딥러닝을 이용한 의류 이미지의 텍스타일 소재 분류
Textile material classification in clothing images using deep learning
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
온라인 거래가 증가하면서 의류 이미지는 소비자의 구매 결정에 큰 영향을 미치게 되었다. 의류 소재에 대한 이미지 정보의 중요성이 강조되고 있으며, 의류 이미지를 분석하여 사용된 소재를 파악하는 것은 패션 산업에 있어서 중요하다. 의류에 사용된 텍스타일의 소재는 육안으로 식별하기 어렵고, 분류 작업에도 많은 시간과 비용이 소모된다. 본 연구는 딥러닝 알고리즘을 기반으로 의류 이미지로부터 텍스타일의 소재를 분류하고자 하였다. 소재를 분류함으로써 의류 생산 비용을 절감하고, 제조공정의 효율성을 증대하는데 도움이 되며 소비자에게 특정 소재의 제품을 추천하는 AI 서비스에 기여할 수 있다. 의류 이미지를 분류하기 위해 머신비전 기반의 딥러닝 알고리즘 ResNet과 Vision Transformer를 이용하였다. 760,949장의 이미지를 수집하였고, 비정상 이미지를 검출하는 전처리 과정을 거쳤다. 최종적으로 총 167,299장의 의류 이미지와 섬유라벨 19개, 직물라벨 20개를 사용하였다. ResNet과 Vision Transformer를 사용해서 의류 텍스타일의 소재를 분류하였으며 알고리즘 성능을 Top-k Accuracy Score 지표를 통해 비교하였다. 성능을 비교한 결과, ResNet 보다 Vision Transformer 알고리즘이 더 우수하였다.
Abstract
As online transactions increase, the image of clothing has a great influence on consumer purchasing decisions. The importance of image information for clothing materials has been emphasized, and it is important for the fashion industry to analyze clothing images and grasp the materials used. Textile materials used for clothing are difficult to identify with the naked eye, and much time and cost are consumed in sorting. This study aims to classify the materials of textiles from clothing images based on deep learning algorithms. Classifying materials can help reduce clothing production costs, increase the efficiency of the manufacturing process, and contribute to the service of recommending products of specific materials to consumers. We used machine vision-based deep learning algorithms ResNet and Vision Transformer to classify clothing images. A total of 760,949 images were collected and preprocessed to detect abnormal images. Finally, a total of 167,299 clothing images, 19 textile labels and 20 fabric labels were used. We used ResNet and Vision Transformer to classify clothing materials and compared the performance of the algorithms with the Top-k Accuracy Score metric. As a result of comparing the performance, the Vision Transformer algorithm outperforms ResNet.
참고문헌 (23)
- Y. Chun, "A novel clothing attribute representation network-based self-attention mechanism", IEEE Access, 8, pp.201762~201769 (2020)
- P. S. Rajput, "IndoFashion Apparel Classification for Indian Ethnic Clothes", Proceedings of the IEEE, 2021, 3935~3939
- 이수민, "딥러닝을 이용한 시각적 의류 분석 기술: 서베이", 한국통신학회논문지, 45(7), pp.1174~1182 (2020), 한국통신학회[DOI]
- 안효선, "Conceptual framework of hybrid style in fashion image datasets for machine learning", Fashion and Textiles, 10(1), pp.1~18 (2023), 한국의류학회[DOI]
- 곽수경, "인터넷 구매후기를 통한 의류제품 소재평가표준화와 소재성능평가 - 셀룰로오스 섬유를 함유한 여름용 니트 티셔츠를 중심으로 -", 한국의상디자인학회지, 18(2), pp.177~190 (2016), 한국의상디자인학회
- 손재익, "섬유 드레이프 이미지를 활용한 드레이프 생성 모델 구현에 관한 연구", 스마트미디어저널, 10(4), pp.28~34 (2021), (사)한국스마트미디어학회
- 노은진, "사용자의 색상 선호 기반 추천 시스템을 위한 상품 이미지 속 의류 색상 분석", 한국정보처리학회 학술대회 논문집, 29(2), pp.643~645 (2022)
- 김희숙, "CNN 기반 딥러닝을 이용한 패션 아이템 분류 및 결합", 디지털콘텐츠학회논문지, 22(3), pp.475~482 (2021), 한국디지털콘텐츠학회[DOI]
- 조승아, "비정형 패션 이미지 검색을 위한 MASK R-CNN 선형처리 기반 CNN 분류 학습모델 구현", 한국산업정보학회논문지, 27(6), pp.13~23 (2022), 한국산업정보학회
- Y. Seo. K. S, "Image classification of fine-grained fashion image based on style using pre-trained convolutional neural network", Proceedings of the IEEE International Conference on Computer Vision, pp.387~390 (2018)
- 이성현, "텍스타일의 개념 확장과 새로운 패러다임 – 아키텍스타일을 중심으로", 기초조형학연구, 19(6), pp.557~570 (2018), 한국기초조형학회[DOI]
- 임선양, "원유닛을 활용한 텍스타일패턴디자인 전개방법에 관한 연구", 한국디자인문화학회지, 20(4), pp.581~590 (2014), 한국디자인문화학회
- 박낭희, "패션 AI의 학습 데이터 표준화를 위한 패션 아이템 이미지의 색채와 소재 속성 분류 체계", 한국의류학회지, 44(2), pp.354~368 (2020), 한국의류학회[DOI]
- 김희숙, "패션 요소 검출을 위한 Mask R-CNN 딥러닝", 디지털콘텐츠학회논문지, 22(4), pp.689~696 (2021), 한국디지털콘텐츠학회[DOI]
- 김여원, "블랙컬러 패션소재의 색채감성과 선호도", 감성과학, 13(2), pp.337~346 (2010), 한국감성과학회
- 이우창, "딥러닝 기반 폴리에스터 섬유의 염색색상 결과예측 모형 개발", 스마트미디어저널, 11(3), pp.74~89 (2022), (사)한국스마트미디어학회
- 남은수, "딥러닝을 이용한 직물의 결함 검출에 관한 연구", 스마트미디어저널, 11(11), pp.92~98 (2022), (사)한국스마트미디어학회[DOI]
- J. Jing, "Mobile-Unet : An efficient convolutional neural network for fabric defect detection", Textile Research Journal, 92(1-2), pp.30~42 (2020)
- N. Amor, "Classification of Textile Polymer Composites : Recent Trends and Challenges", Polymers, 13(16), pp.2592~ (2021)
- Y. Wan, "Learning Image Representation via Attribute-Aware Attention Networks for Fashion Classification", MultiMedia Modeling: 28th International Conference (MMM), pp.69~81 (2022)
- K. HE, "Deep residual learning for image recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.770~778 (2016)
- A. Dosovitskiy, "An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale" (2020)
- 김민기, "ResNet 모델을 이용한 눈 주변 영역의 특징 추출 및 개인 인증", 멀티미디어학회논문지, 22(12), pp.1347~1355 (2019), 한국멀티미디어학회[DOI]