• 한국식생활문화학회지
• /
• 제3권2호
• /
• pp.187-195
• /
• 1988

서울시(市)의 역삼동 강남역 부근, 잠원동, 남대문시장(南大門市場) 등 세군데서 영업(營業)하는 포장마차(布張馬車)를 대상(對象)으로하여 1987년(年) 6월(月) 25일부(日)터 1987년(年) 8월(月) 25일(日)까지 영업(營業) 및 위생(衛生)과 고객(顧客)에 관한 실태(實態)를 조사(調査)한 결과(結果)는 아래와 같다. 포장마차(布張馬車)는 주로 $30{\sim}40$대(代) 여자(女子)가 종사(從事)하는 경우가 많았으며 $1{\sim}2$명(名)이 영업(營業)하는 형태(型態)가 가장 많았다. 포장마차영업자(布張馬車營業者)는 3년(年) 이상(以上) 한 사람이 거의 60%였으며 가장 큰 문제점은 자녀(子女)의 교육(敎育)문제, 단속(團束), 수면불족(睡眠不足)으로 들었고, 영업(營業)에 종사(從事)하는 만족도(滿足度)는 저조(低調)하였다. 포장마차(布張馬車)의 영업실태(營業實態)를 보면 식품재료(食品材料)의 구입(購入)은 소매시장(小賣市場)에서 직접 구입하였고, 팔다남은 재료(材料)는 보관후 다시 사용하는 경우가 많았다. 포장마차(布張馬車)에서 판매(販賣)하는 음식은 주류 및 안주와 간식이 주종이었는데, 각 지역(地域)에서 10위(位)안에 드는 음식은 소주와 김밥이었고, 대체로 구이형태의 음식이 많았으며 실내형(室內型)은 주류 및 안주형이 많았고 이동형(移動型)은 간식을 많이 팔고 있었다. 포장마차(布張馬車)의 총 영업시간(營業時間)은 오후 2시경${\sim}$밤 0시까지 약 10시간(時間) 정도였고 1일(日) 매상액(賣上額)은 이동형(移動型)은 2-3만원, 실내형(室內型)은 4-5만원 정도였고 포장마차(布張馬車)의 약 60% 정도가 자리세를 물고 있었다. 포장마차(布張馬車)의 시설면에서 연료는 주로 연탄을 사용했고, 조명은 전기 혹은 밧데리를 사용했으며 상수도시설은 실내형(室內型)일 경우만 갖추고 있었고 이동형(移動型)은 급수 및 배수가 어려워 위생상태(衛生狀態)가 염려되었다. 위생상태(衛生狀態)는 부합리적(不合理的)인 플라스틱제품의 식기(食器)의 사용, 급수·배수의 어려움, 비위생적(非衛生的)인 세척방법, 재료(材料)의 비위생적(非衛生的) 보관방법, 먹다남은 음식의 재사용 등 포장마차(布張馬車)의 위생실태(衛生實態)는 개선(改善)되어야 할 점이 많이 나타났다. 포장마차(布張馬車)를 주로 찾는 고객(顧客)은 $20{\sim}40$대(代)의 남자(男子)로 직장인(職場人)과 대학생(大學生)이 많았으며 위치에 따라 이용하는 고객(顧客)의 부류가 조금씩 달랐으며 포장마차(布張馬車)를 찾는 동기(動機)는 부담없고 자유(自由)스러운 분위기 때문에 찾는 경우가 많았다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.