학술논문
패션 이미지 데이터를 활용한 딥러닝 기반의 의류속성 분류
이용수 90
- 영문명
- Deep learning-based clothing attribute classification using fashion image data
- 발행기관
- 한국스마트미디어학회
- 저자명
- 정혜선(Hye Seon Jeong) 이소영(So Young Lee) 이충권(Choong Kwon Lee)
- 간행물 정보
- 『스마트미디어저널』Vol13, No.4, 57~64쪽, 전체 8쪽
- 주제분류
- 공학 > 컴퓨터학
- 파일형태
- 발행일자
- 2024.04.30
4,000원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.

국문 초록
패션 이미지에 포함된 소재, 색상, 핏 등의 속성은 소비자가 의류를 구매하는 데 있어서 중요한 요인이다. 그러나 의류 속성을 분류하는 과정은 많은 인력을 필요로 하고, 작업자의 주관적인 판단에 의존하기 때문에 일관성이 떨어진다. 이러한 문제를 완화하기 위해 인공지능을 활용하여 패션 이미지의 의류 속성을 분류하는 연구가 필요하다. 기존 연구에서는 주로 상의 또는 하의 중 하나의 항목에 대한 의류 속성을 분류하는 것에 초점을 두고 있기 때문에 전신 패션 이미지의 경우에는 상의와 하의의 속성을 동시에 파악할 수 없다는 한계가 있었다. 본 연구는 패션 이미지의 상의와 하의를 구분하여 각 항목의 카테고리와 의류 소재의 속성을 분류할 수 있는 딥러닝 모델을 제안한다. 본 연구에서 딥러닝 모델 ResNet과 EfficientNet를 이용하였고, 학습에 활용한 데이터셋은 패션 이미지 1,002,718장과 의류 카테고리와 소재 속성을 포함한 라벨 총 125개를 사용하였다. Weighted F1-Score를 기준으로 ResNet은 0.800, EfficientNet는 0.781로 ResNet이 더 우수한 성능을 보였다.
영문 초록
Attributes such as material, color, and fit in fashion images are important factors for consumers to purchase clothing. However, the process of classifying clothing attributes requires a large amount of manpower and is inconsistent because it relies on the subjective judgment of human operators. To alleviate this problem, there is a need for research that utilizes artificial intelligence to classify clothing attributes in fashion images. Previous studies have mainly focused on classifying clothing attributes for either tops or bottoms, so there is a limitation that the attributes of both tops and bottoms cannot be identified simultaneously in the case of full-body fashion images. In this study, we propose a deep learning model that can distinguish between tops and bottoms in fashion images and classify the category of each item and the attributes of the clothing material. The deep learning models ResNet and EfficientNet were used in this study, and the dataset used for training was 1,002,718 fashion images and 125 labels including clothing categories and material properties. Based on the weighted F1-Score, ResNet is 0.800 and EfficientNet is 0.781, with ResNet showing better performance.
목차
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 연구 방법론
Ⅳ. 연구 설계
Ⅴ. 연구 결과
Ⅵ. 결론
REFERENCES
키워드
해당간행물 수록 논문
- IoT 가상환경 플랫폼에서의 무결성 보장 시스템
- A study on a model of intercultural learning contents and methods
- 도시 안전을 위한 블록체인 기반의 감시카메라 영상 관리 시스템 모델 및 설계 방법
- 스마트미디어저널 Vol13, No.4 목차
- Incorporating BERT-based NLP and Transformer for An Ensemble Model and its Application to Personal Credit Prediction
- 안구 입력 시스템 기반의 화상키보드 키 배열 연구
- fMRI 데이터를 이용한 알츠하이머 진행상태 분류
- 착용형 증강현실 기반 체험형 콘텐츠 연구
- RGB 이미지 기반 인간 동작 추정을 통한 투구 동작 분석
- 다중 센서 데이터를 활용한 오토인코더 기반 화재감지 모델
- DDPG 및 연합학습 기반 5G 네트워크 자원 할당과 트래픽 예측
- LSTM 오토인코더를 활용한 축산 환경 시계열 데이터의 이상치 탐지
- 패션 이미지 데이터를 활용한 딥러닝 기반의 의류속성 분류
참고문헌
관련논문
공학 > 컴퓨터학분야 BEST
- 지도서비스를 이용한 위치 기반 관광 빅데이터의 시각화
- 공서비스 공급 관점에서 살펴본 비의료 건강관리서비스 인증 시범사업과 의료민영화 논쟁
- 인적 특성을 반영한 안전 정보디자인의 개념과 특징
공학 > 컴퓨터학분야 NEW
- 스마트미디어저널 제14권 제5호 목차
- 주·정차 금지 구역 내 딥러닝 기반 실시간 주차 운전자 하차 시점 판별 시스템
- 스마트 IoT 시스템의 신뢰성 및 안전성 검증을 위한 프로세스 대수 방법론
최근 이용한 논문
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!
