• Journal of Korean Library and Information Science Society
• /
• v.43 no.3
• /
• pp.101-120
• /
• 2012

This study investigated general problems concerning the clothing and textiles field in the KDC 5th edition based comparative analysis academic characteristics and classification system, and suggested on some ideas for the improvements of them. Results of the study is summarized as follows. First, the classification system of the clothing and textiles field is generally divided by costume, dyeing engineering, leather & fur processing, textiles and textile industries, manufacturing clothes, management of clothing, and textile arts. Second, I proposed improvements based on analyzing problems of KDC 5th to the clothing and textiles field from the collection database at the National Library of Korea. Third, basically improvements of KDC system was based on the knowledge of the clothing and textiles field. I tried to maintain as the KDC existing classification system was to retain as much as possible, and to move between items was minimal.

• Smart Media Journal
• /
• v.13 no.4
• /
• pp.57-64
• /
• 2024

Attributes such as material, color, and fit in fashion images are important factors for consumers to purchase clothing. However, the process of classifying clothing attributes requires a large amount of manpower and is inconsistent because it relies on the subjective judgment of human operators. To alleviate this problem, there is a need for research that utilizes artificial intelligence to classify clothing attributes in fashion images. Previous studies have mainly focused on classifying clothing attributes for either tops or bottoms, so there is a limitation that the attributes of both tops and bottoms cannot be identified simultaneously in the case of full-body fashion images. In this study, we propose a deep learning model that can distinguish between tops and bottoms in fashion images and classify the category of each item and the attributes of the clothing material. The deep learning models ResNet and EfficientNet were used in this study, and the dataset used for training was 1,002,718 fashion images and 125 labels including clothing categories and material properties. Based on the weighted F1-Score, ResNet is 0.800 and EfficientNet is 0.781, with ResNet showing better performance.

• Smart Media Journal
• /
• v.12 no.7
• /
• pp.43-51
• /
• 2023

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.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.11a
• /
• pp.158-163
• /
• 2001

본 논문의 국내 패션 업체에서 상품기획 과정 중 많은 시간과 노력을 투자해야 했던 디자인 및 패턴 자료를 데이터베이스화하여 key word를 통해 효율적으로 찾아 사용할 수 있도록 한 디지털 여성 자켓 분류 데이터베이스 시스템을 개발하고자 실시되었다. 이를 위해 의류업체 종사자 48명과 의류학 전공 대학원생 54명, 패턴 전문가 11명을 대상으로 설문조사 및 인터뷰를 실시하여 디자인 및 패턴의 분류 기준과 의류 생산기획 업무의 디지털화 가능성을 검토하였다. 본 연구의 결과는 다음과 같다. 국내 의류업체에서는 상품기획시 국외패션잡지와 collection지를 가장 많이 활용하고 있었으며, 디자인 및 패턴 DB 프로그램에 대한 효용성 기대와 수용도 기대에는 집단간 유의한 차이가 있는 것으로 나타났다. 여성 자켓 디자인 DB를 위한 구성요소 분류 기준은 7가지고 선정되었고, 이미지 형용사 분류 기준은 6가지로 선정되었다. 또한 자켓 제작을 위한 block pattern 분류 기준은 4가지로 선정되었다. 본 연구를 통해 개발된 자켓 디자인 선택 프로그램의 모델을 제시한 후 실험 참가자들에게 효용성 및 사용가능성을 다시 검증한 결과, 프로그램 제시 전 조사결과보다 유의하게 긍정적으로 평가되었으며, 데이터베이스 자료 활용시 이미지 형용사를 통한 검색보다는 구성요소를 통한 검색에 더 만족하는 것으로 나타났다.

• Proceedings of The KACE
• /
• 2018.08a
• /
• pp.155-158
• /
• 2018

수출입 기업이 관세 혜택을 받거나 올바른 관세를 측정하기 위해서는 통관 진행 시 올바른 품목 분류가 선행되어야 한다. 그러나 품목 분류의 기준이 1만개가 넘을 정도로 방대하여 신규 사용자나 품목에 이해가 부족할 경우 분류에 어려움이 따른다. 이러한 HS Code 분류의 한계점을 보완하기 위해 빅데이터 기반 이미지 분석을 통한 자동 제안 시스템을 목표로 하였다. 본 논문에서는 이미지 분석을 통한 HS Code 자동 제안시스템을 위한 수출입 품목 중 의류 품목의 수출입 품목에 국한하여 의류 HS Code 자동 분류 시스템을 설계하고, 제안한다.

• Journal of Internet Computing and Services
• /
• v.25 no.5
• /
• pp.95-105
• /
• 2024

With the recent adoption of AI by various clothing shopping platforms and related industries to meet consumer needs and enhance purchasing power, the necessity for accurate classification of clothing categories and colors has surged. This paper aims to address this issue by developing a deep learning model that classifies various clothing items and their colors within a single image using buyer review images. After directly crawling buyer review image data and performing various preprocessing steps such as data augmentation, we utilized the YOLOv10 model to detect clothing objects and classify them into categories. Subsequently, to improve color extraction, we implemented a cropping method to isolate clothing regions in the images and calculated the similarity with a color chart to extract the most similar color names. Our experimental results show that our approach is effective, with performance increasing with model size and augmentation scale. The employed model showed stable performance in both clothing category and color extraction, proving its reliability. The proposed system not only enhances customer satisfaction and purchasing power by accurately classifying clothing categories and colors based on user review images but also lays the foundation for further research in automated fashion analysis. Moreover, it possesses the scalability to be utilized in various fields of the related industry, such as fashion trend analysis, inventory management, and marketing strategy development.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.643-645
• /
• 2022

많은 온라인 쇼핑몰에서 색상 기반 필터링 서비스나 추천 시스템을 제공하지만, 수동 분류는 많은 시간이 들고 오류 위험이 있다. 본 연구의 실험에서는 먼저 분석할 의류 이미지를 실루엣 분석으로 수행한 경우와 수행하지 않는 경우의 k-평균 군집화 알고리즘으로 가장 우세한 색상 군집의 중심값을 도출하는데, 만약 군집 개수가 2개 이상이면 보다 큰 군집의 중심값만을 고려한다. 이 중심값을 이용해 사전 학습한 k-최근접 이웃 알고리즘으로 색상 클래스를 분류한다. 실험 결과 실루엣 분석을 수행하지 않은 k-평균 군집화 알고리즘을 사용한 분류 방식이 정확도와 수행 시간 모두 매우 준수하였으나, 배경색이 존재하여 의류 색 분석에 영향을 줄 수 있는 경우 잘못 분류한다는 문제도 있다.

• Journal of the Korean Society of Clothing and Textiles
• /
• v.25 no.9
• /
• pp.1633-1644
• /
• 2001

이 연구의 목적은 중년여성들의 체형을 분류하고 이들 체형을 분류하는 판별기준을 세우고자 하는 것이다. 이 연구에서 개발한 판별방법은 중년여성들의 체형을 간편하게 판별할 수 있도록 해주므로 이 방법을 활용하여 중년여성복을 제작할 경우, 소비자들은 인체적합도가 높은 의복을 구입 할 수 있고 의류업 체들은 이에 따른 매출증대를 가져올 수 있다. 연구의 진행절차와 이에 따른 결과는 다음과 같다. 1. 만 40세~59세 중년여성 279명에 대 한 인체 계측을 하였다. 인체 계측항목은 34개의 직접 계측항목과 측면사진 촬영을 통한 3개의 간접계측항목,11개의 지수치, 5개의 계산치 등의 총 53개 항목이다. 인체 계측치에 대한 통계분석 방법으로는 분산분석과 SNK검정, 판별분석 방법을 사용하였다. 2. 피험자는 몇 가지 체형으로 분류되었다. 상반신 체형분류는 인체측면 자세와 유방크기를 분류기준으로 하여 바른-유방중소 체형, 바른-유방대 체형, 젖힌-유방중소 체형 , 숙인/휜-유방중소 체형, 숙인/휜-유방대 체형의 5가지로 분류하였다. 하반신 체형분류는 배와 엉덩이의 돌출정도에 따라 분류하여 배정상-엉덩이정상 체형, 배 정상-엉덩이돌출 체형, 배돌출-엉덩이정상 체형 , 배돌출-엉덩이돌출 체형의 4가지로 분류하였다. 3. 분류된 체형은 다음의 판별변수에 따라 체형이 판별되었다. 상반신 체 형 의 판별변수는 앞품/뒤품, 가슴둘레/밑가슴둘레 , 앞길이/뒤 길이, 앞허리선$\longrightarrow$어깨선 길이/어깨선$\longrightarrow$뒤허 리선 길이의 4가지 항목이고, 하반신 판별변수는 엉덩이상부각도, 배 하부각도, 배상부 각도, 엉덩이둘레/엉덩이 최대둘레, 뒤엉덩이둘레의 5가지 항목이다. 상반신 체 형과 하반신 체형 판별함수 모두 70% 이상의 높은 적중률을 나타내었다.

• Proceedings of the Costume Culture Conference
• /
• 2003.12a
• /
• pp.21-26
• /
• 2003

I 의류의 염색 및 가공 1. 염색 방법 (섬유제품에 의한 분류) ① 섬유 염색 (Fiber Dyeing) ②사염 ③ 원단 염색 ④ 의류 염색 2. 염료 종류에 따른 염색 (Cellulose 섬유를 중심으로) ① 직접 염료에 의한 염색 ② 반응성 염료에 의한 염색 ③ VAT 염료에 의한 염색 ④ Pigment Dyeing ⑤ 형광 증백제에 의한 염색 3. Washing 가공 ① Normal Washing ② Stone Washing ③ Bio Washing ④ Acid Washing ⑤ Sand Washing (중략)

• Journal of the Korean Society of Clothing and Textiles
• /
• v.45 no.6
• /
• pp.949-964
• /
• 2021

Accumulation of high-quality data is crucial for AI learning. The goal of using AI in fashion service is to propose of a creative, personalized solution that is close to the know-how of a human operator. These customized solutions require an understanding of fashion products and emotions. Therefore, it is necessary to accumulate data on the attributes of fashion products and fashion emotion. The first step for accumulating fashion data is to standardize the attribute with coherent system. The purpose of this study is to propose a fashion emotional classification system. For this, images of fashion products were collected, and metadata was obtained by allowing consumers to describe their emotions about fashion images freely. An emotional classification system with a hierarchical structure, was then constructed by performing frequency and CONCOR analyses on metadata. A final classification system was proposed by supplementing attribute values with reference to findings from previous studies and SNS data.