VOL. 188 November 2021
딥러닝 기반 다중속성 분류,
정보를 알아내는 기술
영상 매체 속 주인공보다 그들이 입고 있는 옷과 액세서리에 더 눈이 갔던 경험이 있을 것이다.
제품 이름을 알고 싶어도 상표명이 드러나지 않은 경우 제품을 찾기란 제법 고생스러워
기계가 자동으로 찾아줬으면 하고 상상하게 되는 상황도 있다.
하지만 딥러닝 기술이 발달된 이후 상상했던 일들은 현실이 됐다.
딥러닝 기반 패션 다중속성 분류 기술
Characteristic
사람은 의상을 통해 자신의 개성을 표현하며 계절 등의 요소에 따라 다양한 의상을 착용하는 등 그 사람을 나타내는 의미로써의 역할도 하고 있다. ‘딥러닝 기반 패션 다중속성 분류 기술’은 사람이 착용한 의상과 액세서리의 종류와 세부 35종 다중속성을 분류할 수 있는 기술이다.
본 기술은 스마트폰, CCTV, 웹캠 등 다양한 카메라를 활용해 얻은 동영상과 이미지들로부터 객체를 입력받는다. 이로부터 착용하고 있는 상의와 하의, 그리고 스카프, 모자, 신발, 가방 등 액세서리의 다양한 속성과 종류를 인식해 추출한다.
기존 딥러닝 기반 영상 객체 인식기술은 영상에 나오는 객체가 사람인지, 자동차인지, 강아지인지를 구분해줬다면, 딥러닝 기반 의상 정보 인식기술은 영상 속 사람이 착용하고 있는 의상만을 구분한다는 점에서 차이가 있다.
또한 의상 종류를 인식할 뿐만 아니라, 그 색상과 패턴, 계절 같은 하위 속성들까지 세세하게 알 수 있다. 기존 기술 종류까지는 인식할 수 있었지만, 객체가 가지고 있는 다양한 속성까지는 인식하지 못했다는 점에서 딥러닝 기반 패션 다중속성 분류 기술은 기존 기술과 차이를 가지고 있다.
원하는 의상 정보의 속성까지
information
딥러닝 기반 패션 다중속성 분류 기술은 일부 영역을 설정해 정보를 추출하는 ROI(Region Of Interest) 기반으로 의상 정보 추출이 가능하다. 즉, 사람 ROI를 기반으로 설정해 이미지 속에 사람이 여러 명 있어도 문제없이 각 사람 단위로 분류가 가능하고, 사용자가 원하는 의상 정보만 얻을 수 있다는 뜻이다.
의상의 착용 스타일도 구분할 수 있어 겉옷과 안옷의 구분 및 세부 속성까지 따로 인식할 수 있다. 뿐만 아니라 상의 겉옷과 안옷을 같이 입은 경우, 하의만 보이는 경우, 상의만 보이는 경우 등 이미지 내에서 착용한 의상이 보이는 범위에 따른 분류도 가능하다.
이는 입력해 놓은 상의 겉옷 속성 11종, 안옷 7종, 하의 속성 6종, 얼굴 속성 2종, 스타일·액세서리 8종, 총 35종에 대한 정보를 통해 다중속성 분류가 가능하다. 특히, 35종의 분류성능은 평균 이상으로 높게 나타난다. 또 GPU 사용 시에는 딥러닝 기반 패션 다중속성 분류 기술을 실시간으로 사용할 수 있다는 장점이 있다.
다양한 분야, 높은 활용도로 주목받다application
의상의 종류는 다양하기 때문에 딥러닝 기반 패션 다중속성 분류 기술은 인터넷 쇼핑몰과 이미지 검색 분야에서 다양하게 활용될 수 있다. 특히 쇼핑몰의 경우, 판매하는 의상 정보를 자동으로 수집하고 분류해 유사한 옷을 추천하는 방향으로 끌어낼 수 있다.
특히 보안 분야에서 사람과 사람의 구별을 위한 비교 정보로 사용할 수 있고, 자동차 자율주행 분야에서 보행자의 2차 속성 정보까지 인식이 필요한 경우에도 이용될 수 있다.
이처럼 딥러닝 기반 패션 다중속성 분류 기술은 패션 분야뿐만 아니라 더 넓은 분야에서도 활용할 수 있어 대형 IT 검색 업체나 소셜네트워크 서비스 업체에서도 주목받는 기술이다. 다양한 분야에서 활용도가 높은 ETRI의 기술로 펼쳐질 우리의 미래를 기대해본다.
본 내용은 ETRI 기술사업화플랫폼에 등재된
‘딥러닝기반 패션(의상, 액세서리)다중속성 분류기술’을 인용해 구성하였습니다.
저자 : 인간로봇상호작용연구실 박찬규 책임연구원
