[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20190018195A - Image Concept Determination System and Its Determination Method - Google Patents

Image Concept Determination System and Its Determination Method Download PDF

Info

Publication number
KR20190018195A
KR20190018195A KR1020170102846A KR20170102846A KR20190018195A KR 20190018195 A KR20190018195 A KR 20190018195A KR 1020170102846 A KR1020170102846 A KR 1020170102846A KR 20170102846 A KR20170102846 A KR 20170102846A KR 20190018195 A KR20190018195 A KR 20190018195A
Authority
KR
South Korea
Prior art keywords
image
image data
concept
module
similarity
Prior art date
Application number
KR1020170102846A
Other languages
Korean (ko)
Inventor
공미선
Original Assignee
주식회사 스타일큐
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스타일큐 filed Critical 주식회사 스타일큐
Priority to KR1020170102846A priority Critical patent/KR20190018195A/en
Publication of KR20190018195A publication Critical patent/KR20190018195A/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53Querying
    • G06F16/532Query formulation, e.g. graphical querying
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

The present invention relates to an image concept deciding system capable of extracting the most emphasized image concept and a deciding method thereof. According to the present invention, the image concept deciding system comprises: a cooperative filtering module including a similarity weight calculation module, a similar image selection module, an image relation prediction module, a predicted relation evaluation module; and an integrated filtering module including a content-based filtering module and an image-based filtering module.

Description

이미지컨셉 확정시스템 및 확정방법{Image Concept Determination System and Its Determination Method}Image Concept Determination System and Determination Method

본 발명은 이미지컨셉 확정시스템 및 확정방법에 관한 것으로, 보다 상세하게는 복수의 사람 또는 상품이 군집되어 있는 경우에 가장 강조되는 이미지컨셉을 추출할 수 있으며, 복수 구성의 화면에서 특정 이미지를 추출 시 가중치를 개별적으로 계산하거나 통계 기반으로 정량적인 이미지컨셉을 추출하는 기술에 관한 것이다.More particularly, the present invention relates to an image concept determination system and method for extracting a most emphasized image concept when a plurality of people or goods are crowded, To techniques for individually calculating weights or extracting quantitative image concepts based on statistics.

이미지컨셉이란 특정 이미지에서 강조되는 것으로부터 연상되는 특정 관념을 의미하는 것이다. 이는 제품 디자인과 이미지 연출에 있어서 고유한 개성이나 특성으로 추구되기 때문에 이미지컨셉을 선정, 분석 및 평가하기 위해서는 이를 사전에 확정시킬 수 있는 정량적인 기술이 필요하다. An image concept is a specific idea that is associated with being emphasized in a specific image. Because it is pursued with unique personality and characteristics in product design and image rendering, quantitative technology is needed to determine, analyze and evaluate image concept in advance.

따라서 본 발명에서는 사물 또는 인물 등의 다양한 이미지로 구성되어 있는 복수의 집단에서 주류를 이루는 이미지를 추출하여 이를 강조 이미지로 확정하는 기술을 제안하고자 한다.Accordingly, the present invention proposes a technique of extracting mainstream images from a plurality of groups composed of various images such as objects or persons, and fixing them as emphasized images.

본 발명과 유사한 선행기술에는 1)대한민국 공개특허공보 제10-2014-0056085호 ‘의류디자인 개발 시뮬레이션 시스템 및 이를 이용한 의류디자인 개발 방법’이 있다. 상기 유사 선행기술에서는 디자인 인스피레이션부가 이미지데이터를 데이터베이스에서 추출하여 출력하는 s1단계; 제1 맵핑부가 디자인 인스피레이션부에서 출력된 이미지데이터를 기 설정된 복수의 디자인 컨셉 데이터에 대응되게 이미지 맵핑하여 의류디자인 컨셉 데이터를 생성하는 s2단계; 디자인 스케치부가 가상 모델을 대상으로 제1 맵핑부에서 생성된 의류디자인 컨셉 데이터에 따라 스케치된 의류디자인 스케치 데이터를 입력받는 s3단계; 의류디자인 스케치 데이터를 도식화한 의류디자인 도식화 데이터를 도식화부가 입력받는 s4단계; 패턴부가 의류디자인 도식화 데이터에 컬러 데이터, 패턴 데이터 또는 텍스타일 데이터 중 적어도 하나의 데이터를 결합하여 의류디자인 패턴화 데이터를 생성하는 s5단계; 제2 맵핑부가 의류디자인 패턴화 데이터를 가상 모델에 적용시켜 입체화시키는 s6단계;가 포함되는 기술을 개시하는 특징이 있다.Prior arts similar to the present invention include 1) Korean Patent Laid-Open Publication No. 10-2014-0056085 'Apparel design development simulation system and method for developing clothing design using the same. In the above-described prior art, the design inspection unit extracts image data from a database and outputs the extracted image data; S2 of generating clothing design concept data by image mapping the image data output from the design inspiration unit in correspondence with predetermined design concept data; S3 receiving sketched clothing design sketch data according to the clothing design concept data generated by the first mapping unit for the design sketch virtual model; Step s4 of receiving the design data of the clothing design diagrammed with the clothing design sketch data as input by the diagramming unit; S5 combining the data of at least one of the color data, the pattern data, and the textile data with the pattern-added clothing design diagram data to generate clothing design patterning data; And step S6 of applying the garment design patterning data to the virtual model by the second mapping section and solidifying the data.

다른 유사 선행기술에는 2)대한민국 등록특허공보 제10-1617828호 ‘정량 평가 네트워크 기반 이미지 컨셉정보 추출 시스템’이 있다. 상기 유사 선행기술에서는 이미지 컨셉 평가자에 의해 운용되는 복수의 클라이언트 단말기로 이루어지되, 각 클라이언트 단말기는 이미지 컨텐츠의 컨셉을 검출하기 위한 컨셉 추출용 선택항목 컨텐츠가 출력되고, 출력된 컨셉 추출용 선택항목 컨텐츠에 대한 이미지 컨셉 평가자의 선택정보를 입력받게 되는 클라이언트 단말기 유니트와; 클라이언트 단말기 유니트를 이루는 각 클라이언트 단말기와 연동되고, 이미지 컨셉정보 컨텐츠와 컨셉 추출용 선택항목 컨텐츠 및 컨셉 추출 알고리즘이 설정되어 관리되고, 클라이언트 단말기로 컨셉 추출용 선택항목 컨텐츠를 전달하며, 클라이언트 단말기로부터 입력되는 평가자 선택정보를 전달받는 컨셉 추출 알고리즘에 의해 이미지 컨텐츠의 컨셉이 추출되도록 하는 이미지 컨셉 추출 유니트를 포함하는 기술을 개시하는 특징이 있다.Another similar prior art is 2) Korean Patent Registration No. 10-1617828 entitled " Quantitative evaluation network-based image concept information extraction system ". In the above-described prior arts, a plurality of client terminals operated by an image concept evaluator, each client terminal outputs a selection item content for concept extraction for detecting a concept of image content and outputs the selected selection item content for concept extraction A client terminal unit for receiving selection information of an image concept evaluator for the client terminal unit; The client terminal unit is interlocked with each client terminal constituting the client terminal unit. The image concept information contents, the selection item contents for concept extraction and the concept extraction algorithm are set and managed, the selection contents for concept extraction are delivered to the client terminal, And an image concept extraction unit for extracting the concept of the image content by a concept extraction algorithm that receives the evaluator selection information.

하지만, 종래기술은 복수의 사람 또는 상품이 군집되어 있는 경우에 가장 강조되는 이미지컨셉의 추출이 어려운 문제점이 있다. 또한 복수 구성의 화면에서 특정 이미지를 추출 시 가중치를 개별적으로 계산하거나 통계 기반으로 정량적인 이미지컨셉 추출이 불가능한 문제점이 있으며, 이를 해결하기 위한 기술적 수단이 제시되지 못하였다.However, the conventional art has a problem that it is difficult to extract the most emphasized image concept when a plurality of people or goods are crowded. In addition, there is a problem that it is impossible to calculate weight individually when extracting a specific image from a screen of plural configurations or to quantitatively extract an image concept based on statistics, and no technical means for solving the problem has been proposed.

대한민국 공개특허공보 제10-2014-0056085호(2014.05.09.) ‘의류디자인 개발 시뮬레이션 시스템 및 이를 이용한 의류디자인 개발 방법’Korean Patent Laid-Open Publication No. 10-2014-0056085 (2014.05.09.) 'Apparel design development simulation system and method of developing clothing design using it' 대한민국 공개특허공보 제10-1617828호(2016.05.12.) ‘정량 평가 네트워크 기반 이미지 컨셉정보 추출 시스템’Korean Patent Laid-Open Publication No. 10-1617828 (May 20, 2016) 'Image concept information extraction system based on quantitative evaluation network'

본 발명은 상기한 발명의 배경으로부터 요구되는 기술적 필요성을 충족하는 것을 목적으로 한다. 구체적으로, 본 발명의 목적은 다양성이 존재하는 복수의 사람 또는 사물의 군집에서 하나의 강조된 이미지컨셉을 확정하는 기술을 제공하는 것에 목적이 있다.The present invention aims to satisfy the technical needs required from the background of the above-mentioned invention. In particular, it is an object of the present invention to provide a technique for establishing a single emphasized image concept in a plurality of persons or objects of a variety in which diversity exists.

그리고 일일이 수치를 계산할 수 없는 이미지를 구분하고 이의 공통 분모가 도출된 알고리즘을 활용하여 유사 또는 동일 이미지를 추출하며, 군집된 상황에서 강조된 정도를 정량적으로 추정하기 위하여 각 군집에서 추출된 복수의 이미지들에 대한 가중치를 계산하고 이를 다시 복수의 군집에서 추출된 수치의 평균값으로 강조 이미지컨셉을 확정하는 기술을 제공하는 것에 또 다른 목적이 있다.In order to quantitatively estimate the degree of emphasis in a crowded situation, a plurality of images extracted from the respective clusters are classified into a plurality of images There is a further object to provide a technique of calculating a weight for a plurality of clusters and determining an emphasized image concept as an average of values extracted from a plurality of clusters.

본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical objects to be achieved by the present invention are not limited to the above-mentioned problems, and other technical subjects not mentioned can be clearly understood by those skilled in the art from the following description. There will be.

이러한 목적을 달성하기 위한 본 발명에 따른 이미지컨셉 확정시스템은 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출모듈, 특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사이미지 선택모듈, 상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하기 위한 이미지연관도 예측모듈, 상기 예측된 연관도의 유효성을 검증하는 예측연관도 평가모듈이 포함된 협력적 필터링 모듈과; 이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 내용기반 필터링모듈, 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지기반 필터링모듈이 포함된 통합필터링모듈;로 구성되고, 상기 이미지컨셉 확정시스템을 이용한 이미지컨셉 확정방법은 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출단계, 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사 이미지컨셉 선택단계, 이미지데이터 간의 연관도를 예측하는 이미지컨셉 연관도 예측단계, 상기 예측된 연관도의 유효성을 검층하는 이미지컨셉 예측연관도 평가단계가 포함되는 협력적 필터링 수행단계와; 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 이미지컨셉 내용기반 필터링단계, 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지컨셉 정보기반 필터링 단계가 포함되는 이미지컨셉 통합필터링 수행단계로 실시흐름이 형성된다.According to an aspect of the present invention, there is provided an image concept determination system including a similarity weight calculation module for calculating a similarity weight between specific image data and similar image data, a similarity calculation module for determining a sample population of image data having high similarity to specific image data, A collaborative filtering module including an image selection module, an image association degree prediction module for predicting a degree of association between the sample group and the image data of the sample group, and a prediction association degree evaluation module for verifying the validity of the predicted association degree; A content-based filtering module for ranking and filtering the text similarity degree of an image concept representing image data, and an integrated filtering module including an image-based filtering module for extracting and filtering pixel characteristics of image data, A method for determining an image concept using a system includes a similarity weight calculation step of calculating a similarity weight among image data, a similar image concept selection step of determining a sample population of highly similar image data, an image concept association prediction A cooperative filtering step in which an image concept prediction association degree evaluation step of checking the validity of the predicted association degree is included; An image concept content-based filtering step of ranking and filtering the text similarity degree of the image concept, and an image concept information-based filtering step of extracting and filtering pixel characteristics of the image data. .

이상과 같이 본 발명은 서로 다른 이미지의 군집 중에서 강조된 이미지컨셉을 확정할 수 있는 효과가 있다. 또한 특정 군집으로부터 특정 이미지를 확정해야 하는 이미지 메이킹 작업에 적용할 수 있는 효과가 있다. 그리고 복수의 상점이 밀집해 있는 곳에서 복수의 상품으로 구성된 개별 상점의 컨셉을 정량적인 방법으로 도출하고 확정함으로써 편집샵 구성이나 상권분석 등에 활용할 수 있는 효과가 있다.As described above, the present invention has the effect of confirming the emphasized image concept among the clusters of different images. In addition, there is an effect that can be applied to an image making operation in which a specific image must be confirmed from a specific cluster. In addition, the concept of an individual store composed of a plurality of commodities is deduced and determined by a quantitative method in a place where a plurality of shops are concentrated, and thus the system can be used for editing shops or commercial analysis.

본 발명의 기술적 효과들은 이상에서 언급한 기술적 효과들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 효과들은 청구범위의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.It is to be understood that the technical advantages of the present invention are not limited to the technical effects mentioned above and that other technical effects not mentioned can be clearly understood by those skilled in the art from the description of the claims There will be.

도 1은 본 발명에 따른 이미지컨셉 확정시스템의 구성도;
도 2는 본 발명에 따른 협력적 필터링모듈의 구성도;
도 3은 본 발명에 따른 통합필터링모듈의 구성도;
도 4는 본 발명에 따른 협력적 필터링 수행단계의 실시흐름도;
도 5는 이미지컨셉 통합필터링 수행단계의 실시흐름도이다.
1 is a configuration diagram of an image concept determination system according to the present invention;
2 is a block diagram of a cooperative filtering module according to the present invention;
3 is a configuration diagram of an integrated filtering module according to the present invention;
4 is a flow chart of an implementation of cooperative filtering in accordance with the present invention;
Fig. 5 is a flowchart of the implementation of the image concept integrated filtering.

이하에서는, 본 발명의 목적이 구체적으로 실현될 수 있는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명하지만, 이는 본 발명의 더욱 용이한 이해를 위한 것으로, 본 발명의 범주가 그것에 의해 한정되는 것은 아니다. 또한 본 실시예를 설명함에 있어서, 동일 구성에 대해서는 동일 명칭 및 동일 부호가 사용되며 이에 따른 부가적인 설명은 생략하기로 한다.BRIEF DESCRIPTION OF THE DRAWINGS The above and other objects, features and advantages of the present invention will become more apparent from the following detailed description of the present invention when taken in conjunction with the accompanying drawings, It is not. In the following description of the present embodiment, the same components are denoted by the same reference numerals and symbols, and further description thereof will be omitted.

본 발명에 따른 복수의 상품에 대한 이미지컨셉을 추출하여 대표 이미지컨셉을 확정시키는 이미지컨셉 확정시스템(10)은 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출모듈(110), 특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사이미지 선택모듈(120), 상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하기 위한 이미지연관도 예측모듈(130), 상기 예측된 연관도의 유효성을 검증하는 예측연관도 평가모듈(140)이 포함된 협력적 필터링 모듈(100)과; 이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 내용기반 필터링모듈(210), 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지기반 필터링모듈(220)이 포함된 통합필터링모듈(200);로 구성되고, The image concept determination system 10 for extracting an image concept for a plurality of products according to the present invention and determining a representative image concept includes a similarity weight calculation module 110 for calculating a similarity weight between specific image data and similar image data, A similarity image selection module 120 for determining a sample population of image data having high similarity to image data, an image association degree prediction module 130 for estimating a degree of association between the sample population and image data of the sample population, A cooperative filtering module (100) including a prediction association evaluation module (140) for verifying the validity of the association; An integrated filtering module 200 including a content based filtering module 210 for ranking and filtering the text similarity degree of an image concept representing image data, an image based filtering module 220 for extracting and filtering pixel characteristics for image data, ; ≪ / RTI >

상기 이미지컨셉 확정시스템(10)을 이용한 이미지컨셉 확정방법은 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출단계(S110), 특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사 이미지컨셉 선택단계(S120), 상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하는 이미지컨셉 연관도 예측단계(S130), 상기 예측된 연관도의 유효성을 검층하는 이미지컨셉 예측연관도 평가단계(S140)가 포함되는 협력적 필터링 수행단계(S100)와; 이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 이미지컨셉 내용기반 필터링단계(S210), 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지컨셉 정보기반 필터링 단계(S220)가 포함되는 이미지컨셉 통합필터링 수행단계(S200)로 실시흐름이 형성된다.The image concept determination method using the image concept determination system 10 includes a similarity weight calculation step S110 for calculating a similarity weight value between specific image data and similar image data, a sample population of image data having high similarity to the specific image data, A similarity image concept selection step S120, an image concept association prediction step S130 for predicting a correlation between the sample population and the image data of the sample population, an image concept prediction association for checking the validity of the predicted association degree A collaborative filtering step (S100) in which the step (S140) of evaluating is included; An image concept content-based filtering step S210 for ranking and filtering the text similarity degree of an image concept representing image data, an image concept including an image concept information-based filtering step S220 for extracting and filtering pixel characteristics for image data An execution flow is formed in the integrated filtering execution step (S200).

본 발명에 따른 이미지컨셉 확정시스템 및 확정방법은 특정 장소에서 특정 이미지를 추출하여 상기 특정 이미지를 주된 강조 이미지로 나타내어 이미지를 컨셉화하는 것이다. 이러한 본 발명에 따른 이미지컨셉 확정시스템은 하나 이상의 이미지콘텐츠군집에서 강조점 또는 특징점을 탐색하여 결정하고, 상기 강조점 또는 특징점에 부합하는 주요 이미지컨셉을 상기 하나 이상의 이미지콘텐츠 군집의 대표 컨셉으로 추출한다. 본 발명에서 의미하는 이미지콘텐츠는 온라인상의 인물과 사물 등이 포함된 이미지 데이터를 의미한다. 전술한 강조점 또는 특징점을 추출하기 위해서는 먼저 이미지데이터에서 사전 정보를 추출하여야 한다. 상기 사전 정보를 추출하기 위해서는 상기 이미지데이터의 영역 계산이 필요하며 이는 이미지데이터의 픽셀 값을 이용하여 가능하다.The system and method for determining an image concept according to the present invention extracts a specific image at a specific place and displays the specific image as a main emphasized image to conceive an image. The image concept determination system according to the present invention searches for emphasis points or feature points in one or more image content communities and extracts a main image concept corresponding to the emphasis points or feature points as a representative concept of the at least one image content community. The image content in the present invention means image data including characters and objects on-line. In order to extract the above-described emphasis points or feature points, the dictionary information must first be extracted from the image data. In order to extract the dictionary information, area calculation of the image data is required, which is possible by using pixel values of image data.

일실시예로, 수많은 제품군을 보유한 특정 상점이 존재하는 경우에, 상기 특정 상점의 특징을 찾는데 활용하는 것이다. 예를 들어 상점A, 상점B, 상점C가 존재하고, 상기 상점A에는 꽃무늬 의류 21점, 물방울무늬 의류 9점, 민무늬 의류 5점의 총 35점의 이류를 보유하고 있고, 상기 상점B에는 꽃무늬 의류 25점, 물방울무늬 의류 30점, 민무늬 의류 15점의 총 70점의 의류를 보유하고 있고, 상기 상점C에는 꽃무늬 의류 27점, 물방울무늬 20점, 민무늬 의류 3점의 총 50점의 의류를 보유하고 있는 경우에 있어서,In one embodiment, in the presence of a particular store having a large number of product groups, it is utilized to find the characteristics of the specific store. For example, there are shops A, B, and C, and stores A total of 35 adidas including 21 flower-patterned clothes, 9 polka-dotted clothing, and 5 non-woven clothes, A total of 70 garments including 25 floral garments, 30 polka dot garments, and 15 uniform garments. In the shop C, a total of 50 points including 27 floral prints, 20 polka dots, Of clothes,

상기 상점A, 상점B, 상점C에서 보유 중인 각 의류의 이미지데이터를 취득한 후, 상기 이미지데이터를 의류의 무늬에 따라 분류하며, 분류된 이미지데이터 중에 가장 많은 수를 차지하는 이미지데이터에 이미지컨셉 명칭을 부여하게 된다.After obtaining the image data of each of the garments stored in the shops A, B, and C, the image data is classified according to the garment pattern, and the image concept name is added to the image data occupying the largest number of the classified image data .

이러한 과정을 통해서 특정 상점이 보유 중인 의류가 꽃무늬가 가장 많은 것으로 확인되었다면, 상기 특정 상점의 이미지는 꽃무늬가 주된 강조 이미지로 분류되는 것이며, 이는 이미지컨셉이 로맨틱이라고 명칭을 부여받아 최종적으로 이미지컨셉이 확정되게 된다.If it is confirmed through the above process that the garment being held by a particular store has the greatest floral pattern, the image of the particular shop is classified as a main emphasized image, and the image concept is given as a romantic name, The concept becomes definite.

또 다른 일실시예로, 군집 속에서 인물에 대한 이미지컨셉을 찾는 경우에, 상기 군집 속에서 대분류 군집으로 복수의 특정 이미지를 추출하고 상기 복수의 특정 이미지를 전체 이미지에 대한 가중치를 산출하여 가장 높은 가중치를 갖는 이미지를 상기 군집의 컨셉으로 확정하는 것이다. In yet another embodiment, when searching for an image concept for a person in a community, a plurality of specific images are extracted from the community into a large classification community, and the plurality of specific images are weighted for the entire image, And the image having the weight is determined as the concept of the community.

예를 들어 25명의 여자 연예인들의 이미지 군집이 존재하고, 상기 여자 연예인 중에서 눈이 선한 여자 연예인 7명, 코가 예쁜 여자 연예인 4명, 얼굴형이 갸름한 여자 연예인 2명, 목선이 아름다운 여자 연예인 2명, 기타 분류에 의한 여자 연예인 5명의 총 25명의 여자 연예인 이미지가 있는 경우에 있어서,For example, there are 25 female celebrity image communities, 7 female celebrities with good eyes, 4 female celebrity with beautiful nose, 2 female celebrity with slim face, 2 female celebrity with beautiful face , And a total of 25 female celebrity images by five other female celebrity images,

상기 군집 중 가장 많이 분포하는 눈이 선한 여자 연예인들의 집합으로 간주하여 상기 군집은 눈이 선한 여자 연예인들이라고 명칭을 부여하여 이미지컨셉을 확정하게 된다.Considering that the snow most distributed among the above communities is regarded as a group of good female entertainers, the community is named as good female entertainers and the image concept is confirmed.

그리고 상기 이미지컨셉의 분류는 사물 또는 사람에 모두 적용될 수 있는 개념이다. 상기 사물에 대한 분류는 의류나 패션 용품 등의 형태, 색채 및 문양 등의 특징에 따라 분류하는 것을 의미하는 것이고, 상기 사람에 대해서는 상기 사물을 착용한 사람이나, 사람 자체의 얼굴 형태, 피부톤 및 피부결 등의 요소에 호환하여 분류하는 것에 적용 가능하지만 이에 대해 한정하는 것은 아니다.And the classification of the image concept is a concept that can be applied to both objects or people. The classification of the objects refers to classifying the objects according to features such as clothing, fashion items, color, and pattern, and the person may be a person who wears the object, a face shape of the person itself, But the invention is not limited thereto.

도 1은 본 발명에 따른 이미지컨셉 확정시스템의 구성도이고, 도 2는 본 발명에 다른 협력적 필터링모듈의 구성도이며 도 3은 본 발명에 따른 통합필터링모듈의 구성도로 이를 참조하여 상술하면, FIG. 1 is a configuration diagram of an image concept determination system according to the present invention, FIG. 2 is a configuration diagram of a cooperative filtering module according to the present invention, FIG. 3 is a configuration of an integrated filtering module according to the present invention,

본 발명의 이미지컨셉 확정시스템(10)은 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출모듈(110), 특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사이미지 선택모듈(120), 상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하기 위한 이미지연관도 예측모듈(130), 상기 예측된 연관도의 유효성을 검증하는 예측연관도 평가모듈(140)이 포함된 협력적 필터링 모듈(100)과;The image concept determination system (10) of the present invention includes a similarity weight calculation module (110) for calculating a similarity weight value between specific image data and similar image data, a similarity image selection module A module 120, an image association degree prediction module 130 for estimating a degree of association between the sample group and the image data of the sample group, and a prediction association degree evaluation module 140 for verifying the validity of the predicted association degree A cooperative filtering module 100 included;

이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 내용기반 필터링모듈(210), 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지기반 필터링모듈(220)이 포함된 통합필터링모듈(200);로 구성된다.An integrated filtering module 200 including a content based filtering module 210 for ranking and filtering the text similarity degree of an image concept representing image data, an image based filtering module 220 for extracting and filtering pixel characteristics for image data, .

상기 유사도 가중치 산출모듈(110)은 상관계수값, 벡터유사도값, 기본 연관도값 중 어느 하나 이상을 선택하여 유사도 가중치 산출 결과의 정확도를 향상시킬 수 있는데 이에 대한 자세한 설명은 후술하기로 한다.The similarity weight calculation module 110 may improve the accuracy of the similarity weight calculation result by selecting one or more of the correlation coefficient value, the vector similarity value, and the basic association degree value, which will be described in detail later.

상기 내용기반 필터링모듈(210)은 보통명사, 고유명사, 의존명사를 기준으로 이미지컨셉을 나타내는 텍스트의 형태소를 분석하는 형태소 분석모듈(211), 이미지컨셉을 나타내는 텍스트의 특징적인 표현을 추출하는 특징단어 추출모듈(212), 이미지컨셉의 표현 정보를 내재한 프로파일을 바탕으로 이미지데이터의 컨셉을 제공하는 프로파일 학습모듈(213)이 더 포함된다.The content-based filtering module 210 includes a morpheme analysis module 211 for analyzing a morpheme of a text representing an image concept on the basis of a normal noun, a proper noun, and a dependent noun, a feature extracting feature characteristic expression A word extracting module 212, and a profile learning module 213 for providing a concept of image data based on a profile having representation information of an image concept.

그리고 상기 이미지기반 필터링모듈(220)은 이미지데이터의 서로 유사한 색 히스토그램의 특징을 추출하는 이미지특징 추출모듈(221), 이미지데이터의 색상 정보를 보완하기 위한 하르웨이블릿 변환모듈(222), 동일한 길이 간격을 가진 색 히스토그램의 거리 범위에 따라 이미지 데이터를 군집시키는 이미지 군집모듈(223), 특정 이미지데이터와 신규 이미지데이터와의 유사도 값이 최대가 되는 군집에 이미지데이터를 분류시키는 이미지 분류모듈(224)로 구성된다.The image-based filtering module 220 includes an image feature extraction module 221 for extracting features of similar color histograms of image data, a wavelet transform module 222 for complementing color information of image data, An image clustering module 223 for clustering image data according to the distance range of the color histogram having the maximum value of the color histogram, and an image classification module 224 for classifying the image data into a cluster having the maximum similarity value between the specific image data and the new image data .

또한 본 발명에서 언급되는 상기 이미지컨셉은 대분류 컨셉, 중분류 컨셉, 소분류 컨셉의 3개 항목으로 구성되되,The image concept referred to in the present invention is composed of three items of a major classification concept, a middle classification concept and a small classification concept,

상기 대분류 컨셉은 매니쉬 타입, 클래식 타입, 캐주얼 타입, 유니크 타입, 페미닌 타입의 5개로 분류되며;The above-mentioned major classification concept is classified into five types: Manish type, Classic type, Casual type, Unique type and Feminine type;

상기 매니쉬 타입의 대분류 컨셉은 클래식 타입과 캐주얼 타입의 2개로 중분류 컨셉이 분류되고, 상기 클래식타입의 대분류 컨셉은 클래식 타입의 1개로 중분류 컨셉이 분류되며, 상기 캐주얼타입의 대분류 컨셉은 캐주얼 타입의 1개로 중분류 컨셉이 분류되고, 상기 유니크 타입의 대분류 컨셉은 클래식 타입과 캐주얼 타입의 2개로 중분류 컨셉이 분류되며, 상기 페미닌 타입의 대분류 컨셉은 클래식 타입과 캐주얼 타입의 2개로 중분류 컨셉이 분류되고;The concept of the large classification of the Manish type is classified into two classes of the classical type and the casual type. The classical concept of the classical type is classified into one classical concept, and the classical concept of the casual type is classified into casual type 1 And the concept of middle classification is classified into two types of classic type and casual type. The concept of the large classification of the feminine type is divided into two classifications of classical type and casual type;

상기 매니쉬 타입의 대분류에 클래식 타입의 중분류는 매니쉬클래식 타입과 밀리터리클래식 타입의 2개로 소분류 컨셉이 분류되고, 상기 매니쉬 타입의 대분류에 캐주얼 타입의 중분류는 매니쉬캐주얼 타입과 밀리터리캐주얼 타입의 2개로 소분류 컨셉이 분류되며;In the Manish type main categories, the sub classifications of the classic type are divided into two sub categories, Manish Classic type and Military Classic type. In the Manish type main category, Casual type sub categories are classified into Manish casual type and Military casual type. Are classified;

상기 클래식 타입의 대분류에 캐주얼 타입의 중분류는 모던시크클래식 타입, 심플클래식 타입, 여피클래식 타입의 3개로 소분류 컨셉이 분류되고; The subclass of casual type classified into the above-mentioned classical classifications is classified into three classifications of ModernSec Classic class, SimpleClass class and Yupee Classical class;

상기 캐주얼타입의 대분류에 캐주얼 타입의 중분류는 어반데일리캐주얼 타입, 시티캐주얼타입, 여피캐주얼타입,패셔너블캐주얼타입, 이지캐주얼타입의 5개로 소분류 컨셉이 분류되며;In the above casual type main category, the sub classifications of the casual type are classified into five categories: Urban Daily Casual Type, City Casual Type, Jeffy Casual Type, Fashionable Casual Type and Easy Casual Type;

상기 유니크타입의 대분류에 클래식 타입의 중분류는 오리엔탈리즘클래식의 1개로 소분류 컨셉이 분류되고, 상기 유니크타입의 대분류에 캐주얼 타입의 중분류는 아트캐주얼, 빈티지캐주얼, 아방가르드캐주얼, 에스닉캐주얼, 힙합펑크캐쥬얼의 5개로 소분류 컨셉이 분류되며;The subclass of the classic type is classified into one of the above-mentioned unique type, and the subclass concept is classified into one of the orientalism class. The subclass of the casual type is classified into the art casual, vintage casual, avant-garde casual, ethnic casual, hip-hop punk casual A small subcategory concept is categorized;

상기 페미닌타입의 대분류에 클래식 타입의 중분류는 로맨틱클래식, 페미닌클래식, 걸리쉬클래식, 엘레강스클래식, 럭셔리클래식, 섹시클래식의 6개로 소분류 컨셉이 분류되며, 상기 페미난 타입의 대분류에 캐주얼 타입의 중분류는 페미닌캐주얼, 걸리쉬캐주얼, 섹시캐주얼의 3개로 소분류 컨셉으로 분류되는 것이 바람직하다.In the above-mentioned feminine type main category, the sub classifications of the classic type are classified into six categories of Romantic Classic, Feminine Classic, Gullish Classic, Elegance Classic, Luxury Classic and Sexy Classic, and the casual type sub classifications of Feminine type are classified into Feminine It is preferable to be classified into three categories of casual, casual, casual and sexy casual.

도 4는 본 발명에 따른 협력적 필터링 수행단계의 실시흐름도이고, 도 5는 이미지컨셉 통합필터링 수행단계의 실시흐름도로 이를 참조하여 상술하면,FIG. 4 is a flow chart of the implementation of the cooperative filtering according to the present invention, FIG. 5 is a flow chart of the implementation of the image concept integration filtering,

본 발명에 따른 이미지컨셉 확정방법은 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출단계(S110), 특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사 이미지컨셉 선택단계(S120), 상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하는 이미지컨셉 연관도 예측단계(S130), 상기 예측된 연관도의 유효성을 검층하는 이미지컨셉 예측연관도 평가단계(S140)가 포함되는 협력적 필터링 수행단계(S100)와;The image concept determination method according to the present invention includes a similarity weight calculation step (S110) of calculating a similarity weight value between specific image data and similar image data, a similar image concept selection step of determining a sample population of image data having high similarity with specific image data (S140) for estimating a degree of association between the sample group and the image data of the sample group, an image concept prediction association evaluation step (S140) for checking the validity of the predicted association, (S100);

이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 이미지컨셉 내용기반 필터링단계(S210), 이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지컨셉 정보기반 필터링 단계(S220)가 포함되는 이미지컨셉 통합필터링 수행단계(S200)로 실시흐름이 형성된다.An image concept content-based filtering step S210 for ranking and filtering the text similarity degree of an image concept representing image data, an image concept including an image concept information-based filtering step S220 for extracting and filtering pixel characteristics for image data An execution flow is formed in the integrated filtering execution step (S200).

상기 유사도 가중치 산출단계(S110)에서 가중치는, 피어슨 상관계수법나 스피어만 상관계수법으로 유사도 가중치를 산출하는 상관계수 산출단계(S111), 특정 이미지데이터와 유사 이미지데이터를 벡터공간에 표현하여 유사도 가중치를 산출하는 벡터 유사도 산출단계(S112), 상기 상관계수 산출단계(S11)의 결과값에 연관도가 평가되지 않은 이미지데이터를 추가로 고려하여 유사도 가중치를 산출하는 기본 연관도 평가단계(S113)를 순차적으로 실시하여 산출된 유사도 가중치의 평균값을 사용하거나,In the similarity weight calculation step (S110), the weight is calculated by a correlation coefficient calculation step (S111) of calculating a similarity weight using a Pearson correlation coefficient method or a Spearman correlation coefficient method, a similarity weighting value (S113) of calculating the similarity weight by further considering the image data for which the degree of association is not evaluated with the result value of the correlation coefficient calculating step (S11) The average value of similarity weights calculated using the average value of similarity weights,

상기 상관계수 산출단계(S111), 상기 벡터 유사도 산출단계(S112), 상기 기본 연관도 평가단계(S113)에서 산출된 유사도 가중치 값 중 어느 하나의 값으로만 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치로 사용할 수 있다.The similarity weight value between the specific image data and the similar image data only with any one of the similarity weight values calculated in the correlation coefficient calculation step S111, the vector similarity calculation step S112, and the basic association degree evaluation step S113, .

상기 피어슨 상관계수법은 하기의 수식(1)로 계산되고,The Pearson correlation coefficient method is calculated by the following equation (1)

Figure pat00001
...수식(1)
Figure pat00001
... (1)

여기서,here,

Figure pat00002
는 상점
Figure pat00003
가 보유한 상품
Figure pat00004
의 이미지컨셉에 대하여 평가한 개별 연관도,
Figure pat00002
Shop
Figure pat00003
Goods owned by
Figure pat00004
The individual concept of the image,

Figure pat00005
는 상점
Figure pat00006
가 보유한 상품
Figure pat00007
의 이미지컨셉에 대하여 평가한 개별 연관도,
Figure pat00005
Shop
Figure pat00006
Goods owned by
Figure pat00007
The individual concept of the image,

Figure pat00008
는 상점
Figure pat00009
가 보유한 상품의 이미지컨셉에 대한 연관도 평균값,
Figure pat00008
Shop
Figure pat00009
The average value of association with the image concept of the product possessed by the user,

Figure pat00010
는 상점
Figure pat00011
가 보유한 상품의 이미지컨셉에 대한 연관도 평균값을 의미한다.
Figure pat00010
Shop
Figure pat00011
The average value of the associations with respect to the image concept of the product possessed by the user.

상기 스피어만 상관계수법은 수식(2)로 계산되고,The Spearman correlation coefficient method is calculated by Equation (2)

Figure pat00012
...수식(2)
Figure pat00012
... (2)

여기서, here,

Figure pat00013
는 상점
Figure pat00014
가 보유한 상품
Figure pat00015
의 이미지컨셉에 대한 연관도 순위,
Figure pat00013
Shop
Figure pat00014
Goods owned by
Figure pat00015
Relational rankings for image concepts,

Figure pat00016
는 상점
Figure pat00017
의 연관도를 평가한 상품의 이미지컨셉에 대한 중간 순위,
Figure pat00016
Shop
Figure pat00017
The intermediate rank of the image concept of the product which evaluated the degree of association of the product,

Figure pat00018
는 상점
Figure pat00019
가 보유한 상품
Figure pat00020
의 이미지컨셉에 대한 연관도 순위,
Figure pat00018
Shop
Figure pat00019
Goods owned by
Figure pat00020
Relational rankings for image concepts,

Figure pat00021
는 상점
Figure pat00022
의 연관도를 평가한 상품의 이미지컨셉에 대한 중간 순위이다.
Figure pat00021
Shop
Figure pat00022
Is an intermediate ranking for the image concept of the product that evaluated the degree of association.

상기 벡터 유사도법은 수식(3)으로 계산되고,The vector similarity method is calculated by Equation (3)

Figure pat00023
...수식(3)
Figure pat00023
... (3)

여기서,here,

Figure pat00024
는 상점
Figure pat00025
가 보유한 상품의 이미지컨셉에 대하여 연관도를 평가한 상품의 집합이다.
Figure pat00024
Shop
Figure pat00025
Is a set of products that evaluate the degree of association with the image concept of a product possessed by the user.

상기 기본 연관도 평가법은 수식(4)로 계산되고,The basic association degree evaluation method is calculated by Equation (4)

Figure pat00026
Figure pat00026

...수식(4)... (4)

여기서,here,

Figure pat00027
는 상점
Figure pat00028
와 상점
Figure pat00029
모두에서 이미지컨셉의 연관도가 평가된 상품,
Figure pat00027
Shop
Figure pat00028
And shops
Figure pat00029
In all, products whose relevance of image concept is evaluated,

Figure pat00030
은 상점
Figure pat00031
와 상점
Figure pat00032
중 어느 한 상점에서 이미지컨셉의 연관도가 평가된 상품의 개수,
Figure pat00030
Silver store
Figure pat00031
And shops
Figure pat00032
The number of products in which the degree of association of the image concept is evaluated in any one of the stores,

Figure pat00033
는 상점
Figure pat00034
와 상점
Figure pat00035
모두에서 이미지컨셉의 연관도가 평가되지 않은 상품의 개수이다.
Figure pat00033
Shop
Figure pat00034
And shops
Figure pat00035
In all, the number of products for which the degree of association of the image concept is not evaluated.

도 4를 참조하면 상기 유사 이미지컨셉 선택단계(S120)는, 특정 이미지데이터와 다른 이미지데이터 사이의 유사도를 계산하는 유사도 계산단계(S121)와, 상기 계산된 유사도를 이용하여 이미지컨셉을 예측하기 위해 표본 이미지데이터 개수를 결정하는 표본 이미지데이터 개수 결정단계(S122)가 더 포함되고, Referring to FIG. 4, the similar image concept selection step S120 includes a similarity calculation step S121 for calculating a similarity between specific image data and other image data, and a similarity calculation step S122 for predicting the image concept using the calculated similarity Further comprising a sample image data number determination step (S122) of determining a sample image data number,

상기 표본 이미지데이터 개수 결정단계(S122)는, 이미지데이터 간의 유사도 가중치가 기준값 이상인 이미지데이터만을 사용하고자 표본 이미지데이터 개수를 결정하는 최적임계값 설정단계(S122a)와, 특정 이미지데이터와 유사한 이미지데이터의 최대 허용 개수를 설정하는 유사 이미지데이터 최대 허용 개수 설정단계(S122b)가 더 포함된다.The step of determining the number of sample image data (S122) may include an optimum threshold value setting step (S122a) of determining the number of sample image data to use only image data whose similarity weight value between image data is equal to or greater than a reference value, And a similar image data maximum allowable number setting step (S122b) for setting the maximum allowable number.

그리고 상기 이미지컨셉 연관도 예측단계(S130)는 유사 연관도를 가진 이미지데이터들 간의 연관도를 기반으로, 상기 연관도가 산출되지 않은 신규 이미지데이터의 연관도를 예측하는 것으로, 수식(5)로 산출되며,The image concept association prediction step S130 predicts the association degree of the new image data in which the degree of association is not calculated based on the degree of association between the image data having the similarity degree, Lt; / RTI >

Figure pat00036
...수식(5)
Figure pat00036
(5)

여기서,here,

Figure pat00037
는 상점
Figure pat00038
가 보유한 상품
Figure pat00039
의 이미지컨셉에 대해서 연관도를 예측한 값,
Figure pat00037
Shop
Figure pat00038
Goods owned by
Figure pat00039
A value obtained by predicting the association degree with respect to the image concept of the image,

Figure pat00040
는 상점
Figure pat00041
가 보유한 상품의 이미지컨셉에 대한 연관도 평균값,
Figure pat00040
Shop
Figure pat00041
The average value of association with the image concept of the product possessed by the user,

Figure pat00042
는 상점
Figure pat00043
와 상점
Figure pat00044
의 유사도 가중치,
Figure pat00042
Shop
Figure pat00043
And shops
Figure pat00044
The similarity weight,

Figure pat00045
은 상점
Figure pat00046
와 다른 상점들 간의 유사도가 0이 아닌 상점의 수이다.
Figure pat00045
Silver store
Figure pat00046
And the number of stores whose similarity between the other stores is not zero.

도 5를 참조하면, 상기 이미지컨셉 내용기반 필터링단계(S210)는, 이미지컨셉에 대한 텍스트를 수집하고자 타겟 웹사이트의 웹정보를 수집하는 타겟 웹정보 수집단계(S211), 웹로봇 에이전트에 의해 복수의 이미지컨셉에 대한 텍스트가 추출되는 이미지컨셉 텍스트 추출단계(S212), 이미지컨셉 텍스트의 수와 출현 빈도를 사전 집계하는 엔트리파일 전처리단계(S213), 엔트리파일에 내재된 이미지컨셉 텍스트를 데이터베이스화 하는 이미지컨셉 텍스트 데이터베이스 구축단계(S214)가 더 포함된다. 이때 상기 이미지컨셉 텍스트 추출단계(S212)는, 복수의 이미지컨셉 텍스트가 포함된 웹문서를 수집하는 웹문서 수집단계(S212a), 수집된 웹문서의 수, 내용, URL이 저장된 엔트리파일을 생성하는 엔트리파일 생성단계(S212b)가 더 포함된다.Referring to FIG. 5, the image concept content-based filtering step S210 includes a target web information collection step S211 for collecting web information of a target web site in order to collect text about an image concept, An entry file pre-processing step (S213) for pre-counting the number of image concept texts and the appearance frequency, an image concept text embedded in the entry file is converted into a database The image concept text database construction step S214 is further included. At this time, the image concept text extraction step S212 includes a web document collection step S212a for collecting a web document including a plurality of image concept texts, an entry file storing the number, content, and URL of the collected web documents An entry file creation step (S212b) is further included.

그리고 상기 이미지컨셉 정보기반 필터링 단계(S220)는, 이미지데이터의 컬러 정보에 대한 색 히스토그램을 산출하는 색 히스토그램 산출단계(S221), 상점별 연관도와 이미지데이터의 색정보 간의 상관관계를 분석하는 상점 및 이미지데이터 색정보 상관관계 분석단계(S222), 상기 상점별 연관도와 상기 색 히스토그램 간의 상관관계를 분석하는 상점 및 색 히스토그램 상관관계 분석단계(S223), 복수의 이미지데이터를 이미지컨셉별로 분류하는 이미지데이터 자동분류단계(S224)가 더 포함된다.The image concept information-based filtering step S220 includes a color histogram calculation step S221 for calculating a color histogram of the color information of the image data, a shop for analyzing the correlation between color information of the image data, A shop color histogram correlation analyzing step (S223) for analyzing a correlation between the image data color information correlation (S222), the store correlation and the color histogram, An automatic classification step S224 is further included.

이상 본 발명의 실시예에 따른 도면을 참조하여 설명하였지만, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면 상기 내용을 바탕으로 본 발명의 범주 내에서 다양한 응용, 변형 및 개작을 행하는 것이 가능할 것이다. 이에, 본 발명의 진정한 보호 범위는 첨부된 청구 범위에 의해서만 정해져야 할 것이다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, will be. Accordingly, the true scope of the present invention should be determined only by the appended claims.

10 : 이미지컨셉 확정시스템
100 : 협력적 필터링모듈
110 : 유사도 가중치 산출모듈
120 : 유사이미지 선택모듈
130 : 이미지연관도 예측모듈
140 : 예측연관도 평가모듈
200 : 통합 필터링모듈
210 : 내용기반 필터링모듈
211 : 형태소 분석모듈
212 : 특징단어 추출모듈
213 : 프로파일 학습모듈
220 : 이미지기반 필터링모듈
221 : 이미지특징 추출모듈
222 : 하르웨이블릿 변환모듈
223 : 이미지 군집모듈
224 : 이미지 분류모듈
10: Image concept confirmation system
100: Collaborative filtering module
110: Similarity weight calculation module
120: Similar image selection module
130: image association prediction module
140: Predictive relevance evaluation module
200: Integrated Filtering Module
210: Content Based Filtering Module
211: Morpheme module
212: feature word extraction module
213: profile learning module
220: Image-based filtering module
221: Image feature extraction module
222: Hars wavelet transform module
223: Image cluster module
224: Image classification module

Claims (10)

복수의 상품에 대한 이미지컨셉을 추출하여 대표 이미지컨셉을 확정시키는 이미지컨셉 확정시스템에 있어서.
특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출모듈(110),
특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사이미지 선택모듈(120),
상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하기 위한 이미지연관도 예측모듈(130),
상기 예측된 연관도의 유효성을 검증하는 예측연관도 평가모듈(140)이 포함된 협력적 필터링 모듈(100)과;
이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 내용기반 필터링모듈(210),
이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지기반 필터링모듈(220)이 포함된 통합필터링모듈(200);로 구성되는 것을 특징으로 하는 이미지컨셉 확정시스템.
An image concept determination system for extracting an image concept for a plurality of products to determine a representative image concept.
A similarity weight calculation module 110 for calculating a similarity weight value between specific image data and similar image data,
A similar image selection module 120 for determining a sample group of image data having high similarity to specific image data,
An image association degree prediction module 130 for estimating a degree of association between the sample group and image data of the sample group,
A cooperative filtering module (100) including a prediction association evaluation module (140) for verifying the validity of the predicted association;
A content based filtering module 210 for ranking and filtering the text similarity degree of the image concept representing the image data,
And an integrated filtering module (200) including an image-based filtering module (220) for extracting and filtering pixel features for image data.
제1항에 있어서,
상기 유사도 가중치 산출모듈(110)은 상관계수값, 벡터유사도값, 기본 연관도값, 역사용자 빈도값 중 어느 하나 이상을 선택하여 유사도 가중치 산출 결과의 정확도를 향상시키는 것을 특징으로 하는 이미지컨셉 확정방법.
The method according to claim 1,
The similarity weight calculation module 110 selects one or more of the correlation coefficient value, the vector similarity value, the basic association degree value, and the inverse user frequency value to improve the accuracy of the similarity weight calculation result .
제1항에 있어서,
상기 내용기반 필터링모듈(210)은,
보통명사, 고유명사, 의존명사를 기준으로 이미지컨셉을 나타내는 텍스트의 형태소를 분석하는 형태소 분석모듈(211),
이미지컨셉을 나타내는 텍스트의 특징적인 표현을 추출하는 특징단어 추출모듈(212),
이미지컨셉의 표현 정보를 내재한 프로파일을 바탕으로 이미지데이터의 컨셉을 제공하는 프로파일 학습모듈(213)이 더 포함되어 구성되는 것을 특징으로 하는 이미지컨셉 확정시스템.
The method according to claim 1,
The content-based filtering module 210,
A morpheme analysis module 211 for analyzing a morpheme of a text representing an image concept based on a normal noun, a proper noun, and a dependent noun;
A feature word extraction module 212 for extracting a characteristic expression of text representing an image concept,
And a profile learning module (213) for providing a concept of image data based on a profile in which presentation information of an image concept is included.
제1항에 있어서,
상기 이미지기반 필터링모듈(220)은,
이미지데이터의 서로 유사한 색 히스토그램의 특징을 추출하는 이미지특징 추출모듈(221),
이미지데이터의 색상 정보를 보완하기 위한 하르웨이블릿 변환모듈(222),
동일한 길이 간격을 가진 색 히스토그램의 거리 범위에 따라 이미지 데이터를 군집시키는 이미지 군집모듈(223),
특정 이미지데이터와 신규 이미지데이터와의 유사도 값이 최대가 되는 군집에 이미지데이터를 분류시키는 이미지 분류모듈(224)로 구성되는 것을 특징으로 하는 이미지컨셉 확정시스템.
The method according to claim 1,
The image-based filtering module (220)
An image feature extraction module 221 for extracting characteristics of similar color histograms of image data,
A Har wavel transform module 222 for supplementing color information of image data,
An image clustering module 223 for clustering image data according to a distance range of a color histogram having the same length interval,
And an image classification module (224) for classifying the image data into a cluster having a maximum similarity value between the specific image data and the new image data.
복수의 상품에 대한 이미지컨셉을 추출하여 대표 이미지컨셉을 확정시키는 이미지컨셉 확정방법에 있어서,
특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치를 산출하는 유사도 가중치 산출단계(S110),
특정 이미지데이터와 유사도가 높은 이미지데이터의 표본집단을 결정하는 유사 이미지컨셉 선택단계(S120),
상기 표본집단과 상기 표본집단 외의 이미지데이터 간의 연관도를 예측하는 이미지컨셉 연관도 예측단계(S130),
상기 예측된 연관도의 유효성을 검층하는 이미지컨셉 예측연관도 평가단계(S140)가 포함되는 협력적 필터링 수행단계(S100)와;
이미지데이터를 나타내는 이미지컨셉의 텍스트 유사도를 순위화하여 필터링하는 이미지컨셉 내용기반 필터링단계(S210),
이미지데이터에 대한 픽셀 특징을 추출하여 필터링하는 이미지컨셉 정보기반 필터링 단계(S220)가 포함되는 이미지컨셉 통합필터링 수행단계(S200)로 실시흐름이 형성되는 이미지컨셉 확정방법.
A method for determining an image concept by extracting an image concept for a plurality of products and establishing a representative image concept,
A similarity weight calculation step (S110) of calculating a similarity weight value between specific image data and similar image data,
A similar image concept selection step (S120) of determining a sample group of image data having high similarity to specific image data,
An image concept association prediction step (S 130) of predicting a correlation between the sample group and image data of the sample group,
A collaborative filtering step (S100) including an image concept prediction association evaluation step (S140) for checking the effectiveness of the predicted association degree;
An image concept content-based filtering step (S210) for ranking and filtering the text similarity degree of an image concept representing image data,
(S200) including an image concept information-based filtering step (S220) for extracting and filtering pixel characteristics of image data.
제5항에 있어서,
상기 유사도 가중치 산출단계(S110)에서 가중치는,
피어슨 상관계수법나 스피어만 상관계수법으로 유사도 가중치를 산출하는 상관계수 산출단계(S111),
특정 이미지데이터와 유사 이미지데이터를 벡터공간에 표현하여 유사도 가중치를 산출하는 벡터 유사도 산출단계(S112),
상기 상관계수 산출단계(S11)의 결과값에 연관도가 평가되지 않은 이미지데이터를 추가로 고려하여 유사도 가중치를 산출하는 기본 연관도 평가단계(S113)를 순차적으로 실시하여 산출된 유사도 가중치의 평균값을 사용하거나,
상기 상관계수 산출단계(S111), 상기 벡터 유사도 산출단계(S112), 상기 기본 연관도 평가단계(S113)에서 산출된 유사도 가중치 값 중 어느 하나의 값으로만 특정 이미지데이터와 유사 이미지데이터 간의 유사도 가중치로 사용하는 것을 특징으로 하는 이미지컨셉 확정방법.
6. The method of claim 5,
In the similarity weight calculation step S110,
A correlation coefficient calculating step (S111) of calculating a similarity weight using a Pearson correlation coefficient method or a Spearman correlation coefficient method,
A vector similarity calculating step (S112) of expressing specific image data and similar image data in a vector space to calculate a similarity weight,
(S113) for calculating the similarity weight by further considering the image data for which the degree of association is not evaluated with respect to the result value of the correlation coefficient calculation step (S11) are sequentially performed, and the average value of the calculated similarity weight values Use,
The similarity weight value between the specific image data and the similar image data only with any one of the similarity weight values calculated in the correlation coefficient calculation step S111, the vector similarity calculation step S112, and the basic association degree evaluation step S113, Wherein the image is used as an image.
제5항에 있어서,
상기 유사 이미지컨셉 선택단계(S120)는,
특정 이미지데이터와 다른 이미지데이터 사이의 유사도를 계산하는 유사도 계산단계(S121)와,
상기 계산된 유사도를 이용하여 이미지컨셉을 예측하기 위해 표본 이미지데이터 개수를 결정하는 표본 이미지데이터 개수 결정단계(S122)가 더 포함되고,
상기 표본 이미지데이터 개수 결정단계(S122)는,
이미지데이터 간의 유사도 가중치가 기준값 이상인 이미지데이터만을 사용하고자 표본 이미지데이터 개수를 결정하는 최적임계값 설정단계(S122a)와,
특정 이미지데이터와 유사한 이미지데이터의 최대 허용 개수를 설정하는 유사 이미지데이터 최대 허용 개수 설정단계(S122b)가 더 포함되는 것을 특징으로 하는 이미지컨셉 확정방법.
6. The method of claim 5,
The similar image concept selection step (S120)
A similarity calculation step S121 for calculating the similarity between the specific image data and the other image data,
Further comprising a sample image data number determination step (S122) of determining a sample image data number to predict an image concept using the calculated similarity,
The sample image data number determination step (S122)
An optimum threshold value setting step (S122a) of determining the number of sample image data to use only image data whose similarity weight value between image data is equal to or greater than a reference value;
And a similar image data maximum allowable number setting step (S122b) for setting a maximum allowable number of image data similar to specific image data.
제5항에 있어서,
상기 이미지컨셉 내용기반 필터링단계(S210)는,
이미지컨셉에 대한 텍스트를 수집하고자 타겟 웹사이트의 웹정보를 수집하는 타겟 웹정보 수집단계(S211),
웹로봇 에이전트에 의해 복수의 이미지컨셉에 대한 텍스트가 추출되는 이미지컨셉 텍스트 추출단계(S212),
이미지컨셉 텍스트의 수와 출현 빈도를 사전 집계하는 엔트리파일 전처리단계(S213),
엔트리파일에 내재된 이미지컨셉 텍스트를 데이터베이스화 하는 이미지컨셉 텍스트 데이터베이스 구축단계(S214)가 더 포함되는 것을 특징으로 하는 이미지컨셉 확정방법.
6. The method of claim 5,
The image concept content-based filtering step (S210)
A target web information collecting step (S211) of collecting web information of a target web site in order to collect text about an image concept,
An image concept text extracting step (S212) of extracting texts for a plurality of image concepts by the web robot agent,
An entry file preprocessing step (S213) for pre-counting the number of image concept texts and appearance frequency,
Further comprising an image concept text database construction step (S214) of converting the image concept text embedded in the entry file into a database.
제8항에 있어서,
상기 이미지컨셉 텍스트 추출단계(S212)는,
복수의 이미지컨셉 텍스트가 포함된 웹문서를 수집하는 웹문서 수집단계(S212a),
수집된 웹문서의 수, 내용, URL이 저장된 엔트리파일을 생성하는 엔트리파일 생성단계(S212b)가 더 포함되는 것을 특징으로 하는 이미지컨셉 확정방법.
9. The method of claim 8,
The image concept text extraction step (S212)
A web document collection step S212a for collecting a web document including a plurality of image concept texts,
And an entry file creation step (S212b) of creating an entry file in which the number, content, and URL of the collected web documents are stored.
제5항에 있어서,
상기 이미지컨셉 정보기반 필터링 단계(S220)는,
이미지데이터의 컬러 정보에 대한 색 히스토그램을 산출하는 색 히스토그램 산출단계(S221),
상점별 연관도와 이미지데이터의 색정보 간의 상관관계를 분석하는 상점 및 이미지데이터 색정보 상관관계 분석단계(S222),
상기 상점별 연관도와 상기 색 히스토그램 간의 상관관계를 분석하는 상점 및 색 히스토그램 상관관계 분석단계(S223),
복수의 이미지데이터를 이미지컨셉별로 분류하는 이미지데이터 자동분류단계(S224)가 더 포함되는 것을 특징으로 하는 이미지컨셉 확정방법.
6. The method of claim 5,
The image concept information-based filtering step (S220)
A color histogram calculating step (S221) of calculating a color histogram of color information of the image data,
A store and image data color information correlation analysis step (S222) for analyzing a correlation between a store-related association and color information of image data,
A store and color histogram correlation analysis step (S223) for analyzing a correlation between the store-related association and the color histogram,
Further comprising an image data automatic classification step (S224) of classifying a plurality of image data by an image concept.
KR1020170102846A 2017-08-14 2017-08-14 Image Concept Determination System and Its Determination Method KR20190018195A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170102846A KR20190018195A (en) 2017-08-14 2017-08-14 Image Concept Determination System and Its Determination Method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170102846A KR20190018195A (en) 2017-08-14 2017-08-14 Image Concept Determination System and Its Determination Method

Publications (1)

Publication Number Publication Date
KR20190018195A true KR20190018195A (en) 2019-02-22

Family

ID=65584625

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170102846A KR20190018195A (en) 2017-08-14 2017-08-14 Image Concept Determination System and Its Determination Method

Country Status (1)

Country Link
KR (1) KR20190018195A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662391A (en) * 2022-03-24 2022-06-24 深圳市深水水务咨询有限公司 Method and system for improving anti-leakage performance of water supply and drainage pipeline

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140056085A (en) 2012-10-30 2014-05-09 이화여자대학교 산학협력단 Simulation system and method for developing clothes design
KR101617828B1 (en) 2015-09-11 2016-05-12 공미선 Quantitative evaluation network-based system for extracting image concept information

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140056085A (en) 2012-10-30 2014-05-09 이화여자대학교 산학협력단 Simulation system and method for developing clothes design
KR101617828B1 (en) 2015-09-11 2016-05-12 공미선 Quantitative evaluation network-based system for extracting image concept information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662391A (en) * 2022-03-24 2022-06-24 深圳市深水水务咨询有限公司 Method and system for improving anti-leakage performance of water supply and drainage pipeline

Similar Documents

Publication Publication Date Title
CN109191240B (en) Method and device for recommending commodities
CN105975916B (en) Age estimation method based on multi output convolutional neural networks and ordinal regression
CN111212303B (en) Video recommendation method, server and computer-readable storage medium
KR20130095727A (en) Semantic parsing of objects in video
CN106021603A (en) Garment image retrieval method based on segmentation and feature matching
Polat et al. Hand geometry identification without feature extraction by general regression neural network
CN111339439A (en) Collaborative filtering recommendation method and device fusing comment text and time sequence effect
CN117522479B (en) Accurate Internet advertisement delivery method and system
CN112148952A (en) Task execution method, device and equipment and computer readable storage medium
CN107622071B (en) Clothes image retrieval system and method under non-source-retrieval condition through indirect correlation feedback
KHALID et al. Design and implementation of clothing fashion style recommendation system using deep learning.
Shaukat et al. An analysis of blessed Friday sale at a retail store using classification models
Lemarchand Fundamental visual features for aesthetic classification of photographs across datasets
Pan et al. A quantitative model for identifying regions of design visual attraction and application to automobile styling
Galla et al. Support vector machine based feature extraction for gender recognition from objects using lasso classifier
JP2021018466A (en) Rule extracting apparatus, information processing apparatus, rule extracting method, and rule extracting program
KR20190018195A (en) Image Concept Determination System and Its Determination Method
JP2003157439A (en) Correlation extracting method of image feature amount by image categorization and correlation extracting device thereof
CN113095084B (en) Semantic service matching method and device in Internet of things and storage medium
KR20230023600A (en) Device and method for artwork trend data prediction using artificial intelligence
CN112418273B (en) Clothing popularity evaluation method and device, intelligent terminal and storage medium
CN110033031B (en) Group detection method, device, computing equipment and machine-readable storage medium
CN110472680B (en) Object classification method, device and computer-readable storage medium
Deivendran et al. Emotion Recognition for Challenged People Facial Appearance in Social using Neural Network
KR20210137651A (en) Restaurant recommendation method based on review data and system thereof

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application