스마트미디어저널 (Smart Media Journal)

  • 제12권7호
  • /
  • Pages.43-51
  • /
  • 2023
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

딥러닝을 이용한 의류 이미지의 텍스타일 소재 분류

Textile material classification in clothing images using deep learning

  • 이소영 (계명대학교 경영정보학과) ;
  • 정혜선 (계명대학교 경영정보학과) ;
  • 최윤성 (다이텍연구원 소재빅데이터연구센터 ) ;
  • 이충권 (계명대학교 경영정보학과 )
  • 투고 : 2023.07.17
  • 심사 : 2023.08.18
  • 발행 : 2023.08.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

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.

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.

키워드

과제정보

이 논문은 2023년도 한국산업기술진흥원 산업기술기반구축혁신사업의 지원을 받아 수행된 연구임 (No, P0014711).

참고문헌

  1. Y. Chun, C. Wang and M. He, "A novel clothing attribute representation network-based self-attention mechanism," IEEE Access, Vol. 8, pp. 201762-201769, Nov. 2020.  https://doi.org/10.1109/ACCESS.2020.3035781
  2. P. S. Rajput, S. Aneja, "IndoFashion Apparel Classification for Indian Ethnic Clothes," In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition, pp. 3935-3939, Tennessee, USA, Sept. 2021. 
  3. 이수민, 오성찬, 정찬호, 김창익, "딥러닝을 이용한 시각적 의류 분석 기술: 서베이," 한국통신학회논문지, 제45권, 제7호, 1174-1182쪽, 2020년 7월  https://doi.org/10.7840/kics.2020.45.7.1174
  4. H. An, K. Y. Lee, Y. Choi and M. Park, "Conceptual framework of hybrid style in fashion image datasets for machine learning," Fashion and Textiles, Vol. 10, no. 1, pp. 1-18, May 2023.  https://doi.org/10.1186/s40691-022-00310-y
  5. 곽수경, 이지연, 박명자, "인터넷 구매후기를 통한 의류제품 소재평가표준화와 소재성능평가," 한국의상디자인학회지, 제18권, 제2호, 177-190쪽, 2016년 6월 
  6. 손재익, 김동현, 최윤성, "섬유 드레이프 이미지를 활용한 드레이프 생성 모델 구현에 관한 연구," 스마트미디어저널, 제10권, 제4호, 28-34쪽, 2021년 10월 
  7. 노은진, 박상원, "사용자의 색상 선호 기반 추천 시스템을 위한 상품 이미지 속 의류 색상 분석," 한국정보처리학회 학술대회 논문집, 제29권, 제2호, 643-645쪽, 2022년 6월 
  8. 김희숙, "CNN 기반 딥러닝을 이용한 패션 아이템 분류 및 결합," 디지털콘텐츠학회논문지, 제22권, 제3호, 475-492쪽, 2021년 3월 
  9. 조승아, 이하영, 장혜림, 김규리, 이현지, 손봉기, 이재호, "비정형 패션 이미지 검색을 위한 MASK R-CNN 선형처리 기반 CNN 분류 학습모델 구현," 한국산업정보학회논문지, 제27권, 제6호, 13-23쪽, 2022년 12월  https://doi.org/10.9723/JKSIIS.2022.27.6.013
  10. Y. Seo. K.S, Shin, "Image classification of fine-grained fashion image based on style using pre-trained convolutional neural network," In Proceedings of the IEEE International Conference on Computer Vision, pp. 387-390, Shanghai, China, Mar. 2018. 
  11. 이성현, 송계영, "텍스타일의 개념 확장과 새로운 패러다임 - 아키텍스타일을 중심으로," 기초조형학연구, 제19권, 제6호, 557-570쪽, 2018년 12월  https://doi.org/10.47294/KSBDA.19.6.39
  12. 임선양, "원유닛을 활용한 텍스타일패턴디자인 전개방법에 관한 연구," 한국디자인문화학회지, 제20권, 제4호, 581-590쪽, 2014년 12월 
  13. 박낭희, 최윤미, "패션 AI의 학습 데이터 표준화를 위한 패션 아이템 이미지의 색채와 소재 속성 분류 체계," 한국의류학회지, 제44권, 제2호, 354-368쪽, 2020년 4월 
  14. 김희숙, "패션 요소 검출을 위한 Mask R-CNN 딥러닝," 디지털콘텐츠학회논문지, 제22권, 제4호, 689-696쪽, 2021년 4월  https://doi.org/10.9728/dcs.2021.22.4.689
  15. 김여원, 최종명, "블랙컬러 패션소재의 색채감성과 선호도," 한국감성과학회, 제13권, 제2호, 337-346쪽, 2010년 6월 
  16. 이우창, 손현식, 이충권, "딥러닝 기반 폴리에스터 섬유의 염색색상 결과예측 모형 개발," 스마트미디어저널, 제11권, 제3호, 74-89쪽, 2022년 11월  https://doi.org/10.30693/SMJ.2022.11.3.74
  17. 남은수, 이충권, 최윤성, "딥러닝을 이용한 직물의 결함 검출에 관한 연구," 스마트미디어저널, 제11권, 제11호, 92-98쪽, 2022년 12월  https://doi.org/10.30693/SMJ.2022.11.11.92
  18. J. Jing, Z. Wang, M. Ratsch and H. Zhang, "Mobile-Unet: An efficient convolutional neural network for fabric defect detection," Textile Research Journal, Vol. 92, no. 1-2, pp. 30-42, May 2020.  https://doi.org/10.1177/0040517520928604
  19. N. Amor, M. T. Noman and M. Petru, "Classification of Textile Polymer Composites: Recent Trends and Challenges," Polymers, Vol. 13, no. 16, pp. 2592, Aug. 2021. 
  20. Y. Wan, C. Yan, B. Zhang and G. Zou, "Learning Image Representation via Attribute-Aware Attention Networks for Fashion Classification," In MultiMedia Modeling: 28th International Conference (MMM), pp. 69-81, Phu Quoc, Vietnam, Jun. 2022. 
  21. K. HE, X. Zhang, S. Ren and J. Sun, "Deep residual learning for image recognition," In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778, Las Vegas, USA, Jun. 2016. 
  22. A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, X. Zhai, T. Unterthiner, M. Dehghani, M. Minderer, G. Heigold, S. Gelly, J. Uszkoreit and N. Houlsby, "An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale," arXiv: 2010.11929, Oct. 2020. 
  23. 김민기, "ResNet 모델을 이용한 눈 주변 영역의 특징 추출 및 개인 인증," 멀티미디어학회논문지, 제22권 12호, 1347-1355쪽, 2019년 12월