earticle

한국어

패션 이미지에는 의류의 카테고리, 색상, 소재, 핏과 같은 의류 속성 정보가 포함 되어있다. 의류 속성 정보는 소비자가 의류를 구매하는 과정에서 중요한 요소다. 하지만 패션 산업에서 패션 이미지를 통해 의류의 속성을 분류하는 과정은 작업자 개인의 주관적인 기준으로 이루어져 일관성이 부족하다. 이를 개선하고자 인공지능 기술을 도입하여 패션 이미지 분석을 통해 의류의 속성을 식별하는 연구가 증가하고 있다. 대다수의 연구는 상의 또는 하의의 속성만을 분류하는 데 중점을 두고 있기 때문에 상의의 속성을 파악하고자 할 때, 전신 패션 이미지는 하의의 영향으로 인하여 상의에 대한 의류 속성을 정확하게 파악하는 것이 어렵다. 즉, 전신 패션 이미지에서 상하의의 속성을 동시에 인식하는 것이 어렵다는 한계가 존재한다. 따라서 본 연구는 패션 이미지 내의 상하의를 구분하여 의류 속성을 올바르게 분류할 수 있는 딥러닝 모델을 제안한다. 제안된 모델은 사용자에게 정확한 의류 속성 정보를 제공하여 의류에 대한 신뢰도를 높이고, 패션 분야에서 의류 속성 분류 작업의 효율성을 향상시킬 것이다. 본 연구는 패션 이미지에서 카테고리, 색상, 소재, 핏을 분류하기 위해 딥러닝 모델 ResNet과 MobileNet을 이용하였다. 학습에 이용한 데이터셋은 AI-Hub의 ‘K-Fashion 패션 이미지’를 활용하였다. 해당 데이터에서 이미지 772,534장과 의류 카테고리와 색상, 소재, 핏 속성을 포함한 라벨 총 222개를 사용하였다. 사용한 모델은 Weighted F1-Score를 기준으로 비교하였으며, 비교 결과, ResNet은 0.753, MobileNet는 0.782로 MobileNet이 0.029 더 우수한 성능을 보였다.