딥러닝 기반 이미지 특징 추출 모델을 이용한 유사 디자인 검출에 대한 연구
Detecting Similar Designs Using Deep Learning-based Image Feature Extracting Model
0
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
디자인은 섬유패션 산업에서 제품의 경쟁력을 결정짓는 핵심요인이다. 무단복제를 방지하고 독창성을 확인하기 위하여 제시된 디자인의 유사도를 측정하는 것은 매우 중요하다. 본 연구에서는 딥러닝 기법을 이용하여 섬유 디자인의 이미지로 부터 특징(feature)을 수치화하고, 스피어만 상관계수를 이용하여 유사도를 측정하였다. 유사한 샘플이 실제로 검출되는지 검증하기 위하여 300장의 이미지를 임의로 회전 및 색상을 변경하였다. 유사도 수치가 높은 순으로 Top-3와 Top-5의 결과에 회전을 하거나 색상을 변경한 샘플이 존재하는지 측정하였다. 그 결과, AlexNet 보다 VGG-16 모델이 월등히 높은 성능을 기록하였다. VGG-16 모델의 성능은 회전 이미지의 경우에 유사도 결과값이 높은 Top-3와 Top-5에서 64%, 73.67%로 가장 높게 나타났다. 색상변경의 경우에는 Top-3와 Top-5에서 각각 86.33%, 90%로 가장 높게 나타났다.
Abstract
Design is a key factor that determines the competitiveness of products in the textile and fashion industry. It is very important to measure the similarity of the proposed design in order to prevent unauthorized copying and to confirm the originality. In this study, a deep learning technique was used to quantify features from images of textile designs, and similarity was measured using Spearman correlation coefficients. To verify that similar samples were actually detected, 300 images were randomly rotated and color changed. The results of Top-3 and Top-5 in the order of similarity value were measured to see if samples that rotated or changed color were detected. As a result, the VGG-16 model recorded significantly higher performance than did AlexNet. The performance of the VGG-16 model was the highest at 64% and 73.67% in the Top-3 and Top-5, where similarity results were high in the case of the rotated image. appear. In the case of color change, the highest in Top-3 and Top-5 at 86.33% and 90%, respectively.
참고문헌 (18)
- 홍병숙, "패션산업의 디자인 모방에 관한 연구", 한국의류산업학회지, 13(4), pp.560~571 (2011), 한국의류산업학회
- 이상영, "유사디자인 제도의 보호범위의 모형화와 디자인 권리 확대 방안", 디지털디자인학연구, 11(1), pp.217~230 (2011), 한국디지털디자인학회[DOI]
- 신정호, "VGG-19 모델과 히스토그램을 기반으로 한 색상, 스타일, 패턴에 따른 패션이미지의 유사성 분석", 한국정보과학회 학술발표논문집, pp.2101~2103 (2018)
- 이희준, "딥러닝을 이용한 시퀀스 기반의 여행경로 추천시스템 -제주도 사례-", 스마트미디어저널, 9(1), pp.45~50 (2020), (사)한국스마트미디어학회[DOI]
- 정경용, "Textile 기반의 협력적 필터링 개인화 기술을 이용한 패션 디자인 추천 시스템 개발", 정보과학회 컴퓨팅의 실제 논문지, 9(5), pp.541~550 (2003), 한국정보과학회
- 이채정, "Digital Library를 위한 텍스타일 프린트 디자인의 이미지 유사성 평가", 감성과학, 10(4), pp.631~637 (2007), 한국감성과학회
- 강미영, "텍스타일 이미지 검색 및 클러스터링", 제34회 한국정보처리학회 추계학술대회 논문집, 17(2), pp.152~154 (2010)
- D. Deng, "Learning deep similarity models with focus ranking for fabric image retrieval", Image and Vision Computing, 70, pp.11~20 (2018)
- A. Krizhevsky, "Imagenet classification with deep convolutional neural networks", Communications of the ACM, 60(6), pp.84~90 (2017)
- K. Simonyan, "Very deep convolutional networks for large-scale image recognition", arXiv preprint arXiv:1409.1556, ~ (2014)
- 유승훈, "MSER과 이미지 피라미드를 이용한 유사 이미지의 검색", 대한전자공학회 학술대회, pp.833~834 (2008)
- 정경용, "이미지 기반 필터링을 이용한 개인화 아이템 추천", 한국콘텐츠학회 논문지, 8(3), pp.1~7 (2008), 한국콘텐츠학회
- A. Kohrs, "Improving Collaborative Filtering with Multimedia Indexing Techniques to Create User-Adapting Web Sites", Proc. of the 7th ACM International Conference on Multimedia, pp.27~36 (1999)
- 박선, "오픈 소스 기반의 딥러닝을 이용한 적조생물 이미지 분류", 스마트미디어저널, 7(2), pp.34~39 (2018), (사)한국스마트미디어학회[DOI]
- L. Min, "Network In Network", arXiv preprint arXiv:1312.4400, ~ (2013)
- 문해민, "역전파가 제거된 CNN과 LDA를 이용한 얼굴 영상 해상도별 얼굴 인식률 분석", 스마트미디어저널, 5(1), pp.24~29 (2016), (사)한국스마트미디어학회
- 백석흠, "디젤엔진에서 바이오디젤의 배기가스 특성 평가", 대한기계학회논문집 B, 38(2), pp.129~137 (2014), 대한기계학회
- 이병욱, "온톨로지 기술과 스피어만 상관계수를 적용한시맨틱 정보 검색 향상", 디지털융복합연구, 11(11), pp.351~357 (2013), 한국디지털정책학회