 수 있는 경우 1, 2, 3, 4, 5, 6 및 7 각각에 대응되는 영상을 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)에 입력되는 신축성에 대한 영상은 기설정된 원단이 최대로 신장하는 모션을 실제길이값에 대응되는 좌표값으로 구성되는 좌표계에 표시하여 나타내는 영상일 수 있다.
이때, 영상에서 원단이 신장되기 전 최초 길이는 기설정될 수 있고, 원단이 최대로 신장되는 길이는 그래픽이미지에 대응되는 신도 값에 매칭된 구간범위의 중앙값을 신장율(E)로, 기설정된 원단이 신장되기 전 최초 길이를 규정 하중이 가해질 때 원단시험편의 길이(L1)으로 수학식 1에 적용하여 산출되는 원단시험편이 절단될 때의 길이(L2)일 수 있다.
예를 들어, 신축성 값 5에 대한 신도의 구간범위가 15 초과 25이하이고, 영상에서 원단이 신장되기 전 최초 길이가 20cm로 기설정되는 경우 구간범위의 중앙값인 20과 최초 길이를 수학식 1에 적용하였을 때 산출되는 원단시험편이 절단될 때의 길이(L2)인 24cm를 원단이 최대로 신장되는 길이로 할 수 있다.
특성모델링 저장부(730)에 입력되는 두께감에 대한 그래픽이미지는 실제길이값에 대응되는 좌표값으로 구성되는 좌표계에 표시되어 원단의 두께를 나타내는 그래픽이미지일 수 있다.
이때, 원단의 두께는 그래픽이미지에 대응되는 두께감 값에 매칭된 구간범위의 중앙값과 대응되는 것일 수 있다.
특성모델링 저장부(730)에 입력되는 무게감에 대한 그래픽이미지는 실제길이값에 대응되는 좌표값으로 구성되는 좌표계에 표시되어 원단의 두께를 나타내는 그래픽이미지일 수 있다.
특성모델링 저장부(730)에 입력되는 무게감에 대한 그래픽이미지는 원단의 무게감을 유추할 수 있도록 소정 중량값을 갖는 물체가 도시된 그래픽이미지일 수 있다.
특성모델링 저장부(730)에 무게감에 대한 값에 대응되는 그래픽이미지로 무게감에 대응되는 특성값범위의 구간범위 중앙값에 대응되는 중량을 갖는 소정 물체가 도시된 그래픽이미지를 저장할 수 있다.
이때, 그래픽이미지에 도시된 물체는 원단의 중량을 쉽게 유추할 수 있도록 사용자에 의해 기설정되는 것일 수 있고, 예를 들어, 무게감에 대한 특성값범위의 구간범위 중앙값이 60g인 경우 특성모델링저장부(730)는 60g의 무게를 가지고 중량을 쉽게 유추할 수 있도록 하는 계란이 도시된 그래픽이미지를 사용자로부터 입력받아 저장할 수 있다.
특성모델링 저장부(730)에 입력되는 비침성에 대한 그래픽이미지는 표준광 A의 밝기에 대응되는 밝기에서 원단의 투명도를 비침성과 대응되도록 조절하여 나타낸 그래픽이미지일 수 있다.
특성모델링 저장부(730)에 입력되는 비침성에 대한 그래픽이미지는 인체에 의류를 착용한 것을 나타내는 것일 수 있다.
특성모델링 저장부(730)에 입력되는 비침성에 대한 그래픽이미지는 기설정된 인체모델링 레이어에 기설정된 의류모델링 레이어가 오버랩된 그래픽이미지일 수 있고, 이때, 이미지의 밝기는 표준광 A의 밝기에 대응될 수 있다.
특성모델링 저장부(730)는 인체모델링 레이어에 오버랩된 의류모델링 레이어의 투명도가 가시광선 투과율과 대응되도록 조절할 수 있다.
특성모델링 저장부(730)는 사용자로부터 특성데이터에 포함된 데이터항목인 비침성에 대한 값이 입력되면 인체모델링 레이어에 오버랩된 의류모델링 레이어의 투명도를 비침성에 대응되는 특성값범위에서 사용자가 입력한 값이 속한 구간범위의 중앙값과 대응되도록 조절할 수 있다.
도 3은 비침성에 대한 그래픽이미지의 예시를 나타낸 도면이다. 보다 자세하게, 도 3은 인체모델링 레이어(A)에 의류모델링 레이어인 바지모델링 레이어(B)가 오버랩된 상태를 나타내는 비침성에 대한 그래픽이미지를 나타낸 도면이다.
도 3에 도시된 바와 같이 특성모델링 저장부(730)는 입력되는 비침성에 대한 값에 따라, 의류모델링 레이어인 바지모델링 레이어(B)의 투명도를 조절할 수 있고, 이때, 조절되는 투명도는 입력된 비침성에 대한 값이 특성값범위에서 속하는 구간범위의 중앙값을 갖는 가시광선 투과율과 대응될 수 있다.
특성모델링 저장부(730)에 입력되는 구김성에 대한 그래픽이미지는 외압이 가해지지 않은 상태의 원단을 압축한 후 압축이 제거된 상태에서 주름이 형성된 원단의 모션을 나타내는 영상일 수 있다.
이때, 압축이 제거된 상태에서 원단에 형성된 주름의 수는 전술한 수학식 2의 NCi에 대응될 수 있다.
데이터제공부(740)는 사용자의 입력값에 따라 3차원모델링 매핑부(720)에서 생성된 제1그래픽이미지와, 특성모델링 저장부(730)에 저장된 제2그래픽이미지 및 특성모델링 저장부(730)에 저장된 영상 중 적어도 하나를 사용자에게 제공할 수 있다.
데이터제공부(740)는 사용자로부터 의류항목에 대한 값과, 일반데이터의 데이터항목에 대한 값을 입력받으면 입력된 일반데이터의 데이터항목에 대응되는 2차원모델링 이미지를, 입력된 의류항목에 대한 값에 대응되는 3차원모델링 이미지에 매핑한 제1그래픽이미지를 사용자에게 제공할 수 있다.
데이터제공부(740)는 사용자로부터 특성데이터의 데이터항목 중 어느 하나에 대한 값을 입력받으면 입력된 값에 대응되는 데이터항목의 값에 대한 제2그래픽이미지와 영상 중 적어도 하나를 사용자에게 제공할 수 있다.
데이터제공부(740)는 사용자로부터 특성데이터의 데이터항목 중 신축성과 구김성 어느 하나에 대한 값을 입력받으면 입력된 값에 대응되는 신축성과 구김성 어느 하나에 대한 값에 대응되는 영상을 사용자에게 제공할 수 있다.
데이터제공부(740)는 사용자로부터 특성데이터의 데이터항목 중 두께감, 무게감 및 비침성 어느 하나에 대한 값을 입력받으면 입력된 값에 대응되는 두께감, 무게감 및 비침성 중 어느 하나에 대한 값에 대응되는 그래픽이미지를 제2그래픽이미지로 사용자에게 제공할 수 있다.
데이터제공부(740)가 사용자로부터 비침성에 대한 입력값을 입력받으면 특성모델링 저장부(730)는 전술한 바와 같이 의류모델링 레이어의 투명도를 조절할 수 있고, 데이터제공부(740)는 의류모델링 레이어의 투명도가 조절된 그래픽이미지를 제2그래픽이미지로 사용자에게 제공할 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 데이터획득부,
200: 특성값획득부,
300: 데이터셋생성부,
400: 학습모듈,
500: 데이터수집부,
600: 예측값출력부,
700: 모델링제공부,
710: 2차원모델링 저장부,
720: 3차원모델링 매핑부,
730: 특성모델링 저장부,
740: 데이터제공부.

Claims (11)

  1. 사용자로부터 입력되는 입력값과 외부DB 중 적어도 하나로부터 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 일반데이터와, 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터를 획득하는 데이터획득부;
    신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 상기 물성데이터에 기초하여 획득하는 특성값획득부;
    상기 물성데이터와 상기 특성데이터에 포함된 데이터항목 중 적어도 하나를 종속변수로 설정하고, 상기 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 데이터셋생성부;
    상기 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 상기 종속변수에 대한 결과값을 예측하기 위한 학습을 수행하는 학습모듈;
    웹크롤링을 통해 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 수집하는 데이터수집부; 및
    학습이 완료된 상기 학습모듈의 상기 모델에 상기 상품데이터를 독립변수로 적용하여 상기 종속변수에 대한 예측값을 출력하는 예측값출력부;를 포함하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  2. 제 1항에 있어서,
    상기 특성값획득부는
    상기 인장강도와 상기 신도 중 어느 하나를 독립변수로 하는 상기 신축성, 상기 두께를 독립변수로 하는 두께감, 상기 중량을 독립변수로 하는 무게감, 상기 가시광선 투과율을 독립변수로 하는 상기 비침성 및 상기 구김회복성을 독립변수로 하는 상기 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 획득하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  3. 제 2항에 있어서,
    상기 특성값획득부는
    상기 신축성에 대한 독립변수인 상기 인장강도와 상기 신도 중 어느 하나, 상기 두께감에 대한 독립변수인 상기 두께, 상기 무게감에 대한 독립변수인 상기 중량, 상기 비침성에 대한 독립변수인 상기 가시광선 투과율, 상기 구김회복성에 대한 독립변수인 상기 구김성 각각에 대응되고, 최소값과 최대값이 물성데이터에 포함된 각 데이터항목의 최소값과 최대값에 각각 대응되며, 적어도 두 개의 구간범위를 포함하는 물성범위를 생성하고,
    상기 구간범위에 속하는 값에 비례하는 구간값을 상기 구간범위 각각에 매칭하여 상기 신축성, 상기 두께감, 상기 비침성 및 상기 구김성 각각에 대한 특성값범위를 생성하며,
    소정 원단에 대하여 상기 데이터획득부에서 획득된 상기 물성데이터의 데이터항목 값이 속하는 상기 구간범위에 매칭된 구간값을 상기 데이터항목이 독립변수인 상기 특성데이터의 데이터항목에 대한 값으로 획득하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  4. 제 3항에 있어서,
    상기 학습모듈은
    상기 훈련데이터셋을 기설정된 비율에 따라 학습용 훈련데이터와 검증용 시험데이터로 분할하고, 상기 학습용 훈련데이터를 로지스틱 회귀분석을 이용한 상기 모델에 적용하여 학습을 수행하는 것이고,
    상기 예측값출력부는
    상기 상품데이터에 포함된 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 독립변수로 상기 학습모듈의 상기 모델에 적용하여 물성데이터에 포함된 데이터항목 각각에 대한 예측값을 출력하고,
    상기 예측값에 대응되는 상기 물성데이터의 데이터항목을 독립변수로 하는 상기 특성데이터의 데이터항목에 대한 특성값범위에서 상기 예측값이 속하는 구간범위에 매칭된 구간값을 상기 특성데이터의 데이터항목에 대한 예측값으로 출력하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  5. 제 1항에 있어서,
    원단명, 혼용율, 원사굵기 및 원단조직에 기초하여 생성된 2차원모델링 이미지를 소정 의류에 대한 3차원모델링 이미지에 매핑한 제1그래픽이미지를 생성하고, 상기 특성데이터의 각 데이터항목에 대한 제2그래픽이미지와 영상 중 적어도 하나를 입력받아 저장하며, 사용자의 입력값에 따라 상기 제1그래픽이미지와 상기 제2그래픽이미지 및 상기 영상 중 적어도 하나를 제공하는 모델링제공부;를 더 포함하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  6. 제 5항에 있어서,
    상기 모델링제공부는
    상기 데이터획득부에서 획득되는 일반데이터에 기초하여 생성된 소정 원단에 대한 2차원모델링 이미지와, 상기 2차원모델링 이미지에 대응되는 일반데이터를 사용자로부터 입력받아 저장하는 2차원모델링 저장부;
    소정 의류에 대한 3차원모델링 이미지를 사용자로부터 입력받아 저장하고, 사용자로부터 일반데이터의 데이터항목에 대한 입력값을 입력받아 상기 3차원모델링 이미지에 상기 입력값에 대응되는 상기 2차원모델링 이미지를 매핑하여 상기 제1그래픽이미지를 생성하는 3차원모델링 매핑부;
    상기 특성데이터의 각 데이터항목에 대한 그래픽이미지와 영상 중 적어도 하나를 사용자로부터 입력받아 저장하는 특성모델링 저장부; 및
    사용자의 입력에 따라 상기 제1그래픽데이터와 상기 제2그래픽이미지 및 상기 영상 중 적어도 하나를 제공하는 데이터제공부;를 포함하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  7. 제 6항에 있어서,
    상기 특성모델링 저장부는
    기설정된 인체모델링 레이어에 기설정된 의류모델링 레이어가 오버랩된 상태를 나타내는 비침성에 대한 그래픽이미지를 저장하고, 사용자로부터 비침성에 대한 입력값이 입력되면 상기 의류모델링 레이어의 투명도를 비침성에 대응되는 특성값범위에서 사용자가 입력한 입력값이 속한 구간범위의 중앙값과 대응되도록 조절하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 시스템.
  8. 컴퓨터 시스템에서 수행되는 원단 특성 예측 방법에 관한 것으로서,
    사용자로부터 입력되는 입력값과 외부DB 중 적어도 하나로부터 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 일반데이터와, 인장강도, 신도, 두께, 중량, 가시광선 투과율 및 구김회복성 중 적어도 하나를 데이터항목으로 포함하는 물성데이터를 획득하는 단계;
    상기 물성데이터에 기초하여 신축성, 두께감, 무게감, 비침성 및 구김성 중 적어도 하나를 데이터항목으로 포함하는 특성데이터를 획득하는 단계;
    상기 물성데이터와 상기 특성데이터에 포함된 데이터항목 중 적어도 하나를 종속변수로 설정하고, 상기 일반데이터를 독립변수로 설정하여 훈련데이터셋을 생성하는 단계;
    상기 훈련데이터셋을 기설정된 머신러닝을 이용한 모델에 적용하여 상기 종속변수에 대한 결과값을 예측하기 위한 학습을 수행하는 단계;
    웹크롤링을 통해 원단명, 혼용율, 원사굵기 및 원단조직 중 적어도 하나를 데이터항목으로 포함하는 상품데이터를 수집하는 단계; 및
    상기 학습이 완료된 후 상품데이터를 독립변수로 상기 모델에 적용하여 상기 종속변수에 대한 예측값을 출력하는 단계;를 포함하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 방법.
  9. 제 8항에 있어서,
    상기 특성데이터를 획득하는 단계는
    상기 인장강도와 상기 신도 중 어느 하나를 독립변수로 하는 상기 신축성, 상기 두께를 독립변수로 하는 두께감, 상기 중량 중 적어도 하나를 독립변수로 하는 무게감, 상기 가시광선 투과율을 독립변수로 하는 상기 비침성 및 상기 구김회복성을 독립변수로 하는 상기 구김성을 데이터항목으로 포함하는 특성데이터를 획득하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 방법.
  10. 제 9항에 있어서,
    상기 특성데이터를 획득하는 단계는
    물성데이터의 각 데이터항목에 대하여 복수 개의 구간범위로 구성된 물성범위를 생성하고, 상기 구간범위에 각각의 구간값을 매칭하여 특성값범위를 생성하며, 데이터획득부에서 획득된 물성데이터의 데이터항목에 대한 값이 속하는 상기 구간범위에 매칭된 상기 구간값을 특성데이터의 데이터항목에 대한 값으로 획득하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 방법.
  11. 제 10항에 있어서,
    상기 학습을 수행하는 단계는
    상기 훈련데이터셋을 기설정된 비율에 따라 학습용 훈련데이터와 검증용 시험데이터로 분할하고, 상기 학습용 훈련데이터를 로지스틱 회귀분석을 이용한 상기 모델에 적용하여 학습을 수행하는 것이고,
    상기 예측값을 출력하는 단계는
    상기 상품데이터에 포함된 데이터항목을 독립변수로 상기 모델에 적용하여 물성데이터에 대한 예측값을 출력하고, 물성데이터에 대한 예측값이 속하는 상기 구간범위에 매칭된 구간값을 특성데이터에 대한 예측값으로 출력하는 것
    인 착용감 예측성 개선을 위한 원단 특성 예측 방법.
KR1020220091954A 2022-07-25 2022-07-25 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법 KR20240014341A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220091954A KR20240014341A (ko) 2022-07-25 2022-07-25 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220091954A KR20240014341A (ko) 2022-07-25 2022-07-25 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20240014341A true KR20240014341A (ko) 2024-02-01

Family

ID=89859277

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220091954A KR20240014341A (ko) 2022-07-25 2022-07-25 착용감 예측성 개선을 위한 원단 특성 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20240014341A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102224056B1 (ko) 2019-10-07 2021-03-09 주식회사 예스나우 Ai 기반 착용감 예측 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102224056B1 (ko) 2019-10-07 2021-03-09 주식회사 예스나우 Ai 기반 착용감 예측 시스템 및 방법

Similar Documents

Publication Publication Date Title
Zakaria et al. Anthropometry, apparel sizing and design
KR101671649B1 (ko) 신체 데이터와 의류 데이터를 조합한 3d 합성 이미지 생성 방법 및 시스템
Li et al. The relationship between air gap sizes and clothing heat transfer performance
AU2011293106B2 (en) Mannequin, method and system for purchase, making and alteration of clothing
EP2400873B1 (en) System and method of facilitating on line purchase of clothing
Ashdown et al. Mass-customized target market sizing: Extending the sizing paradigm for improved apparel fit
Kim et al. An exploratory study of users’ evaluations of the accuracy and fidelity of a three-dimensional garment simulation
Petrosova et al. The system of selection and sale of ready-to-wear clothes in a virtual environment
Liu et al. An evaluation of garment fit to improve customer body fit of fashion design clothing
Lin et al. The development of a clothing fit evaluation system under virtual environment
Brubacher et al. Evaluation of the accuracy and practicability of predicting compression garment pressure using virtual fit technology
CN105374057A (zh) 虚拟试穿装置及虚拟试穿方法
Cheng et al. A digital replica of male compression underwear
CN111177929A (zh) 一种纺织面料物理特性数码属性模拟系统及测量方法
KR102419329B1 (ko) 가상현실(vr) 기기를 이용한 스마트 스타일링 정보 제공 시스템 및 그 방법
Yu et al. Correlation between clothing air gap space and fabric mechanical properties
Ancutiene et al. Quality evaluation of the appearance of virtual close-fitting woven garments
Zakaria et al. Developing apparel sizing system using anthropometric data: body size and shape analysis, key dimensions, and data segmentation
KR20140123228A (ko) 깊이 정보 기반으로 3차원 의상 착용 모델을 제공하는 장치 및 방법
Mah et al. An investigation of the assessment of fabric drape using three-dimensional body scanning
Sayem Objective analysis of the drape behaviour of virtual shirt, part 1: avatar morphing and virtual stitching
Kuzmichev et al. Virtual design of knitted compression garments based on bodyscanning technology and the three-dimensional-to-two-dimensional approach
Teyeme et al. Fit and pressure comfort evaluation on a virtual prototype of a tight-fit cycling shirt
Zhang et al. Finite-element modelling of elastic woven tapes for bra design applications
Ork Efendioglu et al. An investigation on usability of 3D visualization and simulation programs in leather apparel