- 프로젝트 주제 : AI X FASHION X K-POP STAR 총 3가지 키워드의 집합. 패션업계에서 유명한 케이팝 스타를 선정한 뒤 AI 이미지처리 기능을 활용해 '해당인물이 착용한 의류에 관한 정보'와 '비슷한 의류의 판매처'를 찾아주는 서비스. 첫번째 버전은 케이팝 스타중 가장 패션계에서 영향력이 있다고 평가되는 '블랙핑크'로 선정함.
- 타겟층 : 패션 트렌드에 민감한 20/30 대 여성, 블랙핑크 국내외 팬들.
- 문제 정의 : 케이팝스타가 착용한 패션은 대중으로부터의 워너비 현상을 만들어내는 주요한 요소이나 현재까지 그들과 비슷하게 옷을 입기위해서는 사람이 일일이 검색을 해야함.
- 가설 설정 방법 : 시대의 패션 아이콘으로 평가되는 '블랙핑크'의 패션을 AI를 활용해 의류 카테고리를 분류하고 비슷한 의류를 추천함. 더 나아가 판매 링크까지 연결하는 서비스를 제공하여 타겟층이 블랙핑크가 착용한 의류와 비슷한 의류를 구매할 수 있도록 함. 또한, 워너비 현상을 이용해 본인의 패션 스타일과 일치하는 블랙핑크 멤버를 출력함으로 사이트 이용 흥미도를 높임.
- 기대효과 : 타겟층의 트래픽을 유도해서 광고 수익을 창출함. 더 나아가 패션관련 케이팝스타마다 존재하는 웹서비스로서의 역할을 하게 됨.
- 패션스캐너_발표자료.pdf (2021.06.12. 발표)
- 아래 이미지는 서비스의 일부를 보여줍니다.
- 더 많은 내용을 확인하고 싶으시다면 패션스캐너_스토리보드ver1.3.pdf를 클릭하여 확인해주세요.
- 필요한 데이터셋
- DeepFashion 데이터
- 아마존(US) 크롤링 데이터
-
기술 스택 및 라이브러리
분류 Tools 목적 Server Ngnix 웹 서버 Server Gunicorn WSGI Server Django 웹 애플리케이션(프레임워크) Server PostgreSQL DB Server Pytorch 머신러닝 모델 구동 Server Docker 서버 배포 및 운영 제어 Client React 웹페이지 제작
- 필수 구현
- 1순위 : 메인페이지 (우선구현 페이지: 1, 2, 3, 5, 6, 8 / 추가구현 : 4, 7)
- 2순위 : 'LOOKBOOK' 페이지
- 3순위 : '나는 어떤 멤버 ?' 페이지
- 선택 구현
- 1순위 : KOR/ENG 기능 구현
(상세 개발일정은 구글 시트 참고)
- 1주차 : 기획안 확정, 웹사이트 프로토 타입 완성, 인공지능 환경 셋업, 백엔드 API 실습
- 2주차 : 각 파트 필수구현 1,2순위 개발 시작
- 3주차 : 각 파트 필수구현 3순위 개발 시작
- 4주차 : 필수 구현 기능 점검 및 API 연결
- 5주차 : 각 파트 선택구현 개발 시작
이름 | 담당 업무 |
---|---|
이보람 | 백엔드 |
김수연 | 프론트엔드 |
박정환 | 프론트엔드 |
이찬미 | 인공지능 |
차시현 | 기획, 인공지능 |
- 시스템이 메인 페이지를 사용자에게 보여준다.
- 사용자는 내비게이션 바의 메뉴를 클릭해 원하는 위치로 이동한다. (혹은 스크롤로 이동한다)
- 시스템은 각 메뉴에 해당하는 문구, 이미지, 영상을 화면에 보여준다.
- 룩북 이미지 정보 (의류 카테고리와 속성1, 속성2, 속성3, 멤버 정보)
- 비슷한 의류 이미지 정보 (딥패션 데이터셋 또는 크롤링한 이미지로부터 얻은 의류 카테고리와 속성1, 속성2, 속성3 등)
-
룩북 이미지 정보를 csv 파일에 미리 저장해놓는다.
룩북 이미지 정보 중 의류 카테고리와 속성1, 2, 3 값은 딥러닝 모델을 돌린 후 그 아웃풋 값을 csv 파일에 저장한다.
-
시스템에서 csv 파일을 읽고 내용을 DB에 저장한다.
-
사용자가 룩북을 보기 원하는 멤버 사진을 선택한다.
- 사용자가 멤버 사진을 선택할 때 해당하는 인물 id를 시스템에 넘긴다.
- 인물 id를 외래키로 하는 이미지 정보를 모두 불러온다.
- 룩북 메인 카드에는 id가 가장 낮은 이미지와 의류 카테고리, 색상, 속성 정보를 보여준다.
- 나머지는 캐러셀 안에서 이미지만 보여준다.
- 사용자가 캐러셀에서 이미지를 클릭할 경우, 메인 카드에 선택한 이미지 정보(이미지, 카테고리, 색상, 속성)를 보여준다.
- 사용자가 캐러셀에서 이미지를 좌우로 넘길 경우, 이동한 방향에 맞게 이미지를 이동시켜 보여준다.
모델 1: 카테고리 및 속성 분류
- 위에 작성한 기본 흐름대로 진행한다.
모델 2: 의류 간 유사도 분석
- 먼저 룩북 이미지를 모델 2의 인풋값으로 넣고, 딥패션 데이터셋 중 비슷한 의류를 찾는다.
- 비슷한 의류 정보를 csv 파일에 저장한 다음, 시스템에서 그 파일을 읽고 내용을 DB에 저장한다.
- 기본 흐름 2번에서 이미지 정보를 넘길 때 해당 이미지 정보와, 해당 이미지 id를 외래키로 하는 (비슷한) 의류 이미지 정보를 함께 전달한다.
- 이커머스 쇼핑몰에서 룩북 이미지의 카테고리와 속성과 같은 유형의 이미지들을 100장 크롤링한다.
- 룩북 이미지를 모델 2의 인풋값으로 넣고, 크롤링한 데이터셋 중 비슷한 의류를 찾는다.
- csv 파일에 비슷한 의류 정보를 저장한 다음, 시스템에서 그 파일을 읽고 내용을 DB에 저장한다.
- 기본 흐름 2번에서 이미지 정보를 넘길 때 해당 이미지 정보와, 해당 이미지 id를 외래키로 하는 (비슷한) 의류 이미지 정보를 함께 전달한다.
- 시스템이 알지 못하는 인물 id를 넘겨줄 경우
- 인물 id에 이미지가 존재하지 않는 경우
- 이미지가 화면 상에서 올바르게 보이지 않는 경우 (alt 속성)
- 사용자가 업로드한 이미지
- 멤버 테이블 (멤버별 자주 사용하는 의류 카테고리와 속성)
- 메인 페이지에서 '나와 유사한 멤버 찾기' 버튼을 클릭한다.
- 사용자가 자신의 의류 이미지를 업로드한다.
- 업로드한 이미지의 형식과 크기를 검증한다.
- 올바른 이미지라면 미리보기 카드 안에 이미지를 보여준다.
- 사용자가 이미지 삭제 버튼을 누르면 이미지를 삭제한다.
- 사용자가 결과 보기 버튼을 누르면 분석 결과 페이지로 이동한다.
- 업로드한 이미지를 딥러닝 모델의 인풋값으로 넣고 아웃풋을 받는다.
- 이미지와 아웃풋 정보를 DB에 저장한다.
- 업로드한 이미지의 형식이 올바르지 않은 경우
- 업로드한 이미지의 크기가 너무 클 경우
- 업로드한 이미지를 분석할 수 없는 경우
- 이미지 업로드 없이 결과 보기 버튼을 누를 경우
- 사용자가 업로드한 이미지
- 사용자의 이메일
- 이미지 출처
- 분석하기 원하는 의류 이미지를 사용자가 업로드한다.
- 업로드한 이미지의 형식과 크기를 검증한다.
- 올바른 이미지라면 미리보기 카드 안에 이미지를 보여준다.
- 사용자가 이미지 삭제 버튼을 누르면 이미지를 삭제한다.
- 사용자가 이메일과 이미지 출처를 작성한다.
- 이메일과 이미지 출처 양식을 검증한다.
- 사용자가 개인 정보 수집 및 이용에 동의 버튼을 누른다.
- 사용자가 제출 버튼을 누른다.
- 업로드한 이미지의 형식이 올바르지 않은 경우
- 업로드한 이미지의 크기가 너무 클 경우
- 업로드한 이미지를 분석할 수 없는 경우
- 이미지 업로드 없이 제출 결과를 누를 경우
- 메일 주소를 입력하지 않은 경우
- 메일 형식이 올바르지 않은 경우
- 이미지 출처를 작성하지 않은 경우
- 이미지 출처 양식이 올바르지 않은 경우