KR20240023782A - 인공 지능을 이용한 이사견적 제공 장치 및 방법 - Google Patents

Abstract

본 발명의 실시예는, 프로세서에 의해 각 과정이 수행되며, 인공 지능을 이용한 이사견적 제공 방법에 있어서, 이사물품 이미지를 획득하는 과정; 상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정; 이사 부가 정보를 획득하는 과정; 및 상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법을 제공할 수 있다.

Description

인공 지능을 이용한 이사견적 제공 장치 및 방법{Device for providing moving estimates using artificial intelligence and method thereof}

본 발명은 인공 지능을 이용한 이사견적 제공 장치 및 방법으로, 사용자가 촬영한 이사물품 이미지에 기초하여 실시간으로 인공 지능을 이용하여 이사견적을 제공하는 장치 및 방법에 관한 것이다.

집에 대한 계약 만료일자가 다가오면 이사 대행 업체를 이용하기 위하여 다수의 이사 대행 업체에 이사 견적을 받는다. 이사 대행 업체는 고객에게 방문하여 주관적 판단에 의해 이사 견적을 산출하여 제시한다. 이러한 방법은 이사 대행 업체와 대면이 필수적이고, 시간 약속을 해야하는 불편함이 존재한다. 특히, 혼자사는 여성의 경우 이사 견적을 받기 위해 외부인을 집으로 초대하는 것 역시 부담일 수 있다. 이러한 불편함을 해소하기 위하여, 비대면 온라인 이사 견적 제공 서비스들이 생겨나고 있다.

일반적으로, 온라인 상에서 이사 견적을 알아보기 위하여 사용자가 직접 이사 물품 목록을 입력하여 이사 견적을 산출하지만, 이사 물품이 많고 제품 별로 크기와 부피 등이 차이가 있으므로 정확한 이사 견적을 도출하기에 어려운 점이 있었다.

종래 이사 견적 제공 시스템의 일 예로, 카메라 폰을 이용한 이사견적 방법(대한민국 공개특허 제10-2007-0104144호)이 있다. 이는 사용자가 카메라 폰을 이용하여 집안 내부의 이삿짐을 촬영하고 그 촬영한 사진 또는 동영상 정보를 이삿짐 센터 서버로 전송하여 이사 견적을 의뢰하면, 이후 사진 또는 동영상 정보를 토대로 산출된 이사비용을 SMS를 통해 사용자에게 제공하도록 하는 방법이 개시되어 있다. 그러나, 종래의 이사 견적 제공 시스템의 일 예는, 관리자에 의해 이사물품 마다 가격정보가 입력되고, 이를 기초로 이사 견적을 산정하기 때문에 실시간으로 이사 견적을 사용자에게 제공할 수 없었다.

또한, 종래 이사 견적 제공 시스템의 다른 예로, 머신 러닝 모델을 이용하여 이사견적을 제공하는 서버 및 그 방법(대한민국 공개특허 제10-2020-0111002호)이 있다. 이는 물품 이미지로부터 물품 목록을 추출하고, 각 물품 목록을 사용자에게 제공하면, 사용자는 각 물품 별로 물품의 이미지를 입력하고, 서버는 각 물품의 이미지에 기초하여 이사 견적을 추출하는 방법이 개시되어 있다. 그러나, 종래의 이사 견적 제공 시스템의 다른 예는, 사용자가 각 물품 별로 정보 및 이미지를 입력해야 하므로 물품 목록이 많을수록 촬영시간이 오래 걸리는 문제가 있었다.

대한민국 공개특허 제10-2007-0104144호 대한민국 공개특허 제10-2020-0111002호

본 발명은 사용자에게 비대면으로 인공 지능을 이용한 이사견적 제공 장치 및 방법을 제공하는데 목적을 가진다.

본 발명은 사용자에 의해 촬영된 물품 이미지에 기초하여 실시간으로 인공 지능을 이용한 이사견적 제공 장치 및 방법을 제공하는데 목적을 가진다.

본 발명은 머신 러닝 모델을 이용하여 복수의 물품들이 포함된 물품 이미지에 기초한 이삿짐의 이사 비용 견적을 제공하는 장치 및 그 방법을 제공하는데 목적을 가진다.

본 발명의 실시예는, 프로세서에 의해 각 과정이 수행되며, 인공 지능을 이용한 이사견적 제공 방법에 있어서, 이사물품 이미지를 획득하는 과정; 상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정; 이사 부가 정보를 획득하는 과정; 및 상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법을 제공할 수 있다.

본 발명의 실시예에서, 상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정은, 제1모델을 이용해 상기 이사물품 이미지에서 객체박스를 분류하는 과정; 제2모델을 이용해 상기 객체박스에 대응하는 박스량을 판단하는 과정; 및 제3모델을 이용해 상기 객체박스에 포함된 물품을 분류하는 과정을 포함할 수 있다.

본 발명의 실시예에서, 상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정은, 상기 이사물품 이미지 상에 복수의 객체박스가 표시된 제1화면을 제공하는 과정; 상기 복수의 객체박스에 대응하는 복수의 물품 목록이 표시된 제2화면을 제공하는 과정; 및 상기 제1화면 상에서 상기 복수의 객체박스의 선택 신호에 기초해 상기 복수의 몰품 목록에서 선택된 물품을 제외하거나 물품을 선택하는 과정을 포함할 수 있다.

본 발명의 실시예에서, 상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정은, 제4모델을 이용해 상기 박스량에 기초해 제1이사 견적을 결정하는 과정을 포함할 수 있다.

본 발명의 실시예는, 라벨링된 물품 이미지 및 객체박스에 관한 정보를 획득하는 과정; 및 상기 라벨링된 물품 이미지를 이용하여 상기 이사 물품 이미지에서 상기 객체박스를 분류하는 제1모델, 상기 객체박스에 대응하는 박스량을 판단하는 제2모델, 및 상기 객체박스에 포함된 물품을 분류하는 제3모델 중 적어도 하나를 학습시키는 과정을 더 포함하는, 인공 지능을 이용한 이사견적 제공 방법을 제공할 수 있다.

본 발명의 실시예에서, 상기 객체박스에 관한 정보는 상기 라벨링된 물품 이미지 상에서 하나 혹은 복수의 물품을 포함하는 상기 객체박스의 위치 정보, 상기 객체박스에 대응하는 박스량 정보, 상기 객체박스에 속하는 물품 종류 정보 중 적어도 하나를 포함할 수 있다.

본 발명의 실시예는, 메모리, 통신부, 프로세서를 포함하며, 상기 프로세서는 이사물품 이미지를 획득하는 과정; 상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정; 이사 부가 정보를 획득하는 과정; 및 상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정을 수행하는, 인공 지능을 이용한 이사견적 제공 장치를 제공할 수 있다.

본 발명은 사용자에게 비대면으로 이사견적을 제공하는 장치 및 그 방법을 제공하는 효과를 가진다.

본 발명은 사용자에 의해 촬영된 물품 이미지에 기초하여 실시간으로 이사견적을 제공하는 장치 및 그 방법을 제공하는 효과를 가진다.

본 발명은 머신 러닝 모델을 이용하여 복수의 물품들이 포함된 물품 이미지에 기초한 이삿짐의 비용 견적을 제공하는 장치 및 그 방법을 제공하는 효과를 가진다.

도 1은 본 발명의 실시예에 따른 이사견적 제공 시스템의 구성을 보여주는 개략도이다.
도 2는 본 발명의 실시예에 따른 단말기의 구성을 보여주는 개략도이다.
도 3은 본 발명의 실시예에 따른 서버의 구성을 보여주는 개략도이다.
도 4는 본 발명의 실시예에 따른 인공 지능을 이용한 이사견적 제공 방법의 흐름도를 도시한 것이다.
도 5는 물품목록 제공 방법의 흐름도를 도시한 것이다.
도 6은 이사견적 정보의 제공 방법의 흐름도를 도시한 것이다.
도 7은 단말기를 통해 사용자로부터 이사물품 이미지를 입력 받는 화면의 예시다.
도 8은 복수의 실내 공간 별로 이사물품 이미지를 입력 받는 화면의 예시이다.
도 9는 이사물품 이미지에 표시된 복수의 객체박스의 예시이다.
도 10은 객체박스 이미지들의 예시이다.
도 11은 학습 데이터로 사용된 물품 이미지들의 예시이다.
도 12는 물품목록 정보의 예시를 도시한 것이다.
도 13은 물품목록 화면을 도시한 예시이다.
도 14는 사용자의 선호 업체 정보를 입력하는 화면의 예시이다.
도 15 및 도 16은 이사 부가 정보를 입력할 수 있는 화면의 예시이다.
도 17은 인공지능 이사견적 및 이사 전문가 정보를 제공하는 화면의 예시이다.
도 18은 이사 서비스를 제공하는 이사 전문가를 선택하는 화면 및 후기 정보를 입력하는 화면의 예시이다.
도 19는 본 발명의 실시예에 따른 이사견적을 제공하는 모델 학습 방법의 흐름도이다.
도 20는 모델의 학습데이터의 예시이다.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.

본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.

본 명세서에서 사용한 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하에서 첨부된 도면을 참고하여, 본 발명의 실시예에 따른 이사견적 제공 시스템 및 그 방법을 설명한다.

도 1은 본 발명의 실시예에 따른 이사견적 제공 시스템의 구성을 보여주는 개략도이다. 도 2는 본 발명의 실시예에 따른 단말기의 구성을 보여주는 개략도이다. 도 3은 본 발명의 실시예에 따른 서버의 구성을 보여주는 개략도이다.

도 1을 참조하면, 본 발명의 실시예에 따른 이사견적 제공 시스템은 사용자가 이사견적을 제공하는 단말기(10)('제1 이사견적 제공 장치'라고도 함)와, 사용자에게 이사견적을 제공하는 서버(20) ('제2 이사견적 제공 장치'라고도 함)로 구성될 수 있다.

단말기(10)와 서버(20)는 서로 유선 혹은 무선 통신망으로 연결되어 신호 및 정보를 서로 송수신할 수 있다. 단말기(10)는 사용자가 이사물품의 이미지를 입력하면, 사용자에게 이사견적을 제공할 수 있다.

서버(20)는 단말기(10)로부터 이사물품의 이미지를 수신하고, 이사물품의 이미지에 기초하여 물품목록 혹은 이사견적을 사용자에게 제공할 수 있다.

단말기(10)는 사용자가 촬영한 이사물품의 이미지를 서버(20)에게 제공하고, 서버(20)로부터 수신한 물품목록 혹은 이사견적을 사용자에게 제공할 수 있다.

도 2를 참조하면, 본 발명의 실시예에 따른 단말기(10)는, 메모리(1100), 출력부(1200), 프로세서(1300), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 및 사용자 입력부(1700)를 포함할 수도 있다.

메모리(1100)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 단말기(10)로 입력되는 정보 또는 단말기(10)로부터 출력되는 정보를 저장할 수도 있다. 메모리(1100)는 이사견적 서비스를 제공하기 위한 프로그램이 기록될 수 있다.

메모리(1100)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1110)은, 애플리케이션 별로 단말기(10)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다.

디스플레이부(1200)는 단말기(10)에서 처리되는 정보를 표시 출력한다. 구체적으로, 디스플레이부(1200)는 카메라(1610)에서 촬영된 이미지를 출력할 수 있다. 디스플레이부(1200)는, 사용자의 입력에 대한 응답으로, 응답에 관련된 동작을 실행하기 위한 사용자 인터페이스를 디스플레이할 수 있다.

프로세서(1300)는, 통상적으로 단말기(10)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1100)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1700), 디스플레이부(1200), 센싱부(1400), 통신부(1500), 카메라(1700) 등을 전반적으로 제어할 수 있다.

센싱부(1400)는, 단말기(10)의 상태 또는 단말기(10) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다.

통신부(1500)는, 단말기(10)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 단말기(10)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 한정되는 것은 아니다.

카메라(1600)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡처된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 사용자는 카메라(1600)을 통해 이사물품 이미지를 촬영할 수 있다.

사용자 입력부(1700)는, 사용자가 단말기(10)를 제어하기 위한 데이터를 입력하는 수단을 의미한다.

도 3을 참조하면, 본 발명의 실시예에 따른 서버(20)는, 서버 메모리(2100), 서버 통신부(2500), 서버 프로세서(2300)를 포함할 수 있다.

서버 메모리(2100)는 이사견적 서비스를 제공하기 위한 프로그램이 기록될 수 있다. 서버 메모리(2100)는 서버 프로세서(2300)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다.

서버 메모리(2100)은 이사견적을 제공하기 위한 정보를 저장할 수 있다. 예를 들어, 후술할 제1모델, 제2모델, 제3모델, 제4모델의 프로그램, 이들 모델들에 대한 학습 데이터, 물품 이미지 파일 등이 서버 메모리(2100)에 저장되어 있거나 저장될 수 있다.

서버 통신부(2500)는 통신망에 연동하여 단말기(10)와 데이터를 송수신하는 역할을 수행할 수 있다. 서버 통신부(2500)은 다른 네트워크 장비와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위한 하드웨어 혹은 소프트웨어를 포함할 수 있다.

서버 프로세서(2300)는 서버 메모리(2100), 서버 통신부(2500)에 연결되며, 이사견적 서비스를 제공하기 위한 방법의 각 과정을 제어할 수 있다. 서버 프로세서(2300)은 프로세서와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 프로세서는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.

도 4는 본 발명의 실시예에 따른 인공 지능을 이용한 이사견적 제공 방법의 흐름도를 도시한 것이다. 도 5는 물품목록 제공 방법의 흐름도를 도시한 것이다. 도 6은 이사견적 정보의 제공 방법의 흐름도를 도시한 것이다. 도 7은 단말기를 통해 사용자로부터 이사물품 이미지를 입력 받는 화면의 예시다. 도 8은 복수의 실내 공간 별로 이사물품 이미지를 입력 받는 화면의 예시이다. 도 9는 이사물품 이미지에 표시된 복수의 객체박스의 예시이다. 도 10은 객체박스 이미지들의 예시이다. 도 11은 학습 데이터로 사용된 물품 이미지들의 예시이다. 도 12는 물품목록 정보의 예시를 도시한 것이다. 도 13은 물품목록 화면을 도시한 예시이다. 도 14는 사용자의 선호 업체 정보를 입력하는 화면의 예시이다. 도 15 및 도 16은 이사 부가 정보를 입력할 수 있는 화면의 예시이다. 도 17은 인공지능 이사견적 및 이사 전문가 정보를 제공하는 화면의 예시이다. 도 18은 이사 서비스를 제공하는 이사 전문가를 선택하는 화면 및 후기 정보를 입력하는 화면의 예시이다.

도 4를 참조하면, 본 발명의 실시예에 따른 인공 지능을 이용한 이사견적 제공 방법은, 이사물품 이미지를 획득하는 과정(S100), 물품목록을 제공하는 과정(S200), 이사 부가 정보를 획득하는 과정(S300), 이사견적을 제공하는 과정(S400), 이사 전문가 정보를 제공하는 과정(S500)을 포함할 수 있다.

S100 과정에서, 서버(20)는 이사물품 이미지를 획득할 수 있다.

도 7을 참조하면, 서버(20)는 단말기(10)에서 송신한 이사물품 이미지를 수신하여 획득할 수 있다. 단말기(100)가 송신한 이사물품 이미지는 단말기(100)의 카메라(1600)를 통해 촬영된 이미지 혹은 동영상일 수 있다.

단말기(10)는 사용자에게 인공지능을 이용한 이사견적을 받기 위한 화면을 제공할 수 있다. 사용자가 단말기(10)의 화면을 통해 인공지능 이사견적 시작 버튼을 클릭하면, 단말기(10)는 사용자에게 이사물품 이미지를 입력할 수 있는 화면을 제공할 수 있다. 단말기(10)는 사용자로부터 이사물품 이미지를 입력 받아, 서버(20)에게 전달할 수 있다.

단말기(10)는 복수의 이사물품 이미지들을 입력 받아 서버(10)에게 전송할 수 있다.

도 8을 참조하면, 단말기(10)는 사용자로부터 이사물품 이미지를 입력 받을 때 장소 별로 이사물품 이미지를 받을 수 있다. 사용자는 단말기(10)에서 방, 주방, 거실 등과 같이 실내 공간을 선택하고, 선택된 실내 공간 별로 복수의 이사물품 이미지들을 추가할 수 있다.

예를 들어, 방1에서 촬영된 이사물품에 대한 이미지들, 주방에서 촬영된 이사물품에 대한 이미지들, 방2에서 촬영된 이사물품에 대한 이미지들, 주방/거실에서 촬영된 이사물품에 대한 이미지들이 있을 수 있다.

단말기(10)는 서버(20)에게 실내 공간 별로 이사물품 이미지를 전송할 수 있다. 서버(20)는 선택된 실내 공간 및 복수의 이사물품 이미지에 기초하여 방의 개수, 방의 크기, 각 방의 내부 구조 등을 확인할 수 있다.

서버(20)가 단말기(10)로부터 수신한 이사물품 이미지는 해당 이사물품이 어느 실내 공간에 놓여있는지에 관한 정보를 포함할 수 있다

이사물품의 이미지는 복수개의 물품들에 대한 이미지일 수 있다. 이사물품 이미지는 1개 물품이 아니라 방, 거실, 주방과 같은 공간에 배치되어 있는 복수개의 물품들을 전체적으로 촬영한 사진 또는 동영상일 수 있다.

S200 과정에서, 서버(20)는 이사물품 이미지에 기초해 물품목록을 사용자에게 제공할 수 있다. S200 과정은 후술할 S210 과정 내지 S250 과정 중 적어도 하나를 포함할 수 있다.

도 5를 참조하면, S210 과정에서, 서버(20)는 적어도 하나의 이사물품 이미지를 획득할 수 있다.

도 9를 참조하면, S220 과정에서, 서버(20)는 제1모델을 이용하여 이사물품 이미지에서 적어도 하나의 객체박스를 분류할 수 있다. 하나의 이사물품 이미지는 1개 혹은 복수의 물품들을 포함할 수 있다.

서버(20)는 제1모델을 이용해 이사물품 이미지에서 객체가 포함된 객체박스와 그 외 비객체영역를 분리할 수 있다. 여기서, 객체는 물품의 종류나 물품의 사이즈에 관계 없이 이사물품 이미지에서 물품으로 인지될 수 있는 물체를 말한다.

제1모델은 이사물품 이미지에서 물품들을 객체들로 인지하고, 각 객체들을 둘러싼 복수의 객체박스들을 생성할 수 있다. 제1모델은 이사물품 이미지를 입력 받으면 객체를 둘러싼 객체박스와 그 외 비객체영역을 분리할 수 있으며, 이사물품 이미지와 관련된 객체박스정보를 출력할 수 있다.

객체박스는 이사물품 이미지에서 1개 객체만 포함한 영역일 수 있으며, 또는 복수의 객체들을 포함한 영역일 수 있다. 객체박스는 원형, 타원형, 사각형, 다각형 등 형상을 가질 수 있으나, 사각형인 것이 가장 바람직하다.

예를 들어, 이사물품 이미지 속에 침대가 포함된 경우, 제1모델은 침대 형상을 객체로 인지하고, 침대 형상을 둘러싸는 최소 면적의 사각형을 형성하여 침대 형상에 대응한 객체박스를 생성한다.

만약에 이사물품 이미지 속에 침대, 에어컨 등과 같이 복수의 물품들이 포함된 경우, 제1모델은 각각의 물품 형상을 객체들로 인지하고, 각 물품 형상들을 둘러싼 복수의 객체박스들을 형성할 수 있다.

객체박스정보는 객체박스의 위치나 사이즈일 수 있다. 사각형의 객체박스정보는 이사물품 이미지 상에서 객체박스의 위치 정보를 포함한다. 예를 들어, 이사물품 이미지의 x축에서 좌측단을 0으로 y축에서 상측단을 0으로 정의할 경우 객체박스의 대각선 상에 위치한 2개 꼭지점의 좌표 값으로 객체박스의 위치를 표현할 수 있다.

도 10을 참조하면, 서버(20)는 이사물품 이미지에서 객체박스의 내부 이미지만을 추출하여 객체박스 이미지를 획득할 수 있다. 이사물품 이미지 속에 복수의 객체박스들이 존재하면, 복수의 객체박스 이미지가 생성될 수 있다.

제1모델은 이사물품 이미지를 입력 받으면 이사물품 이미지에서 객체박스 이미지를 출력할 수 있다. 즉, 제1모델은 이사물품 이미지에서 객체박스 부분만 잘라서 생성한 객체박스 이미지를 제공할 수 있다.

제1모델은 물품 이미지들을 제1 학습 데이터로 학습된 인공지능 모델일 수 있다. 도 11을 참조하면, 제1 학습 데이터로 사용된 물품 이미지는 1개의 물품만 포함한 이미지 일 수 있으며, 복수의 물품들을 포함한 이미지일 수 있다.

제1 학습 데이터는 물품 이미지 자체만 포함하기 때문에, 제1모델은 물품 이미지 상에 물품 형상에 매칭되는 객체를 이사물품 이미지에서 분류할 수 있다.

제1모델은 이사물품 이미지에서 객체박스 혹은 객체박스 이미지를 분류하더라도, 객체박스 속 물품의 종류나 사이즈, 포장 시 필요한 포장박스의 개수를 분류하지 않으며, 이사물품 이미지에서 인지된 물품 형상을 객체로 분류한다.

제1모델은 복수의 인공지능 모델로 구성될 수 있다. 예를 들어, 제1모델은 제1-1인공지능 모델, 제1-2인공지능 모델, 제1-3인공지능 모델, 제1-4인공지능 모델로 구성될 수 있다. 이 경우, 제1모델은 제1-1 내지 제1-4인공지능 모델(복수의 인공지능 모델)의 입력과 출력을 직렬로 연결하거나 서로 병렬적으로 구성될 수 있다.

이하에서 이사물품 이미지에서 추출된 복수의 객체박스 혹은 복수의 객체박스 이미지를 모두 지칭할 때 '객체영역'으로 표현하기로 한다.

제1-1인공지능 모델은 복수의 객체영역을 이용해 학습될 수 있다. 제1-2인공지능 모델은 이사물품 이미지에서 제1-1인공지능 모델로 분류하지 못한 복수의 객체영역을 이용해 학습될 수 있다. 제1-3인공지능 모델은 이사물품 이미지에서 제1-1 및 제1-2인공지능 모델로 분류하지 못한 복수의 객체영역을 이용해 학습될 수 있다. 제1-4인공지능 모델은 이사물품 이미지에서 제1-1 내지 제1-3인공지능 모델로 분류하지 못한 복수의 객체영역을 이용해 학습될 수 있다.

이와 같이, 제1모델을 복수의 인공지능 모델로 구성하고, 복수의 인공지능 모델을 순차적으로 상위 모델이 분류하지 못한 복수의 객체영역으로 학습시킴으로써, 이사물품 이미지에서 객체 및 객체박스를 분류하지 못하는 확률을 줄일 수 있다.

S230 과정에서, 서버(20)는 제2모델을 이용해 객체영역에 대응하는 박스량을 판단할 수 있다.

서버(20)는 제2모델을 이용하여 객체영역 속 객체를 일정한 크기를 가지는 포장박스로 포장할 때 필요한 포장박스의 개수를 판단할 수 있다. 즉, 포장박스의 개수는 객체영역 내 객체를 분할하여 포장한다면 필요한 박스의 개수이다. 포장박스의 개수는 박스량으로 표현될 수 있다.

포장박스란 포장 이사를 할 때 일반적으로 사용되는 종이/플라스틱 박스를 개념적으로 정의한 박스 단위이다. 포장박스는 일정한 면적을 가지는 2차원 사각형으로 생각할 수 있다. 혹은, 포장박스는 일정한 체적을 가지는 3차원 직육면체로 생각할 수 있다.

제2모델은 객체영역을 입력 받으면, 객체영역 속 1개의 객체 혹은 복수의 객체들이 몇 개의 포장박스에 대응하는지 출력할 수 있다. 즉, 제2모델은 객체영역의 입력으로 객체영역 내 객체 혹은 객체들의 박스량을 출력할 수 있다.

객체 혹은 객체들의 박스량은 포장박스 1개를 'x01'으로 정의할 때 2, 4, 6개의 경우 각각 'x02', 'x04', 'x06'으로 표현되고, 1/2, 1/4, 1/8개의 경우 각각 'x01/2', 'x01/4', 'x01/8'으로 표현될 수 있다.

예를 들어, 제2모델은 객체영역 속에 제1객체(침대)의 박스량을 'x06'으로 출력하고, 객체영역 속에 제2객체(커튼)의 박스량을 'x02'으로 출력하고, 객체영역 속에 제3객체들(잡화들)의 박스량을 'x01/4'으로 출력할 수 있다.

제2모델은 객체영역에 라벨링된 객체 혹은 객체들의 박스량(포장박스의 개수)를 제2학습 데이터로 학습된 인공지능 모델일 수 있다.

제2학습 데이터는 박스량이 1 보다 큰 객체를 포함한 객체영역들을 제2-1학습 데이터와, 박스량이 1 보다 작은 객체를 포함한 객체영역들을 제2-2학습 데이터를 포함할 수 있다.

제2학습 데이터는 객체에 대한 물품의 종류 정보 혹은 물품의 절대 사이즈 정보를 포함하지 않고, 객체영역 및 객체의 박스량만을 포함할 수 있다. 그렇기 때문에 제2모델은 객체영역 속 객체에 대한 물품 종류나 물품 사이즈를 분류하지 않는다.

제2모델은 객체영역에 대한 이미지의 특징을 추출하고 추출된 특징에 라벨링된 객체의 박스량으로 학습되기 때문에, 학습된 제2모델은 객체영역 속 객체의 박스량을 출력할 수 있다.

제2모델은 복수의 인공지능 모델로 구성될 수 있다. 예를 들어, 제2모델은 제2-1인공지능 모델 및 제2-2인공지능 모델로 구성될 수 있다. 이 경우, 제2모델은 제2-1 및 제2-2인공지능 모델의 입력과 출력을 직렬로 연결하거나 서로 병렬적으로 구성될 수 있다.

제2-1인공지능 모델은 제2-1학습 데이터로 학습된 모델이며, 제2-2인공지능 모델은 제2-2학습 데이터로 학습된 모델이다. 제2-1학습 데이터 및 제2-2학습 데이터를 하나의 인공지능 모델로 학습시키면, 학습된 인공지능 모델은 1 보다 작은 박스량을 가지는 객체영역의 객체의 박스량을 분류하지 못한다. 즉, 1 보다 작은 박스량을 가지는 객체영역을 제2모델은 무시하고 분류하지 않게 된다.

이러한 문제점을 방지하기 위해, 제2-1학습 데이터 및 제2-2학습 데이터를 분류하여 2개의 인공지능 모델을 각각 학습시킴으로써, 1 보다 큰 박스량을 가지는 객체영역과 1 보다 작은 박스량을 가지는 객체영역을 정확하게 분류할 수 있다.

S240 과정에서, 서버(20)는 제3모델을 이용해 객체영역에 포함된 물품을 분류할 수 있다.

서버(20)는 이사물품 이미지의 객체영역에 속한 객체가 어떠한 물품인지 분류할 수 있다. 다시 말해, 서버(20)는 객체영역의 객체에 대한 물품의 종류를 분류하여 물품 종류 정보를 제공할 수 있다.

물품의 종류는 TV, 모니터, 공기청정기, 냉장고, 김치냉장고, 서랍장, 에어컨, 의류관리기, 안마의자, 옷장, 수납장, 책장, 침대, 책상, 테이블, 화장대, 의자, 상자 등을 포함할 수 있으며, 이사 대상이 될 수 있는 모든 물품들을 포함할 수 있다.

상자는 복수의 잡화나 물품을 각각 인식하는 것이 아니라, 일정한 공간(면적, 체적) 내부에 모여 있는 복수의 잡화나 물품을 하나의 물품으로 인식할 때 제3모델에서 출력하는 물품의 종류를 의미한다.

제3모델은 객체영역을 입력 받으면, 객체영역 속에 포함된 객체에 대한 물품의 종류를 출력한다.

제3모델은 객체영역에 라벨링된 물품의 종류를 제3학습 데이터로 학습된 인공지능 모델일 수 있다. 제3학습 데이터는 물품 이미지 및 물품 이미지 속 물품의 종류 정보를 포함할 수 있다.

도 11을 참조하면, 제3학습 데이터는 첫번째 물품 이미지에 라벨링된 '서랍장', 두번째 물품 이미지에 라벨링된 '냉장고', 세번째 물품 이미지에 라벨링된 '침대' 정보를 포함할 수 있다.

제3학습 데이터는 통계적으로 대부분 가정에서 가지고 있는 물품들에 대한 물품 이미지에 라벨링된 물품의 종류로 구성된 제3-1학습 데이터와, 통계적으로 일부 가정에서만 가지고 있는 물품들에 대한 물품 이미지에 라벨링된 물품의 종류로 구성된 제3-2학습 데이터를 포함할 수 있다.

제3모델은 복수의 인공지능 모델로 구성될 수 있다. 예를 들어, 제3모델은 제3-1인공지능 모델 및 제3-2인공지능 모델로 구성될 수 있다. 이 경우, 제3모델은 제3-1 내지 제3-2인공지능 모델의 입력과 출력을 직렬로 연결하거나 서로 병렬적으로 구성될 수 있다.

제3-1인공지능 모델은 제3-1학습 데이터를 이용해 학습될 수 있다. 제3-2인공지능 모델은 제3-2학습 데이터를 이용해 학습될 수 있다.

제3-1학습 데이터와 제3-2학습 데이터를 하나의 인공지능 모델에 학습시키면, 학습된 인공지능 모델은 일부 가정에만 있는 물품을 분류하지 못하고 무시될 수 있다.

이러한 문제점을 방지하기 위해, 제3-1학습 데이터와 제3-2학습 데이터를 분류하여 2개의 인공지능 모델을 각각 학습시킴으로써, 대부분 가정에서 사용하는 물품과 일부 가정에서만 사용하는 물품을 정확하게 분류할 수 있다.

서버(20)는 S230 과정과 S240 과정을 순차적으로 수행할 수 있으며, 순서를 바꿔서 수행할 수도 있다.

S250 과정에서, 서버(20)는 물품목록 정보를 사용자에게 제공할 수 있다.

도 12를 참조하면, 서버(20)는 이사물품 이미지에 기초해 추출된 물품목록 정보를 사용자에게 제공할 수 있다.

물품목록 정보는 객체박스가 표시된 이미지를 포함할 수 있다. 또는, 물품목록 정보는 이사물품 이미지 상에서 객체박스의 위치, 객체의 박스량, 물품의 종류 중 적어도 하나를 포함할 수 있다.

예를 들어, 객체의 박스량은 포장박스 1개의 경우 'x01', 2개의 경우 'x02', ½개의 경우 'x01/2' 등으로 표현되며, 물품의 종류는 물품명으로 표현되고, 객체박스의 위치는 이사물품 이미지에서 객체박스의 대각선 상 2개 꼭지점의 좌표 값[(x1,y1), (x2,y2)]으로 표현될 수 있다.

물품목록 정보는 이사물품 이미지에 복수의 객체박스가 있다면, 복수의 객체박스에 대한 객체들의 전체 박스량 정보를 포함할 수 있다. 전체 박스량은 객체박스들 각각의 객체의 박스량의 합계일 수 있다.

서버(20)는 물품목록 정보를 단말기(10)에게 송신할 수 있다. 이 경우, 물품목록 정보는 이사물품 이미지 상에서 객체박스의 위치, 객체의 박스량, 물품의 종류, 객체들의 전체 박스량 정보를 포함하되, 객체박스가 표시된 이미지를 포함하지 않는 것이 바람직하다. 왜냐하면, 객체박스들이 표시된 이미지가 서버(20)에서 단말기(10)로 송신되면, 상대적으로 데이터 사이즈가 크기 때문에 서버(20)에 부하가 될 수 있으므로, 작은 데이터만을 송신할 수 있다.

단말기(10)는 서버(20)에서 수신된 물품목록 정보에 기초해 사용자에게 물품목록 화면을 제공할 수 있다.

물품목록 화면은 복수의 객체박스가 표시된 이사물품 이미지를 포함한 제1물품목록 화면, 복수의 객체박스에 대응한 물품명 리스트를 포함한 제2물품목록 화면을 포함할 수 있다. 또한, 물품목록 화면은 복수의 객체박스의 위치 정보, 각 객체의 박스량 정보, 및 모든 객체의 전체 박스량 정보 중 적어도 하나를 더 포함할 수 있다.

도 13을 참조하면, 단말기(20)는 서버(10)로부터 수신된 물품목록 정보에 기초해 사용자에게 물품목록 화면을 제공할 수 있다.

즉, 단말기(20)는 복수의 객체박스들이 표시된 이사물품 이미지를 포함한 제1물품목록 화면을 제공할 수 있다.

이사물품 이미지 상에 표시된 복수의 객체박스는 서로 다른 색체로 표시될 수 있다. 예를 들어, 객체박스는 제1색체와 제2색채로 표현될 수 있다.

사용자는 단말기(20)의 화면에 표시된 이사물품 이미지 상에 표시된 객체박스를 화면을 통해 터치함으로써, 객체박스의 색채를 변경할 수 있다. 단말기(20)는 사용자가 화면 상에서 객체박스를 터치한 입력 신호에 따라 객체박스의 색채를 제1색채에서 제2색채로 변경할 수 있다. 터치 신호가 1번 입력되면 제1색채를 제2색채로 변경하고, 다시 1번 입력되면 제2색채를 제1색채로 변경할 수 있다.

객체박스가 제1색채로 표시되면 전체 박스량에 포함되며, 제2색채로 표시되면 전체 박스량에 포함되지 않는다.

단말기(20)는 이사물품 이미지 상에 복수의 객체박스를 표시할 때 각 객체박스에 대한 박스량이 기 설정된 임계값 보다 크면 객체박스를 제1색채로 표시하고, 기 설정된 임계값 보다 작으면 객체박스를 제2색채로 표시하여 제1물품목록 화면을 제공할 수 있다.

또는, 단말기(20)는 이사물품 이미지 상에 복수의 객체박스를 표시할 때 각 객체박스에 대한 박스량이 기 설정된 임계값 보다 큰 객체박스만을 제1색채로 표시하여 제1물품목록 화면을 제공할 수 있다. 여기서 기 설정된 임계값은 'x06'(박스량 6개) 혹은 'x08'(박스량 8개)와 같이 구체적인 수치로 설정될 수 있다. 이 경우, 제1물품목록 화면에 표시된 객체박스 속 물품들은 큰 물품으로 표시도리 수 있다.

도 13을 참조하면, 단말기(20)는 복수의 객체박스에 대응한 물품명 리스트를 포함한 제2물품목록 화면을 포함할 수 있다. 제2물품목록 화면은 제1물품목록 화면 보다 아래에 위치한다.

제2물품목록 화면은 물품명 리스트에 더해, 물품의 종류, 물품의 박스량, 전체 박스량 중 적어도 하나를 포함할 수 있다.

제2물품목록 화면은 물품명 리스트 상에서 물품을 선택/해제할 수 있는 체크박스, 선택/해제 버튼, 수량 조절 버튼 등을 포함할 수 있다.

사용자가 제1물품목록 화면을 통해 객체박스를 터치함으로써 선택 혹은 해제를 하면, 동시에 제2물품목록 화면에서 물품명 리스트 상에서 물품은 선택되거나 해제될 수 있다. 반대로, 사용자가 제2물품목록의 화면을 통해 물품을 선택하거나 해제하면, 동시에 제1물품목록의 화면에서 이사물품 이미지 상에서 객체박스의 색채를 변경하거나(제1색채<->제2색채), 객체박스를 사라지거나 나타나게 할 수 있다(hide<->show).

사용자는 단말기(20)의 화면을 통해 해당 물품을 선택/해제함으로써, 물품을 이삿짐에 포함시킬지 혹은 제외시킬지 선택할 수 있으며, 또한 이사 전 해당 물품을 버릴지 선택할 수 있다. 이삿짐은 사용자가 선택한 물품들을 포함할 수 있다. 후술할 이사견적은 이삿짐에 속한 물품들에 기초해 결정될 수 있다.

S300 과정에서, 서버(20)는 사용자로부터 이사 부가 정보를 획득할 수 있다.

S300 과정은 S200 과정 이후에 수행되는 것으로 설명되었으나, 이에 한정될 것은 아니며, S100 과정과 동시에 수행되거나 혹은 S100 과정과 S200과정 사이에 수행될 수 있다.

단말기(10)는 사용자로부터 이사 부가 정보를 입력 받아, 서버(20)에게 전달할 수 있다.

이사 부가 정보는 사용자의 선호 업체 정보를 포함할 수 있다. 도 14를 참조하면, 단말기(10)는 사용자에게 선호 업체 정보의 입력 화면을 제공할 수 있다.

선호 업체 정보는 이사를 할 때 사용자가 이사업체를 선택하는데 고려하는 정보를 포함할 수 있으며, 이사 비용이 저렴한 업체를 선호하는지('이사 비용이 착한 업체'), 비용과 상관없이 서비스가 좋은 업체를 선호하는지('서비스가 좋은 업체'), 이사 비용과 서비스가 적당하여 가성비가 좋은 업체('가격은 적당, 서비스가 좋은 업체')를 선호하는지에 관한 정보를 포함할 수 있다. 선호 업체 정보의 입력 화면은 사용자의 선호도 정보를 단계적으로 입력할 수 있는 복수의 선택 버튼을 포함할 수 있다.

단말기(10)는 사용자에게 이사 부가 정보를 입력할 수 있는 화면을 제공할 수 있다.

도 15를 참조하면, 이사 부가 정보는 출발지에 관한 정보 및 도착지에 관한 정보를 포함할 수 있다. 출발지에 관한 정보는 출발지 주소, 주거 중인 집의 종류, 층수, 엘리베이터 유무, 사다리차 필요 등의 정보를 포함할 수 있다. 도착지에 관한 정보는 도착지 주소, 주거할 집의 종류, 층수, 엘리베이터 유무, 사다리차 필요 등의 정보를 포함할 수 있다. 또한, 이사 부가 정보는 원하는 이사 날짜와 시간 정보를 포함할 수 있다.

도 16을 참조하면, 단말기(20)는 사용자가 입력한 이사 부가 정보 및 이삿짐의 물품목록이 맞는지 확인하는 화면을 제공하고, 사용자의 확인으로 서버(20)에게 이삿짐의 물품목록 정보와 이사 부가 정보를 전달할 수 있다.

S400 과정에서, 서버(20)는 물품목록 정보 및 이사 부가 정보에 기초하여 이사 견적을 제공할 수 있다. 도 6을 참조하면, S400 과정은 S410 과정 내지 S430 과정을 포함할 수 있다.

S410 과정에서, 서버(20)는 물품목록 정보 및 이사 부가 정보를 획득할 수 있다. 서버(20)는 단말기(10)로부터 물품목록 정보 및 이사 부가 정보를 수신할 수 있다.

S420 과정에서, 서버(20)는 제4모델을 이용해 이사 견적을 산출할 수 있다.

제4모델은 물품들의 박스량에 기초해 제1이사 견적을 산출할 수 있다. 이 경우 물품들은 이삿짐의 물품목록에 포함된 물품이다. 다시 말해, 제4모델은 이삿짐의 물품목록에 포함된 물품들의 박스량에 기초해 제1이사 견적을 산출할 수 있다.

제1이사 견적은 이삿짐의 물품들의 포장 및 상하차 비용 산출함으로써 결정될 수 있다. 포장 및 상하차 비용은 포장박스의 개수에 포장박스 당 비용을 곱하여 계산될 수 있다. 일 예로, 포장박스 당 비용은 대략 1만원으로 정의할 때, 이삿짐의 물품들의 전체 박스량이 30개인 경우 제1이사 견적은 30개 x 1만원으로 산출된 30만원일 수 있다.

또는, 제1이사 견적은 물품의 박스량에 따라 다른 가중치를 적용하여 결정될 수 있다. 구체적으로는, 물품의 박스량이 기설정된 임계값 보다 크면 제1가중치를 박스량에 곱하고, 기설정된 임계값 보다 작으면 제2가중치를 곱하여 물품의 가중 박스량을 계산할 수 있다. 제1이사 견적은 물품의 가중 전체 박스량에 포장박스 당 비용을 곱함으로써 산출될 수 있다. 제1가중치 및 제2가중치는 1보 보다 작으며, 제2가중치는 제1가중치 보다 작을 수 있다. 바람직하게 제2가중치는 0.6~0.8 사이이며, 0.7으로 설정되는 것이 가장 바람직하다.

제4모델은 이사 부가 정보에 기초해 제2이사 견적을 산출할 수 있다. 제2이사 견적은 화물차량이 종류, 화물차량의 대수, 출발지 및 도착지 사이의 거리, 건물의 층수, 사다리차 필요 유무, 이사인력수, 엘리베이터 유무, 도로 사정 등에 의해 추가로 필요한 비용을 포함할 수 있다.

일 예로, 1톤 트럭 1대 기준으로 대략 15km 정도에 3~5만원 정도 비용이 산정되며, 1톤 트럭 1대는 대략 30~45개의 포장박스를 실을 수 있으나, 그 이상의 포장박스의 개수에 대해선 1톤 트럭 2대 혹은 그 이상의 용량 트럭 1대가 필요하다.

제4모델은 이삿짐의 물품들의 전체 박스량(혹은 가중 전체 박스량)에 기초해 화물차량의 종류 혹은 화물차량의 종류를 결정할 수 있다.

제4모델은 이삿짐의 물품들의 전체 박스량이 기 설정된 임계 값 보다 크면 기 설정된 화물차량 보다 큰 용량의 화물차량 혹은 기 설정된 화물차량의 대수를 증가시켜 제2이사 견적을 산출할 수 있다. 이 경우 기 설정된 임계 값은 30~45개의 포장박스일 수 있다.

제4모델은 제1이사 견적과 제2이사 견적에 기초해 최종 이사 견적을 결정할 수 있다. 최종 이사 견적은 제1이사 견적과 제2이사 견적을 더함으로써 산출될 수 있으며, 또는 제1이사 견적과 제2이사 견적에 각각 다른 가중치를 곱하고 더함으로써 산출될 수 있다.

제4모델은 통계를 기반한 알고리즘으로 작성된 프로그램이거나 제4학습 데이터로 학습된 인공지능 모델일 수 있다.

여기서, 통계 기반 프로그램은 포장박스 당 비용, 가중치, 이사 부가 정보에 따른 추가 비용을 매개변수로 작성된 함수 기반으로 작성된 프로그램을 의미한다. 또는, 제4학습 데이터는 이삿짐의 물품 및 이사 부가 정보에 라벨링된 이사 견적 비용으로 구성될 수 있으며, 제4학습 데이터로 학습된 인공지능 모델은 이삿짐의 물품 및 이사 부가 정보를 입력으로 최종 이사 견적 비용을 산출할 수 있다.

S430 과정에서, 서버(20)는 산출된 최종 이사 견적을 사용자에게 제공할 수 있다. 서버(20)는 최종 이사 견적 정보를 단말기(10)에게 전송할 수 있다.

단말기(10)는 서버(20)로부터 수신한 최종 이사 견적 정보에 기초해 인공지능 기반 이사 견적을 결정하고 사용자에게 제공할 수 있다.

도 17을 참조하면, 단말기(10)는 이사 견적 제안 화면을 사용자에게 제공할 수 있다.

이사 견적 제안 화면은 인공지능 기반 이사 견적을 제공하는 제1이사 견적 제안 화면을 포함할 수 있다. 사용자는 인공지능 기반 이사 견적을 참고하여 사용자의 이사물품들에 대한 이사비용의 기준을 제공할 수 있다.

이사 견적 제안 화면은 이사 전문가 정보를 제공하는 제2이사 견적 제안 화면을 포함할 수 있다. 제2이사 견적 제안 화면은 이사 전문가가 미리 입력한 정보 및 다른 사용자가 작성한 후기 정보에 기초해 생성된 이사 전문가의 프로필 정보를 포함할 수 있으며, 복수의 이사 전문가의 프로필 리스트를 제공할 수 있다. 사용자는 이사 전문가의 프로필을 확인하고 이사 서비스를 제공받고 싶은 이사 전문가에게 직접적으로 연락하여 서비스를 문의할 수 있다.

이사 견적 제안 화면은 이사 서비스를 제공하기 위해 역경매 방식으로 입찰에 참여한 이사 전문가를 확인할 수 있는 제3이사 견적 제안 화면을 포함할 수 있다. 제3이사 견적 제안 화면은 사용자가 입력한 이삿짐의 물품목록 및 이사 부가 정보를 확인한 이사 전문가가 사용자에게 이사 서비스를 제공하기 위해 입찰에 참여했을 때 이사 전문가의 프로필 정보와 서비스 비용 정보를 포함하며, 복수의 이사 전문가의 프로필 리스트를 제공할 수 있다.

제2 및 제3이사 견적 제안 화면은 사용자의 이사 부가 정보에 기초해 매칭 가능성이 높은 이사 전문가의 우선순위를 제공할 수 있다. 예를 들어, 사용자의 선호 업체 정보에 기초해 이사 전문가들에 대한 우선순위를 매길 수 있으며, 제2 및 제3이사 견적 제안 화면은 복수의 이사 전문가의 프로필 리스트를 보여줄 때 상술한 우선순위에 따라 이사 전문가를 리스팅하여 보여줄 수 있다.

이사 전문가는 서비스를 제공받은 사용자가 남긴 후기 정보를 통해 사용자의 선호 업체에 매칭되도록 분류될 수 있다. 예를 들어, 이사 전문가는 '이사 비용이 착한 업체', '서비스가 좋은 업체', 가격은 적당, 서비스가 좋은 업체'와 같이 분류될 수 있다.

예를 들어, 사용자가 선호 업체 정보를 입력할 때 비용에 관계없이 서비스가 좋은 업체를 원한다면 이사 전문가 중에서 서비스와 관련된 좋은 후기를 받은 업체들을 다른 이사 전문가 보다 상위에 노출되도록 사용자에게 제공할 수 있다.

도 18을 참조하면, 사용자는 단말기(10)를 통해 인공지능 기반 이사견적을 고려하여 합당한 이사견적을 제안하는 이사 전문가를 선택하여 이사 서비스를 예약할 수 있다. 또한, 사용자는 이사 서비스를 제공한 이사 전문가에 대해 복수의 선호 항목에 대한 후기를 남길 수 있다.

단말기(10)는 이사 전문가에 대한 복수의 선호 항목의 후기 정보를 서버(20)에게 송신할 수 있다.

서버(20)는 이사 전문가에 대한 복수의 선호 항목의 후기 정보에 기초해 이사 전문가에 대한 평가 정보를 이사 전문가의 프로필 정보를 통해 사용자에게 제공할 수 있다.

서버(20)는 이사 전문가에 대한 복수의 선호 항목의 후기 정보에 기초해 이사 전문가에 대한 선호도를 분류할 수 있다. 예를 들어, 이사 전문가는 '이사 비용이 착한 업체', '서비스가 좋은 업체', 가격은 적당, 서비스가 좋은 업체'와 같이 분류될 수 있다.

제1, 제2, 제3, 제4모델은 각각 RNN(Recurrent Neural Network) 또는 CNN(Convolution Neural Network)의 딥러닝 모델이 사용될 수 있다. 제1, 제2, 제3, 제4모델은 서로 다른 학습 데이터로 학습되거나, 동일한 데이터로 학습될 수 있다.

도 19는 본 발명의 실시예에 따른 이사견적을 제공하는 모델 학습 방법의 흐름도이다. 도 20는 모델의 학습데이터의 예시이다.

본 발명의 실시예에 따른 이사견적을 제공하는 모델 학습 방법은, 학습 데이터를 획득하는 과정(S1000) 및 학습 데이터로 이용하여 모델을 학습시키는 과정(S2000)을 포함할 수 있다.

S1000과정에서, 서버(20)는 학습 데이터를 획득할 수 있다. 학습 데이터는 적어도 하나의 객체박스로 라벨링된 물품 이미지 및 적어도 하나의 객체박스에 관한 정보를 포함할 수 있다. 라벨링된 물품 이미지는 하나 혹은 복수의 몰품(객체)을 포함할 수 있으며, 하나 혹은 복수의 몰품(객체)을 둘러싸는 객체박스를 포함할 수 있다.

객체박스에 관한 정보는 객체박스에 속하는 물품(객체)의 종류, 물품(객체)의 박스량, 객체박스의 위치 정보를 포함할 수 있다.

객체박스는 직사각형으로 이뤄지며 객체박스의 위치는 대각선의 2개 꼭지점에 대한 좌표 값[(x1, y1), (x2, y2)]으로 정의 될 수 있다. 예를 들어, 물품 이미지 전체에서 x축의 좌측단을 0으로 정의하고, y축의 상측단을 0으로 정의하여 객체박스의 꼭지점들에 대한 좌표 값을 정의할 수 있다.

객체박스는 일정한 크기를 가지지 않으며, 물품(객체)을 모두 둘러쌀 수 있는 최소한의 면적을 가지는 사각형일 수 있다. 즉, 객체박스는 정해진 크기가 없으면, 물품(객체)의 사이즈에 따라 달라질 수 있다.

물품(객체)의 종류는 물품 이미지 상에 포함된 물품(객체)가 어떠한 물건 혹은 제품인지를 의미하는 물품명일 수 있다.

물품(객체)의 박스량은 객체박스에 속한 물품(객체)를 포장 이사할 때 몇개의 포장박스로 분할하여 포장할 수 있는지 의미하는 포장박스의 개수를 의미한다.

S2000 과정에서, 서버(20)는 학습데이터를 이용해 모델을 학습시킬 수 있다.

서버(20)는 물품 이미지에 표시된 객체박스에서 추출한 객체박스 이미지로 제1모델을 학습시킬 수 있다. 객체박스 이미지는 물품 이미지에서 객체박스의 내측 부분의 이미지를 별개로 추출한 이미지이다.

이 경우 학습된 제1모델은 이사물품 이미지를 입력 받으며, 이사물품 이미지 상에 복수의 객체박스를 추출하거나, 이사물품 이미지에서 객체박스에 해당하는 영역을 추출하여 객체박스 이미지를 생성할 수 있다.

또한, 서버(20)는 물품 이미지에 표시된 객체박스 (혹은 객체박스 이미지) 및 객체박스에 속하는 물품(객체)의 박스량(포장박스의 개수)을 이용해 제2모델을 학습시킬 수 있다. 이 경우 학습된 제2모델은 제1모델에 의해 추출된 객체박스 혹은 객체박스 이미지 상에 포함된 1개 물품 혹은 복수의 물품들의 박스량을 추출할 수 있다.

또한, 서버(20)는 물품 이미지에 표시된 객체박스 (혹은 객체박스 이미지) 및 객체박스에 속하는 물품(객체)의 종류를 이용해 제3모델을 학습시킬 수 있다. 이 경우 학습된 제3모델은 제1모델에 의해 추출된 객체박스 혹은 객체박스 이미지 상에 포함된 1개 물품 혹은 복수의 물품들의 종류를 추출할 수 있다. 객체박스 혹은 객체박스 이미지 상에 복수의 물품들이 포함되면, 제3모델은 물품의 종류로 '상자'를 추출할 수 있다.

본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

단말기(10)
서버(20)

Claims (7)

1. 프로세서에 의해 각 과정이 수행되며, 인공 지능을 이용한 이사견적 제공 방법에 있어서,
   이사물품 이미지를 획득하는 과정;
   상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정;
   이사 부가 정보를 획득하는 과정;
   상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
2. 제1항에 있어서,
   상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정은,
   제1모델을 이용해 상기 이사물품 이미지에서 객체박스를 분류하는 과정;
   제2모델을 이용해 상기 객체박스에 대응하는 박스량을 판단하는 과정; 및
   제3모델을 이용해 상기 객체박스에 포함된 물품을 분류하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
3. 제1항에 있어서,
   상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정은,
   상기 이사물품 이미지 상에 복수의 객체박스가 표시된 제1화면을 제공하는 과정;
   상기 복수의 객체박스에 대응하는 복수의 물품 목록이 표시된 제2화면을 제공하는 과정;
   상기 제1화면 상에서 상기 복수의 객체박스의 선택 신호에 기초해 상기 복수의 몰품 목록에서 선택된 물품을 제외하거나 물품을 선택하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
4. 제2항에 있어서,
   상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정은,
   제4모델을 이용해 상기 박스량에 기초해 제1이사 견적을 결정하는 과정을 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
5. 제1항에 있어서,
   라벨링된 물품 이미지 및 객체박스에 관한 정보를 획득하는 과정; 및
   상기 라벨링된 물품 이미지를 이용하여 상기 이사 물품 이미지에서 상기 객체박스를 분류하는 제1모델, 상기 객체박스에 대응하는 박스량을 판단하는 제2모델, 및 상기 객체박스에 포함된 물품을 분류하는 제3모델 중 적어도 하나를 학습시키는 과정을 더 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
6. 제5항에 있어서,
   상기 객체박스에 관한 정보는 상기 라벨링된 물품 이미지 상에서 하나 혹은 복수의 물품을 포함하는 상기 객체박스의 위치 정보, 상기 객체박스에 대응하는 박스량 정보, 상기 객체박스에 속하는 물품 종류 정보 중 적어도 하나를 포함하는, 인공 지능을 이용한 이사견적 제공 방법.
7. 메모리, 통신부, 프로세서를 포함하며, 상기 프로세서는
   이사물품 이미지를 획득하는 과정;
   상기 이사물품 이미지에 기하여 물품 목록을 제공하는 과정;
   이사 부가 정보를 획득하는 과정; 및
   상기 물품 목록 및 상기 이사 부가 정보에 기초하여 이사 견적을 제공하는 과정을 수행하는, 인공 지능을 이용한 이사견적 제공 장치.