WO2020153796A1 - 전자 장치 및 그 동작방법 - Google Patents

전자 장치 및 그 동작방법 Download PDF

Info

Publication number
WO2020153796A1
WO2020153796A1 PCT/KR2020/001184 KR2020001184W WO2020153796A1 WO 2020153796 A1 WO2020153796 A1 WO 2020153796A1 KR 2020001184 W KR2020001184 W KR 2020001184W WO 2020153796 A1 WO2020153796 A1 WO 2020153796A1
Authority
WO
WIPO (PCT)
Prior art keywords
clothing
recommended
items
clothing items
coordination
Prior art date
Application number
PCT/KR2020/001184
Other languages
English (en)
French (fr)
Inventor
이정민
조은비
최윤희
최창환
Original Assignee
삼성전자 주식회사
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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to EP20744857.2A priority Critical patent/EP3905181A4/en
Publication of WO2020153796A1 publication Critical patent/WO2020153796A1/ko
Priority to US17/384,257 priority patent/US20210350441A1/en

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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]
    • G06Q30/0621—Item configuration or customization
    • 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]
    • G06Q30/0623—Item investigation
    • 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]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/0643—Graphical representation of items or shoppers

Definitions

  • Various embodiments relate to electronic devices and methods of operation thereof, and more particularly, to electronic devices and methods of operation of recommending one or more clothing items.
  • AI technologies include pattern recognition, machine learning, expert systems, neural networks, and natural language processing.
  • the neural network is a model of the characteristics of human biological neurons by mathematical expression.
  • the neural network may generate a mapping between input data and output data, and the ability to generate such mapping may be expressed as a learning ability of the neural network.
  • the neural network has a generalization ability to generate correct output data for input data that has not been used for learning based on the learned results.
  • Various embodiments may provide an electronic device and a method of operating the same, which may recommend one or more clothing items among clothing items held by a user based on a plurality of recommended coordination sets.
  • FIG. 1 is a view referred to for explaining a method of determining a recommended item among a plurality of clothing items by an electronic device according to an embodiment.
  • FIG. 2 is a flowchart illustrating an operation method of an electronic device according to an embodiment.
  • FIG. 3 is a diagram referred to for describing a method of extracting clothing image and metadata corresponding to an clothing item by an electronic device according to an embodiment.
  • FIG. 4 is a diagram referred to for describing a method for an electronic device to determine a recommended item among a plurality of clothing items according to an embodiment.
  • FIG. 5 is a diagram illustrating an example of an interface screen displayed on an electronic device according to an embodiment.
  • FIG. 7 is a diagram referenced to describe a method for an electronic device to determine a recommended item based on candidate coordination sets according to an embodiment.
  • FIG. 11 is a block diagram showing the configuration of a processor according to an embodiment.
  • the processor acquires images including the clothing items and inputs the images to a third neural network, so that the clothing images corresponding to the clothing items and the meta corresponding to the clothing items Data may be extracted, and the extracted clothing images and the metadata may be matched with each other and stored in the memory.
  • the processor determines at least one of the plurality of clothing items as a recommended item based on feature information corresponding to each of the plurality of clothing items and feature information on a plurality of recommended coordination sets.
  • the display may be controlled to display the determined recommended item.
  • the processor compares feature information for each of the first clothing items included in the first recommended coordination set and feature information for each of the plurality of clothing items, and among the plurality of clothing items , A clothing item most similar to each of the first clothing items may be determined as the recommended item.
  • the processor when there is no apparel item having a similarity or higher than a predetermined value with each of the first apparel items among the plurality of apparel items, similar apparel items to each of the first apparel items
  • the display may be controlled to display an object that can be moved to an internet shopping mall for sale.
  • the processor selects a first candidate coordination set among the candidate coordination sets based on a user input, and based on feature information corresponding to each of clothing items included in the selected first candidate coordination set
  • the recommended coordination set most similar to the first candidate coordination set may be determined, and the display may be controlled to display the determined recommended coordination set.
  • the processor may include, when a first clothing item is selected based on a user input among the plurality of clothing items, based on the score information, the first clothing item among the candidate coordination sets
  • the display may be controlled to determine a recommended set of coordinates, to display the set of recommended coordinates, and to display the first clothing item distinctly from the remaining items included in the recommended set of coordinates in the recommended set of coordinates.
  • the operation method of the electronic device may include obtaining clothing images corresponding to a plurality of clothing items, and inputting the clothing images into a first neural network, thereby corresponding to each of the plurality of clothing items Extracting information, generating candidate coordination sets combining one or more clothing items of the plurality of clothing items based on feature information corresponding to each of the plurality of clothing items, and providing the candidate coordination sets. And inputting into a 2 neural network, obtaining score information for each of the candidate coordination sets, and displaying the candidate coordination sets based on the score information.
  • the term “user” refers to a person who controls a system, a function, or an operation, and may include a developer, an administrator, or an installation engineer.
  • FIG. 1 is a view referred to for explaining a method of determining a recommended item among a plurality of clothing items by an electronic device according to an embodiment.
  • the electronic device 100 may be implemented in various forms. For example, mobile phones, smart phones, laptop computers, desktops, tablet PCs, e-book terminals, digital broadcasting terminals, PDAs (Personal Digital Assistants), PMPs (Portable Multimedia Players), navigation, An MP3 player, a camcorder, an IPTV (Internet Protocol Television), a DTV (Digital Television), or a wearable device may be included, but is not limited thereto.
  • PDAs Personal Digital Assistants
  • PMPs Portable Multimedia Players
  • navigation An MP3 player, a camcorder, an IPTV (Internet Protocol Television), a DTV (Digital Television), or a wearable device may be included, but is not limited thereto.
  • the electronic device 100 may acquire clothing images corresponding to clothing items by photographing a plurality of clothing items using a camera. Alternatively, the electronic device 100 may receive clothing images corresponding to clothing items from an external device. However, it is not limited thereto.
  • the electronic device 100 may extract feature information f corresponding to each of the clothing items by inputting the clothing images corresponding to the clothing items to the first neural network 10.
  • the first neural network 10 may output feature information f corresponding to the clothing item.
  • the first neural network is characterized by information corresponding to the first clothing item (f1) Can be extracted.
  • the feature information may be expressed as a feature vector, but is not limited thereto.
  • the electronic device 100 may extract feature information corresponding to each of a plurality of clothing items in the same manner.
  • second to eighth feature information f2, f3, f4, f5, f6, f7, and f8 respectively corresponding to the second to eighth clothing items may be extracted.
  • the electronic device 100 may generate candidate coordination sets combining one or more clothing items of the plurality of clothing items 30 based on feature information for each of the plurality of clothing items 30. Can.
  • the electronic device 100 generates a first candidate coordination set by combining an item corresponding to a top, an item corresponding to a bottom, and an item corresponding to socks among a plurality of clothing items among a plurality of clothing items. can do.
  • a second candidate coordination set may be generated by combining an item corresponding to a dress (top + bottom) and an item corresponding to socks among a plurality of clothing items.
  • a third candidate coordination set is generated by combining an item corresponding to a top (for example, a T-shirt), an item corresponding to outerwear (for example, a jacket), and socks among a plurality of clothing items. can do.
  • the present invention is not limited thereto, and the electronic device 100 may generate various candidate coordination sets according to attribute information of the plurality of clothing items based on the feature information of the plurality of clothing items.
  • the electronic device 100 may acquire score information (appropriate information) for candidate coordination sets.
  • the score information (appropriateness information) may be information on whether apparel items included in each of the candidate coordination sets match each other well.
  • the score information for the candidate coordination set may indicate a higher score as clothing items included in the candidate coordination set match each other well, but is not limited thereto. The method of obtaining score information for the candidate coordination sets will be described later in detail in FIG. 6.
  • the electronic device 100 may recommend at least one coordination set among candidate coordination sets based on score information for the candidate coordination sets. For example, a coordination set having the highest score among candidate coordination sets may be recommended. Alternatively, the set of candidate coordinators may be displayed on the display in the order of highest score.
  • the electronic device 100 may determine a recommended item based on the feature information for each of the plurality of clothing items 30 and the feature information for the plurality of recommended coordination sets 40.
  • the plurality of recommended coordination sets may include coordination sets recommended by experts or trendy coordination sets, and may be stored in the electronic device 100 as a database or received from an external device.
  • the electronic device 100 may extract feature information corresponding to each of the plurality of clothing items (S220).
  • the electronic device 100 may determine the coordination set having the highest score among the candidate coordination sets as the recommended coordination set, and determine the recommended coordination set based on clothing items, weather information, and event information selected by the user. . This will be described later in detail in FIG. 7.
  • the electronic device 100 may determine the recommended item based on the feature information for each of the plurality of clothing items and the feature information for the plurality of recommended coordination sets.
  • the electronic device 100 may transmit clothing images corresponding to a plurality of clothing items or feature information for each of the clothing teams to an external device (eg, a server).
  • the external device extracts feature information from the clothing images, determines the recommended item based on the feature information for each of the plurality of clothing items and the plurality of recommended coordination sets, and determines the recommended item information. It can be transmitted to the electronic device 100.
  • the electronic device 100 compares feature information of items included in a coordination set selected by a user among candidate coordination sets that combine one or more clothing items among a plurality of clothing items and feature information of a plurality of recommended coordination sets. Thus, it is possible to determine the recommended coordination set most similar to the selected coordination set.
  • the electronic device 100 may separately display the apparel item selected by the user and the apparel item recommended by the electronic device 100.
  • FIG. 3 is a diagram referred to for describing a method of extracting clothing image and metadata corresponding to an clothing item by an electronic device according to an embodiment.
  • the electronic device 100 may acquire an image 310 including the clothing item 320.
  • the electronic device 100 may acquire an image 310 by photographing a user wearing a clothing item 320 using a camera, or acquire an image by photographing a clothing item hanging on a hanger.
  • an image including a clothing item may be received from an external device.
  • the second neural network 300 is a GAN including a generator network (Generator) generating a clothing image from an input user image and a discriminator network (Discriminator) distinguishing whether the generated clothing image is real or fake. (Generative adversarial network).
  • the creator network may be trained to generate a clothing image having metadata (property information) corresponding to the clothing item extracted from the user image.
  • the metadata corresponding to the clothing item may include at least one of category information, style information, color information, season information, material information, weather information, and user preference information for the clothing item.
  • category information For example, in the first metadata 340, the category of the first clothing item 320 is classified as a top or shirt, and the color of the first clothing item 320 is white, and the first clothing item 320 is The material of is polyester, and seasonal information of the first clothing item 320 may include information indicating that it is autumn or winter (FW).
  • the user's preference information corresponding to the clothing item can be learned together as metadata by including the history information of the user wearing the clothing item in the learning data. However, it is not limited to this.
  • FIG. 4 is a diagram referred to for describing a method for an electronic device to determine a recommended item among a plurality of clothing items according to an embodiment.
  • the electronic device 100 may display a plurality of recommended coordination sets 410.
  • the plurality of recommended coordination sets 410 may be stored in the electronic device 100 as a database or received from an external device, but are not limited thereto.
  • the electronic device 100 may receive an input for selecting any one of the plurality of recommended coordination sets 410 from the user. When any one of the plurality of recommended coordination sets 410 is selected, the electronic device 100 may determine one or more recommended items based on the selected coordination set.
  • the electronic device 100 may extract characteristic information corresponding to a plurality of clothing items and store it using the method described in FIG. 3.
  • the electronic device 100 displays feature information of items included in the second recommendation coordination set 412.
  • one or more recommended items may be determined by comparing feature information corresponding to the plurality of clothing items 430.
  • the electronic device 100 may determine clothing items most similar to feature information of each of a plurality of items included in the selected coordination set as recommended items. For example, a clothing item (eg, a white shirt 438) having characteristic information most similar to a feature of a first clothing item (eg, top) included in the second recommended coordination set 412 )).
  • the clothing item having the feature information most similar to the feature information of the second clothing item (for example, outerwear) included in the second recommended coordination set 412 (for example, the black jacket 431) Can decide.
  • the clothing item for example, white pants 435) having the feature information most similar to the feature information (flover) of the third clothing item (eg, bottom) included in the second recommended coordination set 412.
  • a clothing item eg, black shoes (eg, black shoes) having characteristic information most similar to the feature information (fshoes) of the fourth clothing item (eg, shoes) included in the second recommended coordination set 412. 433)).
  • FIG. 5 is a diagram illustrating an example of an interface screen displayed on an electronic device according to an embodiment.
  • the electronic device 100 includes a plurality of clothing items (the clothing items held by the user) in a recommended coordinated set selected by the user (eg, the second recommended coordinated set 412 of FIG. 4 ).
  • a recommended coordinated set selected by the user (eg, the second recommended coordinated set 412 of FIG. 4 ).
  • objects 510 and 520 that can move to an internet shopping mall selling similar apparel items may be displayed. .
  • the electronic device 100 may display an object that can be moved to an internet shopping mall selling bags matching the recommended items. .
  • it is not limited to this.
  • the electronic device 100 may acquire a plurality of clothing items.
  • the plurality of clothing items may include clothing items actually held by the user, and a method of obtaining a plurality of clothing items is described in FIGS. 2 and 3, and a detailed description thereof will be omitted.
  • the electronic device 100 may generate candidate coordinate sets that combine one or more clothing items among a plurality of clothing items.
  • the electronic device 100 generates a first candidate coordination set by combining an item corresponding to a top, an item corresponding to a bottom, and an item corresponding to socks among a plurality of clothing items among a plurality of clothing items. can do.
  • a second candidate coordination set may be generated by combining an item corresponding to a dress (top + bottom) and an item corresponding to socks among a plurality of clothing items.
  • a third candidate coordination set is generated by combining an item corresponding to a top (for example, a T-shirt), an item corresponding to outerwear (for example, a jacket), and socks among a plurality of clothing items. can do.
  • the present invention is not limited thereto, and the electronic device 100 may generate various candidate coordination sets according to attribute information of the plurality of clothing items based on the feature information of the plurality of clothing items.
  • the electronic device 100 may additionally generate candidate coordination sets according to the newly added clothing item.
  • the electronic device 100 may transmit a plurality of clothing items to an external device (for example, a server), and the external device may generate various candidate coordination sets and transmit them to the electronic device 100.
  • the electronic device 100 transmits information on the new clothing item to the external device, and the external device generates candidate coordinate sets according to the newly added clothing item, and It can be transmitted to the device 100.
  • one candidate coordination set 610 includes clothing items 611 corresponding to outerwear, clothing items 612 corresponding to tops, and clothing items 613 corresponding to bottoms. Each corresponding clothing item 614 may be included.
  • the electronic device 100 may acquire the adequacy information for the candidate coordination set using the third neural network 600.
  • Appropriateness information may be information on whether apparel items included in each of the candidate coordination sets are well suited to each other.
  • the adequacy information for the candidate coordination set may be represented by a score, and the higher the apparel items included in the candidate coordination set match each other, the higher the score.
  • the third neural network 600 may be a neural network learned by a plurality of recommended coordination sets 620 and a learning data set including adequacy information corresponding to the recommended coordination sets 620.
  • the third neural network 600 may learn colors, patterns, styles, and the like of clothing items included in coordinate sets recommended by experts, and learn combinations of clothing items that go well with each other.
  • the electronic device 100 may display a plurality of candidate coordination sets 710 based on score information. For example, the electronic device 100 may combine one or more items among a plurality of clothing items to generate a plurality of candidate coordination sets.
  • a score for each of a plurality of candidate coordination sets may be determined using a third neural network. However, it is not limited to this.
  • the electronic device 100 may display candidate coordination sets having a score equal to or greater than a predetermined value among a plurality of candidate coordination sets, and may display the candidate coordination sets 710 in the order of highest score.
  • a predetermined value for a predetermined value.
  • the electronic device 100 may determine the candidate coordination set having the highest score among the candidate coordination sets suitable for the weather information or the event information as the recommended coordination set, based on weather information or information about an event to which the user will participate. However, it is not limited to this.
  • the recommended coordination sets 730 may include coordination sets recommended by experts or trendy coordination sets, and are stored in the electronic device 100 as a database or received from an external device. can do.
  • the electronic device 100 may extract feature information (fupper, flower, fouter, fshoes) of items included in the first coordination set 720 selected by the user.
  • the electronic device 100 may compare the feature information of the items included in the first coordination set 720 with the feature information of the clothing items included in each of the plurality of recommended coordination sets, and determine the most similar recommended coordination set.
  • 9A to 9C are diagrams illustrating screens in which an electronic device according to an embodiment displays a recommended set of coordinates.
  • the memory 130 may store various data, programs or applications for driving and controlling the electronic device 100. Also, the memory 130 may match and store clothing images and metadata corresponding to a plurality of clothing items by matching each other. In addition, the memory 130 may include a database storing a plurality of recommended coordination sets including coordination sets recommended by experts or trendy coordination sets.
  • the memory 130 includes a first neural network extracting feature information from a clothing image, a second neural network extracting clothing images and metadata from a user image wearing the clothing item, and one or more clothing items. At least one of the third neural networks that evaluates (eg, determines the score) adequacy for the combination can be stored.
  • the display 110 may display the determined recommended item.
  • the display 110 may display the recommended set of coordination, and when the recommended set of coordination includes the clothing item selected by the user, the selected clothing item and the recommended clothing item may be displayed separately from each other. .
  • the processor 120 may include a data learning unit 1210 and a data processing unit 1220.
  • the data learning unit 1210 may learn criteria for evaluating (determining a score) adequacy of a combination of clothing items in order to train a third neural network according to an embodiment.
  • the data learning unit 1210 may learn criteria on how to determine a score for a combination of clothing items.
  • the data learning unit 1210 acquires data (for example, a combination of clothing items) to be used for learning, and applies the obtained data to a data processing model (third neural network), thereby scoring a combination of clothing items. You can learn the criteria for deciding.
  • the data processing models may be constructed in consideration of an application field of a data processing model, a learning purpose, or computer performance of a device.
  • Data processing models may be, for example, a model based on a neural network.
  • a model such as a deep neural network (DNN), a recurrent neural network (RNN), or a bidirectional recurrent deep neural network (BRDNN) may be used as a data processing model, but is not limited thereto.
  • the data learning unit 1210 may train data processing models using, for example, a learning algorithm including an error back-propagation or a gradient descent method.
  • the data learning unit 1210 may train the data processing model, for example, through supervised learning using learning data as an input value.
  • the data learning unit 1210 processes data through unsupervised learning that finds a criterion for data processing by, for example, self-learning the type of data required for data processing without much guidance. You can train the model.
  • the data learning unit 1210 may train a data processing model through, for example, reinforcement learning using feedback on whether a result value according to learning is correct.
  • FIG. 12 is a diagram illustrating an example of learning and recognizing data by interworking with an electronic device and a server according to an embodiment.
  • the communication unit 1340 may include one or more components for performing communication between the electronic device 1300 and an external device or server.
  • the communication unit 1340 may include a short-range communication unit 1341, a mobile communication unit 1342, and a broadcast reception unit 1403.
  • the output unit 1350 is for outputting an audio signal, a video signal, or a vibration signal, and may include a display unit 1351, an audio output unit 1352, a vibration motor 1351, and the like.
  • the control unit 1330 controls overall operation of the electronic device 1300. For example, the control unit 1330, by executing the programs stored in the storage unit 1380, the communication unit 1340, the output unit 1350, the user input unit 1360, the sensing unit 1320, the A/V input unit ( 1370).
  • the sensor unit 1320 includes a magnetic sensor, an acceleration sensor, a temperature/humidity sensor, an infrared sensor, a gyroscope sensor, a position sensor (eg, GPS), an air pressure sensor, a proximity sensor, and RGB It may include at least one of a sensor (illuminance sensor), but is not limited thereto.
  • a sensor luminance sensor
  • the A/V (Audio/Video) input unit 1370 is for inputting an audio signal or a video signal, and may include a camera 1151 and a microphone 1372.
  • the camera 1371 may obtain an image frame such as a still image or a video through an image sensor in a video call mode or a shooting mode.
  • the image captured through the image sensor may be processed through the control unit 1330 or a separate image processing unit (not shown).
  • the image frame processed by the camera 1371 may be stored in the storage unit 1380 or transmitted to the outside through the communication unit 1340. Two or more cameras 1371 may be provided according to a configuration aspect of the electronic device 1300.
  • the microphone 1372 receives an external sound signal and processes it as electrical voice data.
  • the microphone 1372 may receive an acoustic signal from an external device or speaker.
  • the microphone 1372 may use various noise removal algorithms to remove noise generated in the process of receiving an external sound signal.
  • the storage unit 1380 may store a program for processing and control of the control unit 1330 and may store input/output data (eg, application, content, time zone information of an external device, address book, etc.).
  • input/output data eg, application, content, time zone information of an external device, address book, etc.
  • the storage unit 1380 includes a flash memory type, a hard disk type, a multimedia card micro type, and a card type memory (for example, SD or XD memory), Random Access Memory (RAM), Static Random Access Memory (SRAM), Read-Only Memory (ROM), Electrically Erasable Programmable Read-Only Memory (EEPROM), Programmable Read-Only Memory (PROM), magnetic memory, magnetic It may include a storage medium of at least one type of disk, optical disk. Also, the electronic device 1300 may operate a web storage or cloud server performing a storage function of the storage unit 1380 on the Internet.
  • RAM Random Access Memory
  • SRAM Static Random Access Memory
  • ROM Read-Only Memory
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • PROM Programmable Read-Only Memory
  • magnetic memory magnetic It may include a storage medium of at least one type of disk, optical disk.
  • the electronic device 1300 may operate a web storage or cloud server performing a storage function of the storage unit 1380 on the Internet.
  • Programs stored in the storage unit 1380 may be classified into a plurality of modules according to their functions.
  • the programs may be classified into a UI module 1381, a touch screen module 1382, and a notification module 1383. have.
  • the UI module 1381 may provide specialized UIs, GUIs, etc. that interwork with the electronic device 1300 for each application.
  • the touch screen module 1382 may detect a touch gesture on the user's touch screen and transmit information regarding the touch gesture to the controller 1330.
  • the touch screen module 1382 may recognize and analyze a touch code.
  • the touch screen module 1382 may be configured with separate hardware including a controller.
  • the notification module 1383 may generate a signal for notifying the occurrence of an event in the electronic device 1300. Examples of events generated in the electronic device 1300 include call signal reception, message reception, key signal input, and schedule notification.
  • the notification module 1383 may output a notification signal in the form of a video signal through the display unit 1351, or output a notification signal in the form of an audio signal through the sound output unit 1352, or the vibration motor 1351 It is also possible to output a notification signal in the form of a vibration signal.
  • a block diagram of the electronic device 1300 illustrated in FIG. 13 is a block diagram for an embodiment.
  • Each component of the block diagram may be integrated, added, or omitted depending on the specification of the electronic device 1300 to be actually implemented. That is, two or more components may be combined into one component, or one component may be divided into two or more components as necessary.
  • the function performed in each block is for describing the embodiments, and the specific operation or device does not limit the scope of the present invention.
  • An operation method of an electronic device may be implemented in a form of program instructions that can be executed through various computer means and may be recorded on a computer readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the present invention or may be known and usable by those skilled in computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks.
  • -Hardware devices specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like.
  • Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler.
  • the method of operating the virtual image brokering system and the method of operating the virtual image insertion apparatus according to the disclosed embodiments may be provided by being included in a computer program product.
  • Computer program products can be traded between sellers and buyers as products.
  • a server may execute a computer program product stored in the server to control the client device in communication with the server to perform the method according to the disclosed embodiments.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

디스플레이, 하나 이상의 인스트럭션들을 저장하는 메모리, 및 메모리에 저장된 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 프로세서는, 복수의 의류 아이템들에 대응하는 의류 이미지들을 획득하고, 의류 이미지들을 제1 뉴럴 네트워크에 입력하여, 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출하고, 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하고, 후보 코디 세트들을 제2 뉴럴 네트워크에 입력하여, 후보 코디 세트들 각각에 대한 스코어 정보를 획득하며, 스코어 정보에 기초하여, 후보 코디 세트들을 표시하도록 디스플레이를 제어하는, 전자 장치가 개시된다.

Description

전자 장치 및 그 동작방법
다양한 실시예들은 전자 장치 및 그 동작방법에 관한 것으로, 더욱 상세하게는 하나 이상의 의류 아이템들을 추천하는 전자 장치 및 그 동작방법에 관한 것이다.
컴퓨터 기술의 발달과 함께 데이터 트래픽이 지수함수 형태로 증가하면서 인공지능은 미래 혁신을 주도하는 중요한 트랜드로 자리잡았다. 인공지능의 대표적인 기술로는 패턴 인식, 기계 학습, 전문가 시스템, 뉴럴 네트워크, 자연어 처리 등이 있다.
뉴럴 네트워크는 인간의 생물학적 신경 세포의 특성을 수학적 표현에 의해 모델링한 것이다. 뉴럴 네트워크는 입력 데이터와 출력 데이터 사이의 사상(mapping)을 생성할 수 있고, 이러한 사상을 생성하는 능력은 뉴럴 네트워크의 학습 능력이라고 표현될 수 있다. 또한, 뉴럴 네트워크는 학습된 결과에 기초하여, 학습에 이용되지 않았던 입력 데이터에 대하여, 올바른 출력 데이터를 생성할 수 있는 일반화 능력을 가진다.
다양한 실시예들은, 복수의 추천 코디 세트들에 기초하여, 사용자가 보유한 의류 아이템들 중 하나 이상의 의류 아이템들을 추천할 수 있는, 전자 장치 및 그 동작방법을 제공할 수 있다.
일 실시예에 따른 전자 장치는, 의류 아이템을 착용한 사용자 이미지로부터 의류 이미지를 용이하게 획득할 수 있다.
일 실시예에 따른 전자 장치는, 복수의 추천 코디 세트들에 기초하여, 사용자가 보유한 의류 아이템들 중 하나 이상의 의류 아이템들을 사용자에게 추천할 수 있어, 사용자의 의상 선택에 도움을 줄 수 있다.
일 실시예에 따른 전자 장치는, 사용자가 선택한 의류 아이템과 추천된 의류 아이템을 구별되게 표시함으로써, 추천된 코디 세트가 표시되었을 때, 추천된 코디 세트에서, 사용자가 선택한 의류 아이템을 용이하게 파악할 수 있다.
도 1은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 2는 일 실시예에 따른 전자 장치의 동작방법을 나타내는 흐름도이다.
도 3은 일 실시예에 따른 전자 장치가 의류 아이템에 대응하는 의류 이미지 및 메타 데이터를 추출하는 방법을 설명하기 위해 참조되는 도면이다.
도 4는 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 5는 일 실시예에 따른 전자 장치에 표시되는 인터페이스 화면의 일 예를 나타내는 도면이다.
도 6은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들의 조합에 대한 적절성을 평가하는 방법을 설명하기 위해 참조되는 도면이다.
도 7은 일 실시예에 따른 전자 장치가 후보 코디 세트들에 기초하여, 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 8은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 9a 내지 도 9c는 일 실시예에 따른 전자 장치가 추천된 코디 세트를 표시하는 화면들을 나타내는 도면들이다.
도 10은 일 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 11은 일 실시예에 따른 프로세서의 구성을 나타내는 블록도이다.
도 12는 일 실시예에 따른 전자 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 13은 다른 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다.
일 실시예에 따른 전자 장치는, 디스플레이, 하나 이상의 인스트럭션들을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 복수의 의류 아이템들에 대응하는 의류 이미지들을 획득하고, 상기 의류 이미지들을 제1 뉴럴 네트워크에 입력하여, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출하고, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하고, 상기 후보 코디 세트들을 제2 뉴럴 네트워크에 입력하여, 상기 후보 코디 세트들 각각에 대한 스코어 정보를 획득하며, 상기 스코어 정보에 기초하여, 상기 후보 코디 세트들을 표시하도록 상기 디스플레이를 제어할 수 있다.
일 실시예에 따른 프로세서는, 상기 의류 아이템들을 포함하는 이미지들을 획득하고, 상기 이미지들을 제3 뉴럴 네트워크에 입력하여, 상기 의류 아이템들에 대응하는 상기 의류 이미지들 및 상기 의류 아이템들에 대응하는 메타 데이터를 추출하고, 추출된 상기 의류 이미지들 및 상기 메타 데이터를 서로 매칭시켜 상기 메모리에 저장할 수 있다.
일 실시예에 따른 의류 아이템들에 대한 메타 데이터는, 상기 의류 아이템들에 대한 카테고리 정보, 스타일 정보, 색상 정보, 계절 정보, 소재 정보, 날씨 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 프로세서는, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 적어도 하나를 추천 아이템으로 결정하고, 상기 결정된 추천 아이템을 표시하도록 상기 디스플레이를 제어할 수 있다.
일 실시예에 따른 디스플레이는, 상기 복수의 추천 코디 세트들을 표시하고, 상기 프로세서는, 상기 복수의 추천 코디 세트들 중, 사용자 입력에 기초하여, 선택된 제1 추천 코디 세트에 포함되는 제1 의류 아이템들에 대한 특징 정보와, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 추천 아이템을 결정할 수 있다.
일 실시예에 따른 프로세서는, 상기 제1 추천 코디 세트에 포함되는 제1 의류 아이템들 각각에 대한 특징 정보와 상기 복수의 의류 아이템들 각각에 대한 특징 정보를 비교하여, 상기 복수의 의류 아이템들 중, 상기 제1 의류 아이템들 각각에 가장 유사한 의류 아이템을, 상기 추천 아이템으로 결정할 수 있다.
일 실시예에 따른 프로세서는, 상기 복수의 의류 아이템들 중 상기 제1 의류 아이템들 각각과 기 설정된 값 이상의 유사도를 가지는 의류 아이템이 존재 하지 않는 경우, 상기 제1 의류 아이템들 각각에 유사한 의류 아이템을 판매하는 인터넷 쇼핑몰로 이동할 수 있는 오브젝트를 표시하도록 상기 디스플레이를 제어할 수 있다.
일 실시예에 따른 프로세서는, 사용자 입력에 기초하여, 상기 후보 코디 세트들 중 제1 후보 코디 세트를 선택하고, 선택된 제1 후보 코디 세트에 포함되는 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 복수의 추천 코디 세트들 중 상기 제1 후보 코디 세트와 가장 유사한 추천 코디 세트를 결정하고, 결정된 상기 추천 코디 세트를 표시하도록 상기 디스플레이를 제어할 수 있다.
일 실시예에 따른 프로세서는, 상기 복수의 의류 아이템들 중, 사용자 입력에 기초하여 제1 의류 아이템이 선택되면, 상기 스코어 정보에 기초하여, 상기 후보 코디 세트들 중 상기 제1 의류 아이템을 포함하는 추천 코디 세트를 결정하고, 상기 추천 코디 세트를 표시하며, 상기 추천 코디 세트에서, 상기 제1 의류 아이템을 상기 추천 코디 세트에 포함되는 나머지 아이템들과 구별되게 표시하도록 상기 디스플레이를 제어할 수 있다.
일 실시예에 따른 전자 장치의 동작방법은, 복수의 의류 아이템들에 대응하는 의류 이미지들을 획득하는 단계, 상기 의류 이미지들을 제1 뉴럴 네트워크에 입력하여, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출하는 단계, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하는 단계, 상기 후보 코디 세트들을 제2 뉴럴 네트워크에 입력하여, 상기 후보 코디 세트들 각각에 대한 스코어 정보를 획득하는 단계, 및 상기 스코어 정보에 기초하여, 상기 후보 코디 세트들을 표시하는 단계를 포함할 수 있다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서의 실시예에서 “사용자”라는 용어는 시스템, 기능 또는 동작을 제어하는 사람을 의미하며, 개발자, 관리자 또는 설치 기사를 포함할 수 있다.
도 1은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
일 실시예에 따른 전자 장치(100)는 다양한 형태로 구현될 수 있다. 예를 들어, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 데스크 탑, 태블릿 PC, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 캠코더, IPTV(Internet Protocol Television), DTV(Digital Television), 착용형 기기(wearable device) 등을 포함할 수 있으나, 이에 한정되지 않는다.
전자 장치(100)는 복수의 의류 아이템들에 대응하는 의류 이미지들을 획득할 수 있다. 복수의 의류 아이템들은, 사용자가 실제로 보유하고 있는 의류 아이템들을 포함할 수 있다. 예를 들어, 복수의 의류 아이템들은, 다양한 종류의 옷을 포함할 수 있으며, 상의(티셔츠, 스웨터, 블라우스 등), 하의(바지, 치마 등), 겉옷(재킷, 점퍼, 코트 등), 신발(구두, 운동화, 장화, 슬리퍼 등), 가방, 장갑, 스카프, 목도리, 선글라스 등을 포함할 수 있다. 다만, 이에 한정되지 않는다.
일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들을 카메라를 이용하여, 촬영함으로써, 의류 아이템들에 대응하는 의류 이미지들을 획득할 수 있다. 또는, 전자 장치(100)는 외부 장치로부터 의류 아이템들에 대응하는 의류 이미지들을 수신할 수도 있다. 다만, 이에 한정되는 것은 아니다.
일 실시예에 따른 전자 장치(100)는 의류 아이템들에 대응하는 의류 이미지들을 제1 뉴럴 네트워크(10)에 입력함으로써, 의류 아이템들 각각에 대응하는, 특징 정보(f)를 추출할 수 있다. 의류 아이템에 대응하는 의류 이미지(11)가 제1 뉴럴 네트워크(10)에 입력되면, 제1 뉴럴 네트워크(10)는 의류 아이템에 대응하는 특징 정보(f)를 출력할 수 있다. 예를 들어, 복수의 의류 아이템들(30) 중 제1 의류 아이템에 대응하는 제1 의류 이미지를 제1 뉴럴 네트워크에 입력하면, 제1 뉴럴 네트워크는 제1 의류 아이템에 대응하는 특징 정보(f1)를 추출할 수 있다. 예를 들어, 특징 정보는 특징 벡터로 표현될 수 있으나, 이에 한정되지 않는다.
일 실시예에 따른 전자 장치(100)는 동일한 방식으로, 복수의 의류 아이템들 각각에 대응하는, 특징 정보를 추출할 수 있다. 예를 들어, 제2 내지 제 8 의류 아이템들에 각각 대응하는 제2 내지 제8 특징 정보(f2, f3, f4, f5, f6, f7, f8)를 추출할 수 있다.
일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들(30) 각각에 대한 특징 정보에 기초하여, 복수의 의류 아이템들(30) 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성할 수 있다.
예를 들어, 전자 장치(100)는 복수의 의류 아이템들 중 복수의 의류 아이템들 중 상의에 해당하는 아이템, 하의에 해당하는 아이템 및 양말에 해당하는 아이템을 조합하여, 제1 후보 코디 세트를 생성할 수 있다. 또한, 복수의 의류 아이템들 중 원피스(상의+하의)에 해당하는 아이템, 및 양말에 해당하는 아이템을 조합하여 제2 후보 코디 세트를 생성할 수 있다. 또는, 복수의 의류 아이템들 중 상의에 해당하는 아이템(예를 들어, 티셔츠), 겉옷에 해당하는 아이템(예를 들어, 재킷), 및 양말에 해당하는 아이템을 조합하여 제3 후보 코디 세트를 생성할 수 있다. 다만, 이에 한정되지 않으며, 전자 장치(100)는 복수의 의류 아이템들에 대한 특징 정보에 기초하여, 복수의 의류 아이템들의 속성 정보에 따른 다양한 후보 코디 세트들을 생성할 수 있다.
또한, 일 실시예에 따른 전자 장치(100)는 후보 코디 세트들에 대한 스코어 정보(적절성 정보)를 획득할 수 있다. 스코어 정보(적절성 정보)는 후보 코디 세트들 각각에 포함되는 의류 아이템들이 서로 잘 어울리는 지에 대한 정보일 수 있다. 예를 들어, 후보 코디 세트에 대한 스코어 정보는, 후보 코디 세트에 포함되는 의류 아이템들이 서로 잘 어울릴수록 높은 스코어를 나타낼 수 있으나, 이에 한정되지 않는다. 후보 코디 세트들에 대한 스코어 정보를 획득하는 방법에 대해서는 도 6에서 자세히 후술하기로 한다.
또한, 일 실시예에 따른 전자 장치(100)는 후보 코디 세트들에 대한 스코어 정보에 기초하여, 후보 코디 세트들 중 적어도 하나의 코디 세트를 추천할 수 있다. 예를 들어, 후보 코디 세트들 중 스코어가 가장 높은 코디 세트를 추천할 수 있다. 또는 후보 코디 세트들을 스코어가 높은 순서대로 디스플레이에 표시할 수 있다.
일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들(30) 각각에 대한 특징 정보와 복수의 추천 코디 세트들(40)에 대한 특징 정보에 기초하여, 추천 아이템을 결정할 수 있다. 복수의 추천 코디 세트들은 전문가에 의해 추천된 코디 세트들 또는, 유행하는 코디 세트들을 포함할 수 있으며, 전자 장치(100)에 데이터 베이스로 기 저장되거나 외부 장치로부터 수신할 수 있다.
예를 들어, 복수의 추천 코디 세트들(40) 중 사용자 입력에 기초하여, 제1 추천 코디 세트(45)가 선택된 경우, 전자 장치(100)는 제1 추천 코디 세트(45)에 포함되는 의류 아이템들 각각에 대응하는 특징 정보와, 사용자의 복수의 의류 아이템들(30) 각각에 대한 특징 정보를 비교하여, 제1 추천 코디 세트(45)에 포함되는 의류 아이템들과 유사한 아이템들을 추천 아이템들로 결정할 수 있다. 예를 들어, 전자 장치(100)는 스프라이트 셔츠(37), 회색 면바지(35), 흰색 운동화(36), 검정색 재킷(31)을 추천 아이템들로 결정할 수 있다. 전자 장치(100)는 결정된 추천 아이템들을 표시할 수 있다.
또는, 일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하고, 복수의 의류 아이템들 각각에 대응하는 특징 정보와 추천 코디 세트들의 특징 정보에 기초하여, 후보 코디 세트들에 대한 스코어 정보를 결정할 수 있다.
또는, 일 실시예에 따른 전자 장치(100)는 후보 코디 세트들 중, 사용자 입력에 기초하여 선택된 후보 코디 세트와 가장 유사한 추천 코디 세트를 결정하여, 결정된 추천 코디 세트를 표시할 수 있다.
도 2는 일 실시예에 따른 전자 장치의 동작방법을 나타내는 흐름도이다.
도 2를 참조하면, 일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들에 대응하는 의류 이미지들을 획득할 수 있다(S210).
일 실시예에 따른 복수의 의류 아이템들은, 사용자가 보유한 의류 아이템들일 수 있다. 예를 들어, 전자 장치(100)는 의류 아이템을 착용한 사용자 이미지들을 획득하고, 사용자 이미지들로부터 의류 아이템들에 대응하는 의류 이미지들 및 메타 데이터를 추출할 수 있다. 이에 대해서는, 도 3을 참조하여, 자세히 후술하기로 한다.
전자 장치(100)는 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출할 수 있다(S220).
예를 들어, 전자 장치(100)는 도 1에서 설명한 제1 뉴럴 네트워크(10)를 이용하여, 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출할 수 있다. 일 실시예에 따른 특징 정보는, 복수의 의류 아이템들 각각에 대한 속성 정보(예를 들어, 의류 아이템에 대한 카테고리 정보, 스타일 정보, 색상 정보, 계절 정보, 소재 정보, 날씨 정보 등)를 포함할 수 있으며, 특징 벡터로 표현될 수 있으나, 이에 한정되지 않는다.
전자 장치(100)는 복수의 의류 아이템들 각각에 대한 특징 정보에 기초하여, 추천 아이템을 결정할 수 있다(S230).
예를 들어, 전자 장치(100)는 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성할 수 있다. 전자 장치(100)는 후보 코디 세트들을 학습된 뉴럴 네트워크에 입력하여, 후보 코디 세트들에 대한 스코어 정보(적절성 정보)를 획득하고, 스코어 정보(적절성 정보)에 기초하여, 후보 코디 세트들 중 어느 하나를 추천 아이템으로 결정할 수 있다. 후보 코디 세트들에 대한 스코어 정보를 획득하는 방법에 대해서는 도 6에서 자세히 후술하기로 한다.
또한, 전자 장치(100)는 후보 코디 세트들 중 스코어가 가장 높은 코디 세트를 추천 코디 세트로 결정할 수 있으며, 사용자가 선택한 의류 아이템, 날씨 정보, 이벤트 정보 등에 기초하여, 추천 코디 세트를 결정할 수 있다. 이에 대해서는 도 7에서 자세히 후술하기로 한다.
한편, 전자 장치(100)는 복수의 의류 아이템들 각각에 대한 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 추천 아이템을 결정할 수도 있다.
일 실시예에 따른 복수의 추천 코디 세트들은, 전문가에 의해 추천된 코디 세트들 또는, 유행하는 코디 세트들을 포함할 수 있으며, 전자 장치(100)에 데이터 베이스로 기 저장되거나 외부 장치로부터 수신할 수 있다. 또한, 외부 장치(예를 들어, 서버)에서 복수의 추천 코디 세트들에 대한 정보가 업데이트되면, 외부 장치로부터 업데이트된 복수의 추천 코디 세트들에 대한 정보를 수신할 수 있다.
전자 장치(100)는 복수의 추천 코디 세트들 중 사용자에 의해 선택된 추천 코디 세트의 특징 정보와 복수의 의류 아이템들 각각에 대응하는 특징 정보를 비교하여, 선택된 추천 코디 세트와 가장 유사한 의류 아이템들을 추천 아이템들로 결정할 수 있다. 이에 대해서는, 도 4를 참조하여, 자세히 설명하기로 한다.
또한, 전자 장치(100)는 복수의 의류 아이템들에 대응하는 의류 이미지들 또는 의류 아에팀들 각각에 대한 특징 정보를 외부 장치(예를 들어, 서버)로 전송할 수 있다. 외부 장치는 의류 이미지들로부터 특징 정보를 추출하고, 복수의 의류 아이템들 각각에 대한 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 추천 아이템을 결정하고, 추천 아이템에 대한 정보를 전자 장치(100)로 전송할 수 있다.
또한, 전자 장치(100)는 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들 중 사용자에 의해 선택된 코디 세트에 포함되는 아이템들의 특징 정보와 복수의 추천 코디 세트들의 특징 정보를 비교하여, 선택된 코디 세트와 가장 유사한 추천 코디 세트를 결정할 수 있다.
또는, 전자 장치(100)는 복수의 의류 아이템들 중 사용자에 의해 선택된 의류 아이템의 특징 정보와 복수의 추천 코디 세트들의 특징 정보에 기초하여, 사용자가 선택한 의류 아이템과 조합되었을 때 가장 적절한 코디 세트를 구성할 수 있는 의류 아이템들을 추천 아이템들로 결정할 수 있다.
일 실시예에 따른 전자 장치(100)는 결정된 추천 아이템을 표시할 수 있다(S240).
전자 장치(100)는 추천된 코디 세트에 사용자가 선택한 의류 아이템이 포함되는 경우, 사용자가 선택한 의류 아이템과 전자 장치(100)에 의해 추천된 의류 아이템을 서로 구별되게 표시할 수 있다.
도 3은 일 실시예에 따른 전자 장치가 의류 아이템에 대응하는 의류 이미지 및 메타 데이터를 추출하는 방법을 설명하기 위해 참조되는 도면이다.
도 3을 참조하면, 일 실시예에 따른 전자 장치(100)는, 의류 아이템(320)을 포함하는 이미지(310)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 카메라를 이용하여, 의류 아이템(320)을 착용한 사용자를 촬영함으로써, 미지(310)를 획득하거나 옷걸이에 걸린 의류 아이템을 촬영함으로써 이미지를 획득할 수 있다. 또는, 외부 장치로부터 의류 아이템을 포함하는 이미지를 수신할 수 있다. 다만, 이에 한정되지 않는다.
일 실시예에 따른 전자 장치(100)는 사용자 이미지(310) 및 제2 뉴럴 네트워크(300)를 이용하여, 의류 아이템(320)에 대응하는 의류 이미지(330) 및 메타 데이터(340)를 추출할 수 있다. 일 실시예에 따른, 제2 뉴럴 네트워크(300)는, 의류 아이템을 포함하는 이미지들(350), 의류 이미지들(360) 및 메타 데이터(370)를 포함하는 학습 데이터 세트(380)에 의해 학습된 뉴럴 네트워크일 수 있다. 예를 들어, 제2 뉴럴 네트워크(300)는 학습 데이터 세트(380)에 포함된 의류 아이템을 포함하는 이미지로부터 추출된 의류 이미지와 학습 데이터 세트(380)에 포함되는 의류 이미지의 차이(제1 차이)와 학습 데이터 세트에 포함된 의류 아이템을 포함하는 이미지로부터 추출된 의류 아이템의 메타 정보와 학습 데이터 세트에 포함되는 메타 정보의 차이(제2 차이)의 가중 합이 최소가 되는 방향으로 학습될 수 있으나, 이에 한정되지 않는다.
이에 따라, 학습된 제2 뉴럴 네트워크(300)에 제1 의류 아이템(320)을 착용한 제1 사용자 이미지(310)가 입력되는 경우, 제2 뉴럴 네트워크(300)는 제1 의류 아이템(320)에 대응하는 제1 의류 이미지(330) 및 제1 메타 데이터(340)를 출력할 수 있다. 이때, 제1 의류 이미지(330)는, 제1 사용자 이미지에서, 의류 영역만을 추출하고, 추출된 의류 영역을 정형화시킴으로써 생성할 수 있다.
일 실시예에 따른 제2 뉴럴 네트워크(300)는 입력된 사용자 이미지로부터 의류 이미지를 생성하는 생성자 네트워크(Generator)와 생성된 의류 이미지가 진짜인지 가짜인지 구별하는 구별자 네트워크(Discriminator)를 포함하는 GAN(Generative adversarial network)일 수 있다. 이때, 생성자 네트워크는, 사용자 이미지로부터 추출된 의류 아이템에 대응하는 메타 데이터(속성 정보)를 가지는 의류 이미지를 생성하도록 학습될 수 있다.
또한, 의류 아이템에 대응하는 메타 데이터는, 의류 아이템에 대한 카테고리 정보, 스타일 정보, 색상 정보, 계절 정보, 소재 정보, 날씨 정보, 사용자 선호도 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 제1 메타 데이터(340)는, 제1 의류 아이템(320)의 카테고리는 상의 또는 셔츠로 분류되며, 제1 의류 아이템(320)의 색상은 흰색이고, 제1 의류 아이템(320)의 소재는 폴리에스터이며, 제1 의류 아이템의(320) 계절 정보는 가을 또는 겨울(FW)임을 나타내는 정보를 포함할 수 있다. 또한, 사용자가 의류 아이템을 착용한 히스토리 정보를 학습 데이터에 포함시켜, 의류 아이템에 대응하는 사용자의 선호도 정보를 메타 데이터로 함께 학습시킬 수 있다. 다만, 이에 한정되지 않는다.
도 4는 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 4를 참조하면, 일 실시예에 따른 전자 장치(100)는 복수의 추천 코디 세트들(410)을 표시할 수 있다. 복수의 추천 코디 세트들(410)은, 전자 장치(100)에 데이터 베이스로 기 저장되거나 외부 장치로부터 수신할 수 있으나, 이에 한정되지 않는다.
전자 장치(100)는 사용자로부터 복수의 추천 코디 세트들(410) 중 어느 하나를 선택하는 입력을 수신할 수 있다. 전자 장치(100)는 복수의 추천 코디 세트들(410) 중 어느 하나가 선택되면, 선택된 코디 세트에 기초하여, 하나 이상의 추천 아이템들을 결정할 수 있다.
일 실시예에 따른 전자 장치(100)는 도3에서 설명한 방법을 이용하여, 복수의 의류 아이템들에 대응하는 특징 정보를 추출하여, 기 저장할 수 있다. 전자 장치(100)는, 사용자 입력에 기초하여, 제1 내지 제4 추천 코디 세트들 중 제2 추천 코디 세트(412)가 선택되면, 제2 추천 코디 세트(412)에 포함되는 아이템들의 특징 정보와 복수의 의류 아이템들(430)에 대응하는 특징 정보를 비교하여, 하나 이상의 추천 아이템들을 결정할 수 있다. 도 4에 도시된 바와 같이, 전자 장치(100)는 선택된 코디 세트에 포함되는 복수의 아이템들 각각의 특징 정보와 가장 유사한 의류 아이템들을 추천 아이템들로 결정할 수 있다. 예를 들어, 제2 추천 코디 세트(412)에 포함되는 제1 의류 아이템(예를 들어, 상의)의 특징 정보(fupper)와 가장 유사한 특징 정보를 가지는 의류 아이템(예를 들어, 흰색 셔츠(438))을 결정할 수 있다. 또한, 제2 추천 코디 세트(412)에 포함되는 제2 의류 아이템(예를 들어, 겉옷)의 특징 정보(fouter)와 가장 유사한 특징 정보를 가지는 의류 아이템(예를 들어, 검정색 재킷(431))을 결정할 수 있다. 또한, 제2 추천 코디 세트(412)에 포함되는 제3 의류 아이템(예를 들어, 하의)의 특징 정보(flover)와 가장 유사한 특징 정보를 가지는 의류 아이템(예를 들어, 흰색 바지(435))을 결정할 수 있으며, 제2 추천 코디 세트(412)에 포함되는 제4 의류 아이템(예를 들어, 신발)의 특징 정보(fshoes)와 가장 유사한 특징 정보를 가지는 의류 아이템(예를 들어, 검정색 구두(433))을 결정할 수 있다.
전자 장치(100)는 결정된 하나 이상의 추천 아이템들(440)을 표시할 수 있다. 예를 들어, 전자 장치(100)는 추천 아이템들을 각각 표시하거나, 조합하여 표시할 수 있다.
도 5는 일 실시예에 따른 전자 장치에 표시되는 인터페이스 화면의 일 예를 나타내는 도면이다.
일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들(사용자가 보유한 의류 아이템들) 중 사용자에 의해 선택된 추천 코디 세트(예를 들어, 도 4의 제2 추천 코디 세트(412))에 포함되는 의류 아이템(예를 들어, 하의)과 기 설정된 값 이상의 유사도를 가지는 의류 아이템이 존재 하지 않는 경우, 유사한 의류 아이템을 판매하는 인터넷 쇼핑몰로 이동할 수 있는 오브젝트(510, 520)를 표시할 수 있다.
또는, 추천된 아이템들과 어울리는 추가적인 의류 아이템을 판매하는 인터넷 쇼핑몰로 이동할 수 있다. 예를 들어, 제2 추천 코디 세트에는 가방에 해당하는 의류 아이템이 포함되지 않은 경우, 전자 장치(100)는 추천된 아이템들과 어울리는 가방을 판매하는 인터넷 쇼핑몰로 이동할 수 있는 오브젝트를 표시할 수 있다. 다만, 이에 한정되지 않는다.
도 6은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들의 조합에 대한 적절성을 평가하는 방법을 설명하기 위해 참조되는 도면이다.
도 6을 참조하면, 일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들을 획득할 수 있다. 복수의 의류 아이템들은, 사용자가 실제로 보유하고 있는 의류 아이템들을 포함할 수 있으며, 복수의 의류 아이템들을 획득하는 방법에 대해서는, 도 2 및 3에서 설명하였으므로 구체적인 설명은 생략하기로 한다.
일 실시예에 따른 전자 장치(100)는 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성할 수 있다.
예를 들어, 전자 장치(100)는 복수의 의류 아이템들 중 복수의 의류 아이템들 중 상의에 해당하는 아이템, 하의에 해당하는 아이템 및 양말에 해당하는 아이템을 조합하여, 제1 후보 코디 세트를 생성할 수 있다. 또한, 복수의 의류 아이템들 중 원피스(상의+하의)에 해당하는 아이템, 및 양말에 해당하는 아이템을 조합하여 제2 후보 코디 세트를 생성할 수 있다. 또는, 복수의 의류 아이템들 중 상의에 해당하는 아이템(예를 들어, 티셔츠), 겉옷에 해당하는 아이템(예를 들어, 재킷), 및 양말에 해당하는 아이템을 조합하여 제3 후보 코디 세트를 생성할 수 있다. 다만, 이에 한정되지 않으며, 전자 장치(100)는 복수의 의류 아이템들에 대한 특징 정보에 기초하여, 복수의 의류 아이템들의 속성 정보에 따른 다양한 후보 코디 세트들을 생성할 수 있다.
또한, 사용자가 새로운 의류 아이템을 추가하는 경우, 전자 장치(100)는 새롭게 추가된 의류 아이템에 따른 후보 코디 세트들을 추가적으로 생성할 수 있다.
또한, 전자 장치(100)는 복수의 의류 아이템을 외부 장치(예를 들어, 서버)로 전송하고, 외부 장치가 다양한 후보 코디 세트들을 생성하여, 전자 장치(100)로 전송할 수 있다. 이러한 경우, 전자 장치(100)는 사용자가 새로운 의류 아이템을 추가하는 경우, 새로운 의류 아이템에 대한 정보를 외부 장치로 전송하고, 외부 장치는 새롭게 추가된 의류 아이템에 따른 후보 코디 세트들을 생성하여, 전자 장치(100)로 전송할 수 있다.
도 6에 도시된 바와 같이, 하나의 후보 코디 세트(610)는, 겉옷에 해당하는 의류 아이템(611), 상의에 해당하는 의류 아이템(612), 하의에 해당하는 의류 아이템(613), 신발에 해당하는 의류 아이템(614)을 각각 하나씩 포함할 수 있다.
일 실시예에 따른 전자 장치(100)는 제3 뉴럴 네트워크(600)를 이용하여, 후보 코디 세트에 대한 적절성 정보를 획득할 수 있다. 적절성 정보는 후보 코디 세트들 각각에 포함되는 의류 아이템들이 서로 잘 어울리는 지에 대한 정보일 수 있다. 예를 들어, 후보 코디 세트에 대한 적절성 정보는, 스코어로 나타낼 수 있으며, 후보 코디 세트에 포함되는 의류 아이템들이 서로 잘 어울릴수록 높은 스코어를 나타낼 수 있다. 다만, 이에 한정되지 않는다.
일 실시예에 따른 제3 뉴럴 네트워크(600)는 복수의 추천 코디 세트들(620)과 추천 코디 세트들(620)에 대응하는 적절성 정보를 포함하는 학습 데이터 세트에 의해 학습된 뉴럴 네트워크일 수 있다. 예를 들어, 제3 뉴럴 네트워크(600)는 전문가에 의해 추천된 코디 세트들에 포함되는 의류 아이템들의 색상, 패턴, 스타일 등을 학습하여, 서로 잘 어울리는 의류 아이템들의 조합을 학습할 수 있다.
학습된 제3 뉴럴 네트워크(600)에 후보 코디 세트(610)에 포함되는 하나 이상의 의류 아이템들(611, 612, 613, 614, 의류 이미지들)이 입력되면, 제3 뉴럴 네트워크(600)는 후보 코디 세트(610)에 대한 적절성 정보를 스코어로 출력할 수 있다. 예를 들어, 입력된 후보 코디 세트(610)에 대한 스코어를 출력할 수 있으며, 후보 코디 세트(610)에 포함되는 하나 이상의 의류 아이템들의 조합이 서로 잘 어울릴수록 높은 스코어를 출력할 수 있다. 다만, 이에 한정되는 것은 아니다.
도 7은 일 실시예에 따른 전자 장치가 후보 코디 세트들에 기초하여, 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 7을 참조하면, 일 실시예에 따른 전자 장치(100)는 복수의 후보 코디 세트들(710)을 스코어 정보에 기초하여 표시할 수 있다. 예를 들어, 전자 장치(100)는 복수의 의류 아이템들 중 하나 이상의 아이템들을 조합하여, 복수의 후보 코디 세트들을 생성할 수 있다. 또한, 도 6에서 설명한 방법으로, 제3 뉴럴 네트워크를 이용하여, 복수의 후보 코디 세트들 각각에 대한 스코어를 결정할 수 있다. 다만, 이에 한정되지 않는다.
일 실시예에 따른 전자 장치(100)는 복수의 후보 코디 세트들 중 스코어가 기 설정된 값 이상인 후보 코디 세트들을 표시할 수 있으며, 후보 코디 세트들(710)을 스코어가 높은 순서대로 표시할 수 있다. 다만, 이에 한정되지 않는다.
일 실시예에 따른 전자 장치(100)는 복수의 후보 코디 세트들 중 스코어가 가장 높은 후보 코디 세트를 추천 코디 세트로 결정할 수 있다.
또는, 전자 장치(100)는 사용자로부터 복수의 의류 아이템들 중 어느 하나를 선택하는 입력을 수신하는 경우, 사용자가 선택한 의류 아이템을 포함하는 후보 코디 세트들 중 스코어가 가장 높은 후보 코디 세트를 추천 코디 세트로 결정할 수 있다.
또는, 전자 장치(100)는 날씨 정보나 사용자가 참여할 이벤트에 대한 정보 등에 기초하여, 날씨 정보나 이벤트 정보에 적합한 후보 코디 세트들 중 스코어가 가장 높은 후보 코디 세트를 추천 코디 세트로 결정할 수 있다. 다만, 이에 한정되지 않는다.
또한, 전자 장치(100)는 사용자로부터, 표시된 후보 코디 세트들(710) 중 어느 하나를 선택하는 입력을 수신할 수 있다. 전자 장치(100)는 후보 코디 세트들(710) 중 어느 하나가 선택되면, 선택된 코디 세트(720)에 대응하는 추천 코디 세트를 결정할 수 있다.
일 실시예에 따른 추천 코디 세트들(730)은, 전문가에 의해 추천된 코디 세트들 또는 유행하는 코디 세트들을 포함할 수 있으며, 전자 장치(100)에 데이터 베이스로 기 저장되거나, 외부 장치로부터 수신할 수 있다.
일 실시예에 따른 전자 장치(100)는 사용자에 의해 선택된 제1 코디 세트(720)에 포함되는 아이템들의 특징 정보(fupper, flower, fouter, fshoes)를 추출할 수 있다. 전자 장치(100)는 제1 코디 세트(720)에 포함되는 아이템들의 특징 정보와 복수의 추천 코디 세트들 각각에 포함되는 의류 아이템들의 특징 정보를 비교하여, 가장 유사한 추천 코디 세트를 결정할 수 있다.
예를 들어, 도 7에 도시된 바와 같이, 제1 코디 세트(720)는 제1 내지 제4 의류 아이템들을 포함할 수 있다. 전자 장치(100)는 제1 의류 아이템의 특징 정보(fupper)와 복수의 추천 코디 세트들 각각에 포함되는 상의에 해당하는 의류 아이템의 특징 정보를 비교하고, 제2 의류 아이템의 특징 정보 (flower)와 복수의 추천 코디 세트들 각각에 포함되는 하의에 해당하는 의류 아이템의 특징 정보를 비교할 수 있다. 또한, 전자 장치(100)는 제3 의류 아이템의 특징 정보 (fouter)와 복수의 추천 코디 세트들 각각에 포함되는 겉옷에 해당하는 의류 아이템의 특징 정보를 비교하고, 제4 의류 아이템의 특징 정보(fshoes)와 복수의 추천 코디 세트들 각각에 포함되는 신발에 해당하는 의류 아이템의 특징 정보를 비교할 수 있다.
비교 결과, 전자 장치(100)는 복수의 추천 코디 세트들(730) 중 제2 추천 코디 세트(740)가, 제1 코디 세트(720)와 가장 유사한 것으로 결정할 수 있다. 전자 장치(100)는 결정된 제2 추천 코디 세트(740)를 표시할 수 있다. 이에 따라, 사용자는, 표시된 제2 추천 코디 세트(740)에 의해 사용자가 선택한 제1 코디 세트(710)에 대한 전체적인 느낌을 용이하게 파악할 수 있다.
또한, 전자 장치(100)는 제2 추천 코디 세트(740)에 포함되는 복수의 의류 아이템들을 구매할 수 있는 쇼핑몰 페이지를 제공하는 인터페이스를 표시할 수 있으나, 이에 한정되지 않는다.
도 8은 일 실시예에 따른 전자 장치가 복수의 의류 아이템들 중 추천 아이템을 결정하는 방법을 설명하기 위해 참조되는 도면이다.
도 8을 참조하면, 전자 장치(100)는 복수의 의류 아이템들(사용자가 보유한 의류 아이템들)을 표시할 수 있다. 복수의 의류 아이템들을 획득하는 방법에 대해서는, 도 2 및 3에서 설명하였으므로, 구체적인 설명은 생략하기로 한다.
또한, 전자 장치(100)는 복수의 의류 아이템들을 카테고리 별로 표시할 수 있다. 예를 들어, 도 8에 도시된 바와 같이, 복수의 의류 아이템들을 겉옷, 상의, 하의, 신발 카테고리로 분류하고, 동일한 카테고리로 분류된 아이템들을 함께 표시할 수 있다. 다만, 이에 한정되지 않는다.
전자 장치(100)는 표시된 복수의 의류 아이템들(810) 중 어느 하나를 선택하는 입력을 수신할 수 있다. 또한, 전자 장치(100)는 선택된 의류 아이템(815)을 포함하는 코디 세트 추천을 요청하는 사용자 입력을 수신할 수 있다. 예를 들어, 전자 장치(100)는 코디 세트 추천 오브젝트(820)를 표시할 수 있으며, 사용자는, 의류 아이템 선택이 완료되면, 코디 세트 추천 오브젝트(820)를 선택하는 입력으로, 코디 세트 추천을 요청할 수 있다.
전자 장치(100)는 코디 세트 추천이 요청되면, 선택된 의류 아이템(815) 및 복수의 추천 코디 세트들(850)에 기초하여, 추천 아이템들을 결정할 수 있다.
예를 들어, 전자 장치(100)는 복수의 추천 코디 세트들(850) 중, 사용자가 선택한 하나 이상의 의류 아이템들(815, 예를 들어, 검정색 재킷)의 특징 정보와 가장 유사한 특징 정보를 가지는 의류 아이템들이 포함된 추천 코디 세트를 결정할 수 있다. 전자 장치(100)는 복수의 의류 아이템들(830) 중, 추천 코디 세트에 포함된 나머지 의류 아이템들의 특징 정보와 가장 유사한 특징 정보를 가지는 의류 아이템들을 추천 아이템들로 결정할 수 있다.
또는, 전자 장치(100)는 복수의 추천 코디 세트들(850)에 기초하여 학습된 뉴럴 네트워크를 이용하여, 사용자에 의해 선택된 아이템과의 조합되었을 때, 가장 적절한 코디 세트를 구성할 수 있는 의류 아이템들을 추천 아이템들로 결정할 수 있다.
일 실시예에 따른 전자 장치(100)는 사용자가 선택한 의류 아이템들과 추천된 의류 아이템들을 조합한 코디 세트(860)를 표시할 수 있다. 이때, 전자 장치(100)는 사용자가 선택한 의류 아이템과 추천된 의류 아이템들을 서로 구별되게 표시할 수 있다. 이에 대해서는, 도 9를 참조하여, 자세히 설명하기로 한다.
도 9a 내지 도 9c는 일 실시예에 따른 전자 장치가 추천된 코디 세트를 표시하는 화면들을 나타내는 도면들이다.
도 9a 내지 도 9c를 참조하면, 일 실시예에 따른 전자 장치(100)는 추천된 코디 세트들에 포함되는 복수의 의류 아이템들 중 사용자가 선택한 의류 아이템과, 전자 장치(100)에 의해 추천된 의류 아이템을 서로 구별되게 표시할 수 있다.
예를 들어, 도 9a에 도시된 바와 같이, 전자 장치(100)는 사용자에 의해 선택된 의류 아이템 이미지(910)의 외곽에 굵은 윤곽선을 표시할 수 있다. 또는, 도 9b에 도시된 바와 같이, 전자 장치(100)는 사용자에 의해 선택된 의류 아이템 이미지(910)에 하이라이트 처리를 수행하여, 표시할 수 있다. 또는, 전자 장치(100)는 의류 아이템 이미지의 하이라이트를 주기적으로 깜빡이게 하여 표시할 수 있다.
또는, 도 9c에 도시된 바와 같이, 전자 장치(100)는 사용자에 의해 선택된 의류 아이템 이미지(910)를 포함하는 바운딩 박스(930)를 표시할 수 있다.
다만, 상기에서 설명한 실시예들은, 일 예들에 불과할 뿐, 다양한 방법으로, 선택된 의류 아이템과 추천된 의류 아이템을 구별되게 표시할 수 있다.
도 10은 일 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다.
도 10을 참조하면, 일 실시예에 따른 전자 장치(100)는 디스플레이(110), 메모리(130) 및 프로세서(120)를 포함할 수 있다.
일 실시예에 따른 프로세서(120)는 전자 장치(100)를 전반적으로 제어할 수 있다. 프로세서(120)는 메모리(130)에 저장되는 하나 이상의 프로그램들을 실행할 수 있다.
일 실시예에 따른 메모리(130)는 전자 장치(100)를 구동하고 제어하기 위한 다양한 데이터, 프로그램 또는 어플리케이션을 저장할 수 있다. 또한, 메모리(130)는 복수의 의류 아이템들에 대응하는 의류 이미지들 및 메타 데이터를 서로 매칭시켜 저장할 수 있다. 또한, 메모리(130)는 전문가에 의해 추천된 코디 세트들 또는 유행하는 코디 세트들을 포함하는 복수의 추천 코디 세트들을 저장한 데이터 베이스를 포함할 수 있다.
또한 일 실시예에 따른 메모리(130)는 의류 이미지로부터 특징 정보를 추출하는 제1 뉴럴 네트워크, 의류 아이템을 착용한 사용자 이미지로부터 의류 이미지 및 메타 데이터를 추출하는 제2 뉴럴 네트워크 및 하나 이상의 의류 아이템들의 조합에 대한 적절성을 평가(예를 들어, 스코어 결정)하는 제3 뉴럴 네트워크 중 적어도 하나를 저장할 수 있다.
한편, 메모리(130)에 저장되는 프로그램은 하나 이상의 인스트럭션들을 포함할 수 있다. 메모리(130)에 저장된 프로그램(하나 이상의 인스트럭션들) 또는 어플리케이션은 프로세서(120)에 의해 실행될 수 있다.
일 실시예에 따른 프로세서(120)는, 의류 아이템을 착용한 사용자 이미지들을 획득하고, 제2 뉴럴 네트워크를 이용하여, 사용자 이미지들로부터 의류 아이템들에 대응하는 의류 이미지들 및 메타 데이터를 추출할 수 있다. 또한, 프로세서(120)는 제1 뉴럴 네트워크를 이용하여, 복수의 의류 이미지들로부터 의류 아이템들에 대응하는 특징 정보를 추출할 수 있다.
프로세서(120)는 복수의 의류 아이템들 각각에 대한 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 추천 아이템을 결정할 수 있다. 프로세서(120)는 복수의 추천 코디 세트들 중 사용자에 의해 선택된 추천 코디 세트의 특징 정보와 복수의 의류 아이템들 각각에 대응하는 특징 정보를 비교하여, 선택된 추천 코디 세트와 가장 유사한 의류 아이템들을 추천 아이템들로 결정할 수 있다.
프로세서(120)는 복수의 의류 아이템들 중 하나 이상의 아이템들을 조합한 후보 코디 세트들을 생성할 수 있다. 또한, 프로세서(120)는 복수의 추천 코디 세트들에 의해 학습된 제3 뉴럴 네트워크를 이용하여, 생성된 후보 코디 세트들 각각에 대한 적절성을 평가할 수 있다. 또한, 프로세서(120)는 후보 코디 세트들 중 사용자에 의해 선택된 코디 세트에 포함되는 아이템들의 특징 정보와 복수의 추천 코디 세트들의 특징 정보를 비교하여, 선택된 코디 세트와 가장 유사한 추천 코디 세트를 결정할 수 있다.
또는, 프로세서(120)는 복수의 의류 아이템들 중 사용자에 의해 선택된 의류 아이템의 특징 정보와 복수의 추천 코디 세트들의 특징 정보에 기초하여, 사용자가 선택한 의류 아이템과 조합되었을 때 가장 적절한 코디 세트를 구성할 수 있는 의류 아이템들을 추천 아이템들로 결정할 수 있다.
일 실시예에 따른 디스플레이(110)는, 프로세서(120)에서 처리된 영상 신호, 데이터 신호, OSD 신호, 제어 신호 등을 변환하여 구동 신호를 생성한다. 디스플레이(110)는 PDP, LCD, OLED, 플렉시블 디스플레이(flexible display)등으로 구현될 수 있으며, 또한, 3차원 디스플레이(3D display)로 구현될 수 있다. 또한, 디스플레이(110)는, 터치 스크린으로 구성되어 출력 장치 이외에 입력 장치로 사용되는 것도 가능하다.
일 실시예에 따른 디스플레이(110)는 결정된 추천 아이템을 표시할 수 있다. 또한, 디스플레이(110)는 추천된 코디 세트를 표시할 수 있으며, 추천된 코디 세트에 사용자가 선택한 의류 아이템이 포함되는 경우, 사용자가 선택한 의류 아이템과 추천된 의류 아이템을 서로 구별되게 표시할 수 있다.
한편, 도 10에 도시된 전자 장치(100)의 블록도는 일 실시예를 위한 블록도이다. 블록도의 각 구성요소는 실제 구현되는 전자 장치(100)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다. 또한, 각 블록에서 수행하는 기능은 실시예들을 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
도 11은 일 실시예에 따른 프로세서의 구성을 나타내는 블록도이다.
도 11을 참조하면, 일 실시예에 따른 프로세서(120)는 데이터 학습부(1210) 및 데이터 처리부(1220)를 포함할 수 있다.
데이터 학습부(1210)는 일 실시예에 따른 제1 뉴럴 네트워크를 학습시키기 위하여, 의류 이미지들로부터 의류 아이템에 대응하는 특징 정보를 획득하기 위한 기준을 학습할 수 있다. 데이터 학습부(1210)는 특징 정보를 획득하기 위해 의류 이미지의 어떤 정보를 이용하는지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1210)는 의류 이미지를 이용하여, 어떻게 의류 아이템에 대응하는 특징 정보를 획득할지에 관한 기준을 학습할 수 있다. 데이터 학습부(1210)는 학습에 이용될 데이터(예를 들어, 의류 이미지)를 획득하고, 획득된 데이터를 데이터 처리 모델(제1 뉴럴 네트워크)에 적용함으로써, 이미지로부터 특징 정보를 획득하기 위한 기준을 학습할 수 있다.
또한, 데이터 학습부(1210)는 일 실시예에 따른 제2 뉴럴 네트워크를 학습시키기 위하여, 의류 아이템을 착용한 사용자 이미지로부터 의류 이미지 및 메타 데이터를 획득하기 위한 기준을 학습할 수 있다. 데이터 학습부(1210)는 의류 이미지 및 메타 데이터를 획득하기 위하여 사용자 이미지의 어떤 정보를 이용하는지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1210)는 사용자 이미지를 이용하여, 어떻게 의류 이미지 및 메타 데이터를 획득할지에 관한 기준을 학습할 수 있다. 데이터 학습부(1210)는 학습에 이용될 데이터(예를 들어, 사용자 이미지)를 획득하고, 획득된 데이터를 데이터 처리 모델(제2 뉴럴 네트워크)에 적용함으로써, 사용자 이미지로부터 의류 이미지 및 메타 데이터를 획득하기 위한 기준을 학습할 수 있다.
또한, 데이터 학습부(1210)는 일 실시예에 따른 제3 뉴럴 네트워크를 학습시키기 위하여, 의류 아이템들의 조합에 대한 적절성을 평가(스코어를 결정)하기 위한 기준을 학습할 수 있다. 데이터 학습부(1210)는 의류 아이템들의 조합에 대한 스코어를 어떻게 결정할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1210)는 학습에 이용될 데이터(예를 들어, 의류 아이템들의 조합)를 획득하고, 획득된 데이터를 데이터 처리 모델(제3 뉴럴 네트워크)에 적용함으로써, 의류 아이템들의 조합에 대한 스코어를 결정하기 위한 기준을 학습할 수 있다.
데이터 처리 모델들(예를 들어, 제1 내지 제3 뉴럴 네트워크들)은, 데이터 처리 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 처리 모델들은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 처리 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
또한, 데이터 학습부(1210)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 처리 모델들을 학습시킬 수 있다.
또한, 데이터 학습부(1210)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 처리 모델을 학습시킬 수 있다. 또한, 데이터 학습부(1210)는, 예를 들어, 별다른 지도 없이 데이터 처리를 위해 필요한 데이터의 종류를 스스로 학습함으로써, 데이터 처리를 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 처리 모델을 학습시킬 수 있다. 또한, 데이터 학습부(1210)는, 예를 들어, 학습에 따른 결과값이 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 처리 모델을 학습시킬 수 있다.
또한, 데이터 처리 모델이 학습되면, 데이터 학습부(1210)는 학습된 데이터 처리 모델을 저장할 수 있다. 이 경우, 데이터 학습부(1210)는 학습된 데이터 처리 모델들을 전자 장치의 메모리에 저장할 수 있다. 또는, 데이터 학습부(1210)는 학습된 데이터 처리 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 처리 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
데이터 처리부(1220)는 학습된 제1 뉴럴 네트워크를 포함하는 데이터 처리 모델에 의류 아이템에 대응하는 의류 이미지를 입력하고, 데이터 처리 모델은 결과값으로 의류 아이템에 대응하는 특징 정보를 출력할 수 있다. 출력된 결과 값은 제1 뉴럴 네트워크를 포함하는 데이터 처리 모델을 업데이트하는데 이용될 수 있다.
데이터 처리부(1220)는 학습된 제2 뉴럴 네트워크를 포함하는 데이터 처리 모델에 의류 아이템을 착용한 사용자 이미지를 입력하고, 데이터 처리 모델은 결과값으로 의류 아이템에 대응하는 의류 이미지 및 메타 데이터를 출력할 수 있다. 출력된 결과 값은 제2 뉴럴 네트워크를 포함하는 데이터 처리 모델을 업데이트하는데 이용될 수 있다.
데이터 처리부(1220)는 학습된 제3 뉴럴 네트워크를 포함하는 데이터 처리 모델에 의류 아이템들의 조합을 입력하고, 데이터 처리 모델은 결과값으로, 의류 아이템들의 조합에 대한 스코어를 출력할 수 있다. 출력된 결과 값은 제3 뉴럴 네트워크를 포함하는 데이터 처리 모델을 업데이트하는데 이용될 수 있다.
데이터 학습부(1210) 및 데이터 처리부(1220) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 영상 표시 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1210) 및 데이터 처리부(1220) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1210) 및 데이터 처리부(1220)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1210) 및 데이터 처리부(1220) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1210) 및 데이터 처리부(1220)는 유선 또는 무선으로 통하여, 데이터 학습부(1210)가 구축한 모델 정보를 데이터 처리부(1220)로 제공할 수도 있고, 데이터 처리부(1220)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1210)로 제공될 수도 있다.
한편, 데이터 학습부(1210) 및 데이터 처리부(1220) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1210) 및 데이터 처리부(1220) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 12는 일 실시예에 따른 전자 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 12를 참조하면, 서버(2000)는 의류 이미지로부터 특징 정보를 획득하기 위한 기준을 학습하여 제1 뉴럴 네트워크를 학습시킬 수 있다. 또한, 서버(2000)는 의류 아이템을 착용한 사용자 이미지로부터 의류 아이템에 대응하는 의류 이미지 및 메타 데이터를 획득하기 위한 기준을 학습하여, 제2 뉴럴 네트워크를 학습시킬 수 있다. 서버(2000)는 하나 이상의 의류 아이템들의 조합에 대한 스코어를 결정하기 위한 기준을 학습하여, 제3 뉴럴 네트워크를 학습시킬 수 있다. 전자 장치(100)는 서버(2000)에 의한 학습 결과에 기초하여, 사용자 이미지로부터 의류 이미지 및 메타 데이터를 추출하고, 의류 이미지로부터 특징 정보를 추출하며, 하나 이상의 의류 아이템들의 조합에 대한 스코어를 결정할 수 있다.
이 경우, 서버(2000)는 도 11에 도시된 데이터 학습부(1210)의 기능을 수행할 수 있다. 서버(2000)는 특징 정보를 획득하기 위해 의류 이미지의 어떤 정보를 이용하는지에 관한 기준, 의류 이미지 및 메타 데이터를 획득하기 위하여 사용자 이미지의 어떤 정보를 이용하는지에 관한 기준, 의류 아이템들의 조합에 대한 스코어를 어떻게 결정할 지에 관한 기준을 학습할 수 있다.
또한, 서버(2000)는 의류 아이템에 대한 특징 정보를 획득하는데 이용되는 데이터 처리 모델(제1 뉴럴 네트워크), 사용자 이미지로부터 의류 이미지 및 메타 데이터를 획득하는데 이용되는 데이터 처리 모델(제2 뉴럴 네트워크), 의류 아이템들의 조합에 대한 스코어를 결정하는데 이용되는 데이터 처리 모델(제3 뉴럴 네트워크)을 학습 데이터를 이용하여 학습시킬 수 있다.
또한, 전자 장치(100)는 데이터를 서버(2000)에게 전송하고, 서버(2000)가 데이터를 데이터 처리 모델들(제1 내지 제3 뉴럴 네트워크들)에 적용하여 처리할 것을 요청할 수 있다. 예를 들어, 서버(2000)는 데이터 처리 모델들(제1 내지 제3 뉴럴 네트워크들)을 이용하여, 의류 이미지로부터 특징 정보를 획득하고, 사용자 이미지로부터 의류 이미지 및 메타 데이터를 획득하며, 의류 아이템들의 조합에 대한 스코어를 결정할 수 있다.
또는, 전자 장치(100)는 서버(2000)에 의해 생성된 데이터 처리 모델들을 서버(2000)로부터 수신하고, 수신된 데이터 처리 모델들을 이용하여, 데이터를 처리할 수 있다. 예를 들어, 전자 장치(100)는 수신된 데이터 처리 모델들(제1 내지 제3 뉴럴 네트워크들)을 이용하여, 의류 이미지로부터 특징 정보를 획득하고, 사용자 이미지로부터 의류 이미지 및 메타 데이터를 획득하며, 의류 아이템들의 조합에 대한 스코어를 결정할 수 있다.
도 13은 다른 실시예에 따른 전자 장치의 구성을 나타내는 블록도이다. 도 13의 전자 장치(1300)는 도 1의 전자 장치(100)의 일 실시예일 수 있다.
도 13을 참조하면, 일 실시예에 따른 전자 장치(1300)는 제어부(1330), 센서부(1320), 통신부(1340), 출력부(1350), 사용자 입력부(1360), A/V 입력부(1370) 및 저장부(1380)를 포함할 수도 있다.
도 13의 제어부(1330)는 도 10의 프로세서(120)에, 도 13의 저장부(1380)는 도 10의 메모리(130)에, 도 13의 디스플레이부(1351)는 도 10의 디스플레이(110)에 각각 대응될 수 있다. 도 10에서 설명한 내용과 동일한 내용은 도 13에서 생략하기로 한다.
통신부(1340)는, 전자 장치(1300)와 외부 장치 또는 서버 간의 통신을 수행하기 위한 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1340)는, 근거리 통신부(1341), 이동 통신부(1342), 방송 수신부(1343)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1341)는, 블루투스 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1342)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1343)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 전자 장치(1300)가 방송 수신부(1343)를 포함하지 않을 수도 있다.
출력부(1350)는, 오디오 신호 또는 비디오 신호 또는 진동 신호의 출력을 위한 것으로, 이에는 디스플레이부(1351)와 음향 출력부(1352), 진동 모터(1353) 등이 포함될 수 있다.
음향 출력부(1352)는 통신부(1340)로부터 수신되거나 저장부(1380)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1352)는 전자 장치(1300)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다. 이러한 음향 출력부(1352)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.
진동 모터(1353)는 진동 신호를 출력할 수 있다. 예를 들어, 진동 모터(1353)는 오디오 데이터 또는 비디오 데이터(예컨대, 호신호 수신음, 메시지 수신음 등)의 출력에 대응하는 진동 신호를 출력할 수 있다. 또한, 진동 모터(1353)는 터치스크린에 터치가 입력되는 경우 진동 신호를 출력할 수도 있다.
제어부(1330)는, 전자 장치(1300)의 전반적인 동작을 제어한다. 예를 들어, 제어부(1330)는, 저장부(1380)에 저장된 프로그램들을 실행함으로써, 통신부(1340), 출력부(1350), 사용자 입력부(1360), 센싱부(1320), A/V 입력부(1370) 등을 제어할 수 있다.
사용자 입력부(1360)는, 사용자가 전자 장치(1300)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1360)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
센서부(1320)는, 사용자의 생체 정보를 센싱하는 센서(예를 들어, 지문 인식 센서 등)뿐만 아니라, 전자 장치(1300)의 상태 또는 전자 장치(1300) 주변의 상태를 감지하는 센서를 포함할 수 있다. 또한, 센서부(1320)는 센서에서 감지된 정보를 제어부(1320)로 전달할 수 있다.
센서부(1320)는, 지자기 센서(Magnetic sensor), 가속도 센서(Acceleration sensor), 온/습도 센서, 적외선 센서, 자이로스코프 센서, 위치 센서(예컨대, GPS)), 기압 센서, 근접 센서, 및 RGB 센서(illuminance sensor) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
A/V(Audio/Video) 입력부(1370)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1371)와 마이크로폰(1372) 등이 포함될 수 있다. 카메라(1371)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 제어부(1330) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
카메라(1371)에서 처리된 화상 프레임은 저장부(1380)에 저장되거나 통신부(1340)를 통하여 외부로 전송될 수 있다. 카메라(1371)는 전자 장치(1300)의 구성 태양에 따라 2개 이상이 구비될 수도 있다.
마이크로폰(1372)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1372)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1372)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
저장부(1380)는, 제어부(1330)의 처리 및 제어를 위한 프로그램을 저장할 수도 있고, 입/출력되는 데이터들(예컨대, 애플리케이션, 콘텐트, 외부 디바이스의 시간대 정보, 주소록 등)을 저장할 수도 있다.
저장부(1380)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 전자 장치(1300)는 인터넷(internet)상에서 저장부(1380)의 저장 기능을 수행하는 웹 스토리지(web storage) 또는 클라우드 서버를 운영할 수도 있다.
저장부(1380)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1381), 터치 스크린 모듈(1382), 알림 모듈(1383) 등으로 분류될 수 있다.
UI 모듈(1381)은, 어플리케이션 별로 전자 장치(1300)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1382)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 제어부(1330)로 전달할 수 있다.
터치 스크린 모듈(1382)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1382)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1383)은 전자 장치(1300)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(1300)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1383)은 디스플레이부(1351)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1352)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1353)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.
한편, 도 13에 도시된 전자 장치(1300)의 블록도는 일 실시예를 위한 블록도이다. 블록도의 각 구성요소는 실제 구현되는 전자 장치(1300)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다. 또한, 각 블록에서 수행하는 기능은 실시예들을 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
일 실시예에 따른 전자 장치의 동작방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
또한, 개시된 실시예들에 따른 가상 이미지 중개 시스템의 동작방법 및 가상 이미지 삽입 장치의 동작방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 클라이언트 장치로 구성되는 시스템에서, 서버의 저장매체 또는 클라이언트 장치의 저장매체를 포함할 수 있다. 또는, 서버 또는 클라이언트 장치와 통신 연결되는 제3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 클라이언트 장치 또는 제3 장치로 전송되거나, 제3 장치로부터 클라이언트 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 클라이언트 장치 및 제3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 클라이언트 장치 및 제3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 클라이언트 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

Claims (19)

  1. 전자 장치에 있어서,
    디스플레이;
    하나 이상의 인스트럭션들을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고,
    상기 프로세서는,
    복수의 의류 아이템들에 대응하는 의류 이미지들을 획득하고, 상기 의류 이미지들을 제1 뉴럴 네트워크에 입력하여, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출하고,
    상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하고,
    상기 후보 코디 세트들을 제2 뉴럴 네트워크에 입력하여, 상기 후보 코디 세트들 각각에 대한 스코어 정보를 획득하며,
    상기 스코어 정보에 기초하여, 상기 후보 코디 세트들을 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 의류 아이템들을 포함하는 이미지들을 획득하고,
    상기 이미지들을 제3 뉴럴 네트워크에 입력하여, 상기 의류 아이템들에 대응하는 상기 의류 이미지들 및 상기 의류 아이템들에 대응하는 메타 데이터를 추출하고,
    추출된 상기 의류 이미지들 및 상기 메타 데이터를 서로 매칭시켜 상기 메모리에 저장하는, 전자 장치.
  3. 제2항에 있어서,
    상기 의류 아이템들에 대한 메타 데이터는,
    상기 의류 아이템들에 대한 카테고리 정보, 스타일 정보, 색상 정보, 계절 정보, 소재 정보, 날씨 정보 중 적어도 하나를 포함하는, 전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 의류 아이템들 각각에 대응하는 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 적어도 하나를 추천 아이템으로 결정하고, 상기 결정된 추천 아이템을 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  5. 제4항에 있어서,
    상기 디스플레이는,
    상기 복수의 추천 코디 세트들을 표시하고,
    상기 프로세서는,
    상기 복수의 추천 코디 세트들 중, 사용자 입력에 기초하여, 선택된 제1 추천 코디 세트에 포함되는 제1 의류 아이템들에 대한 특징 정보와, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 추천 아이템을 결정하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 제1 추천 코디 세트에 포함되는 제1 의류 아이템들 각각에 대한 특징 정보와 상기 복수의 의류 아이템들 각각에 대한 특징 정보를 비교하여, 상기 복수의 의류 아이템들 중, 상기 제1 의류 아이템들 각각에 가장 유사한 의류 아이템을, 상기 추천 아이템으로 결정하는, 전자 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 복수의 의류 아이템들 중 상기 제1 의류 아이템들 각각과 기 설정된 값 이상의 유사도를 가지는 의류 아이템이 존재 하지 않는 경우, 상기 제1 의류 아이템들 각각에 유사한 의류 아이템을 판매하는 인터넷 쇼핑몰로 이동할 수 있는 오브젝트를 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    사용자 입력에 기초하여, 상기 후보 코디 세트들 중 제1 후보 코디 세트를 선택하고, 선택된 제1 후보 코디 세트에 포함되는 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 복수의 추천 코디 세트들 중 상기 제1 후보 코디 세트와 가장 유사한 추천 코디 세트를 결정하고,
    결정된 상기 추천 코디 세트를 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 의류 아이템들 중, 사용자 입력에 기초하여 제1 의류 아이템이 선택되면,
    상기 스코어 정보에 기초하여, 상기 후보 코디 세트들 중 상기 제1 의류 아이템을 포함하는 추천 코디 세트를 결정하고,
    상기 추천 코디 세트를 표시하며, 상기 추천 코디 세트에서, 상기 제1 의류 아이템을 상기 추천 코디 세트에 포함되는 나머지 아이템들과 구별되게 표시하도록 상기 디스플레이를 제어하는, 전자 장치.
  10. 전자 장치의 동작방법에 있어서,
    복수의 의류 아이템들에 대응하는 의류 이미지들을 획득하는 단계;
    상기 의류 이미지들을 제1 뉴럴 네트워크에 입력하여, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보를 추출하는 단계;
    상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 하나 이상의 의류 아이템들을 조합한 후보 코디 세트들을 생성하는 단계;
    상기 후보 코디 세트들을 제2 뉴럴 네트워크에 입력하여, 상기 후보 코디 세트들 각각에 대한 스코어 정보를 획득하는 단계; 및
    상기 스코어 정보에 기초하여, 상기 후보 코디 세트들을 표시하는 단계;를 포함하는, 전자 장치의 동작방법.
  11. 제10항에 있어서,
    상기 의류 이미지들을 획득하는 단계는,
    상기 의류 아이템들을 포함하는 이미지들을 획득하는 단계; 및
    상기 이미지들을 제3 뉴럴 네트워크에 입력하여, 상기 의류 아이템들에 대응하는 상기 의류 이미지들 및 상기 의류 아이템들에 대응하는 메타 데이터를 추출하는 단계;를 포함하고,
    상기 동작방법은,
    추출된 상기 의류 이미지들 및 상기 메타 데이터를 서로 매칭시켜 저장하는 단계를 더 포함하는, 전자 장치의 동작방법.
  12. 제11항에 있어서,
    상기 의류 아이템들에 대한 메타 데이터는,
    상기 의류 아이템들에 대한 카테고리 정보, 스타일 정보, 색상 정보, 계절 정보, 소재 정보, 날씨 정보 중 적어도 하나를 포함하는, 전자 장치의 동작방법.
  13. 제10항에 있어서,
    상기 동작방법은,
    상기 복수의 의류 아이템들 각각에 대응하는 특징 정보와 복수의 추천 코디 세트들에 대한 특징 정보에 기초하여, 상기 복수의 의류 아이템들 중 적어도 하나를 추천 아이템으로 결정하는 단계; 및
    상기 결정된 추천 아이템을 표시하는 단계를 더 포함하는, 전자 장치의 동작방법.
  14. 제13항에 있어서,
    상기 동작방법은,
    상기 복수의 추천 코디 세트들을 표시하는 단계를 더 포함하고,
    상기 추천 아이템을 결정하는 단계는,
    상기 복수의 추천 코디 세트들 중, 사용자 입력에 기초하여, 선택된 제1 추천 코디 세트에 포함되는 제1 의류 아이템들에 대한 특징 정보와, 상기 복수의 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 상기 추천 아이템을 결정하는 단계를 포함하는, 전자 장치의 동작방법.
  15. 제14항에 있어서,
    상기 추천 아이템을 결정하는 단계는,
    상기 제1 추천 코디 세트에 포함되는 제1 의류 아이템들 각각에 대한 특징 정보와 상기 복수의 의류 아이템들 각각에 대한 특징 정보를 비교하여, 상기 복수의 의류 아이템들 중, 상기 제1 의류 아이템들 각각에 가장 유사한 의류 아이템을, 상기 추천 아이템으로 결정하는 단계를 포함하는, 전자 장치의 동작방법.
  16. 제15항에 있어서,
    상기 동작방법은,
    상기 복수의 의류 아이템들 중 상기 제1 의류 아이템들 각각과 기 설정된 값 이상의 유사도를 가지는 의류 아이템이 존재 하지 않는 경우, 상기 제1 의류 아이템들 각각에 유사한 의류 아이템을 판매하는 인터넷 쇼핑몰로 이동할 수 있는 오브젝트를 표시하는 단계를 더 포함하는, 전자 장치의 동작방법.
  17. 제10항에 있어서,
    상기 동작방법은,
    사용자 입력에 기초하여, 상기 후보 코디 세트들 중 제1 후보 코디 세트를 선택하는 단계;
    선택된 제1 후보 코디 세트에 포함되는 의류 아이템들 각각에 대응하는 특징 정보에 기초하여, 복수의 추천 코디 세트들 중 상기 제1 후보 코디 세트와 가장 유사한 추천 코디 세트를 결정하는 단계; 및
    결정된 상기 추천 코디 세트를 표시하는 단계를 더 포함하는, 전자 장치의 동작방법.
  18. 제10항에 있어서,
    상기 동작방법은,
    상기 복수의 의류 아이템들 중, 사용자 입력에 기초하여 제1 의류 아이템이 선택되면, 상기 스코어 정보에 기초하여, 상기 후보 코디 세트들 중상기 제1 의류 아이템을 포함하는 추천 코디 세트를 결정하는 단계; 및
    상기 추천 코디 세트를 표시하는 단계를 더 포함하고,
    상기 추천 코디 세트를 표시하는 단계는,
    상기 추천 코디 세트에서 상기 제1 의류 아이템을 상기 추천 코디 세트에 포함되는 나머지 아이템들과 구별되게 표시하는 단계를 포함하는, 전자 장치의 동작방법.
  19. 제10항의 방법을 수행하도록 하는 프로그램이 저장된 하나 이상의 컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품.
PCT/KR2020/001184 2019-01-24 2020-01-23 전자 장치 및 그 동작방법 WO2020153796A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP20744857.2A EP3905181A4 (en) 2019-01-24 2020-01-23 ELECTRONIC DEVICE AND ASSOCIATED METHOD OF OPERATION
US17/384,257 US20210350441A1 (en) 2019-01-24 2021-07-23 Electronic device and method for operating same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0009240 2019-01-24
KR20190009240 2019-01-24

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/384,257 Continuation US20210350441A1 (en) 2019-01-24 2021-07-23 Electronic device and method for operating same

Publications (1)

Publication Number Publication Date
WO2020153796A1 true WO2020153796A1 (ko) 2020-07-30

Family

ID=71736401

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/001184 WO2020153796A1 (ko) 2019-01-24 2020-01-23 전자 장치 및 그 동작방법

Country Status (4)

Country Link
US (1) US20210350441A1 (ko)
EP (1) EP3905181A4 (ko)
KR (1) KR20200092265A (ko)
WO (1) WO2020153796A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022087689A (ja) * 2020-12-01 2022-06-13 公紀 岩中 コーディネート用評価サーバ装置、コーディネート用評価サーバ装置の制御方法、およびそれに用いるプログラムおよび記録媒体

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102517961B1 (ko) * 2020-09-22 2023-04-04 주식회사 스타일봇 사용자 선택 의류를 기반으로 의류 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 프로그램
WO2022065819A1 (ko) * 2020-09-22 2022-03-31 주식회사 스타일봇 사용자 선택 의류를 기반으로 의류 추천 정보를 제공하는 방법, 및 이를 이용하는 서버
KR102527398B1 (ko) 2021-11-23 2023-04-28 엔에이치엔클라우드 주식회사 화상미팅 프로그램 기반의 가상 피팅 방법 및 그 시스템
KR102446649B1 (ko) * 2022-07-12 2022-09-22 신은철 인공지능 모델 기반 추천 템플릿을 이용한 어플리케이션 제작 방법 및 장치
KR102560863B1 (ko) * 2022-09-27 2023-07-31 박상진 사용자 맞춤형 패션양말 구독 플랫폼 서비스 제공 장치 및 방법
KR102615605B1 (ko) * 2023-07-20 2023-12-19 최수원 사용자 상호 작용 기반 스타일링 추천 및 라이프스타일아이템 판매 플랫폼 서비스 제공 방법, 장치 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090058389A (ko) * 2007-12-04 2009-06-09 동명대학교산학협력단 지능형 패션 코디네이터 시스템 및 운영 방법
JP2012014544A (ja) * 2010-07-02 2012-01-19 Nippon Telegr & Teleph Corp <Ntt> コーディネート推薦装置、コーディネート推薦方法及びそのプログラム
JP2017027597A (ja) * 2015-07-15 2017-02-02 カラフル・ボード株式会社 ファッションコーディネートリコメンドシステム
KR20180017597A (ko) * 2016-08-10 2018-02-21 주식회사 원더풀플랫폼 패션 코디네이션 시스템 및 방법
KR20180133121A (ko) * 2017-06-05 2018-12-13 손성삼 패션 아이템 추천 서버 및 그를 이용한 패션 아이템 추천 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10332176B2 (en) * 2014-08-28 2019-06-25 Ebay Inc. Methods and systems for virtual fitting rooms or hybrid stores
US20150186965A1 (en) * 2013-12-27 2015-07-02 Salsberg Paul Computerized device, system, and method for coordinating an outfit
EP3267368B1 (en) * 2016-07-06 2020-06-03 Accenture Global Solutions Limited Machine learning image processing
CN106202362A (zh) * 2016-07-07 2016-12-07 Tcl集团股份有限公司 图像推荐方法和图像推荐装置
CN106504064A (zh) * 2016-10-25 2017-03-15 清华大学 基于深度卷积神经网络的服装分类与搭配推荐方法及系统
US11170006B2 (en) * 2018-01-03 2021-11-09 Facebook, Inc. Machine-learning model for ranking diverse content
CN108109055B (zh) * 2018-01-08 2021-04-30 中国石油大学(华东) 一种基于图像渲染的跨场景服装检索方法
US11599927B1 (en) * 2018-01-17 2023-03-07 Amazon Technologies, Inc. Artificial intelligence system using deep neural networks for pairwise character-level text analysis and recommendations
CN108428166A (zh) * 2018-02-13 2018-08-21 东华大学 基于卷积神经网络的体貌特征识别分类的服装推荐系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090058389A (ko) * 2007-12-04 2009-06-09 동명대학교산학협력단 지능형 패션 코디네이터 시스템 및 운영 방법
JP2012014544A (ja) * 2010-07-02 2012-01-19 Nippon Telegr & Teleph Corp <Ntt> コーディネート推薦装置、コーディネート推薦方法及びそのプログラム
JP2017027597A (ja) * 2015-07-15 2017-02-02 カラフル・ボード株式会社 ファッションコーディネートリコメンドシステム
KR20180017597A (ko) * 2016-08-10 2018-02-21 주식회사 원더풀플랫폼 패션 코디네이션 시스템 및 방법
KR20180133121A (ko) * 2017-06-05 2018-12-13 손성삼 패션 아이템 추천 서버 및 그를 이용한 패션 아이템 추천 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3905181A4 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022087689A (ja) * 2020-12-01 2022-06-13 公紀 岩中 コーディネート用評価サーバ装置、コーディネート用評価サーバ装置の制御方法、およびそれに用いるプログラムおよび記録媒体
JP7133177B2 (ja) 2020-12-01 2022-09-08 公紀 岩中 コーディネート用評価サーバ装置、コーディネート用評価サーバ装置の制御方法、およびそれに用いるプログラムおよび記録媒体

Also Published As

Publication number Publication date
US20210350441A1 (en) 2021-11-11
KR20200092265A (ko) 2020-08-03
EP3905181A1 (en) 2021-11-03
EP3905181A4 (en) 2022-02-23

Similar Documents

Publication Publication Date Title
WO2020153796A1 (ko) 전자 장치 및 그 동작방법
WO2020141924A1 (en) Apparatus and method of generating map data of cleaning space
WO2018143630A1 (ko) 상품을 추천하는 디바이스 및 방법
WO2018117704A1 (en) Electronic apparatus and operation method thereof
WO2017171418A1 (en) Method for composing image and electronic device thereof
WO2019059505A1 (ko) 객체를 인식하는 방법 및 장치
WO2019098573A1 (en) Electronic device and method for changing chatbot
WO2019027258A1 (en) ELECTRONIC DEVICE AND METHOD FOR CONTROLLING THE ELECTRONIC DEVICE
WO2018128362A1 (en) Electronic apparatus and method of operating the same
WO2019083275A1 (ko) 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법
EP3545436A1 (en) Electronic apparatus and method of operating the same
EP3539056A1 (en) Electronic apparatus and operation method thereof
WO2020262746A1 (ko) 인공지능 기반의 세탁 코스 추천 장치 및 그 제어 방법
WO2016126007A1 (en) Method and device for searching for image
WO2020251238A1 (ko) 입력영상데이터 기반 사용자 관심정보 획득 방법 및 대상체 디자인 커스터마이징 방법
WO2019177344A1 (en) Electronic apparatus and controlling method thereof
WO2019146942A1 (ko) 전자 장치 및 그의 제어방법
WO2020032384A1 (ko) 이미지에 포함된 상품 정보와 관련된 키워드를 제공하기 위한 전자 장치
WO2020141952A1 (en) Conversational control system and method for registering external device
WO2017030255A1 (en) Large format display apparatus and control method thereof
WO2016200150A1 (en) Method and apparatus for providing content
WO2020171567A1 (en) Method for recognizing object and electronic device supporting the same
EP3596667A1 (en) Electronic device and method for controlling the electronic device
WO2021132922A1 (en) Computing device and operation method thereof
WO2019054792A1 (ko) 컨텐트를 제공하는 방법 및 단말기

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20744857

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020744857

Country of ref document: EP

Effective date: 20210726