패션 요소 검출을 위한 Mask R-CNN 딥러닝 (Mask R-CNN deep learning for fashion element detection)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 22권 / 4호 / 689 ~ 696페이지
· 저자명 : 김희숙

초록

본 논문에서는 개인별 맞춤형 인공지능 패션 코디네이션 서비스를 제공할 수 있는 프레임워크를 마련하기 위해서 iMaterialist Fashion Attribute Dataset에서 제공되는 패션 이미지 데이터 세트를 대상으로 Mask R-CNN 딥러닝 알고리즘을 이용하여 패션 요소를 검출하였다. 총 8 에폭으로 패션 요소 검출을 위한 딥러닝을 수행한 결과, 학습 데이터의 손실은 Lcls 0.53, Lbox 0.38, Lmask 0.35로 나타났다. 그리고 검증 데이터의 손실은 Lcls 0.54, Lbox 0.33, Lmask 0.36으로 나타났다. 개인이 소유하고 있는 패션 이미지 데이터 세트를 기반으로 색상, 계절, 재질, 트랜드, 브랜드명 등의 다양한 조건들을 추가한 후 본 논문에서 구현한 딥러닝 방식을 이용하여 파인 튜닝할 경우 효과적인 개인별 인공지능 패션 코디네이션 서비스가 될 것이라 기대한다.

영어초록

In this paper, in order to prepare a framework that can provide personalized artificial intelligence fashion coordination services, fashion elements were detected using the Mask R-CNN deep learning algorithm targeting the fashion image data set provided in the iMaterialist Fashion Attribute Dataset. As a result of performing deep learning to detect fashion elements with a total of 8 epochs, the loss of training data was found to be Lcls 0.53, Lbox 0.38, and Lmask 0.35. And the loss of Validation data was Lcls 0.54, Lbox 0.33, Lmask 0.36. Effective personal artificial intelligence fashion when fine-tuning using the deep learning method implemented in this paper after adding various conditions such as color, season, material, trend, and brand name based on the fashion image data set owned by an individual It is expected that it will be a coordination service.

참고자료

· 없음