- Introduction
- Result Video
- Project Background
- Project expected effect
- Data Description
- Development Process
- Conclusion
- Related files
“ 이미지 분석 기반 의류 카테고리 자동화 분류 시스템 ”
- 이미지 분석 기반 의류 카테고리 자동화 분류 시스템을 구현하여 수기로 분류하는 작업을 자동화하고자 함
- YOLOv8을 이용한 각 분류 모델 생성, Flask를 이용한 관리자 웹 구현, MySQL을 이용하여 분류된 카테고리 결과를 DB에 저장까지 할 수 있는 하나의 프로세스 구현
(아이콘 출처: https://docs.ultralytics.com/, https://flask.palletsprojects.com/en/2.3.x/, https://www.mysql.com/, https://colab.research.google.com)
0c69baf9-5ea1-43ed-8450-caf2a7bc88f6.mp4
(이미지 출처 : 29cm)
- 사람들의 패션에 대한 관심도가 상승함에 따라 온라인 쇼핑 내 패션 거래액 증가
- 통계청 조사에 따르면 2019년 - 2021년까지 꾸준히 패션 거래액 증가
- 2021년의 경우, 온라인 쇼핑 내 패션의 비중이 25.8% 달하고 49조 7192억원을 달성
- (출처 : 통계청, 온라인 패션 거래액 9.2% 성장한 49조7192억원)
- 하지만, 아직까지 쇼핑몰 내 상품을 등록할 때 상품과 적절한 카테고리를 수기로 선택해야 함.
👉 딥러닝을 이용한 이미지 분석 기반 의류 카테고리 자동화 분류 시스템을 만들어 의류 상품 등록 시 카테고리 설정을 자동화하고자 함
(아이콘 출처: flaticon)
이미지 분석 기반 의류 카테고리 자동화 분류 시스템으로 자동화가 될 경우,
- 작업 시간 단축 및 인건비 감소
- 카테고리 분류 작업자 판단 기준에 따라 카테고리 속성이 다르게 분류 될 수 있음 ⇒ 통일된 카테고리 속성 분류로 인한 불편함 해소 기대
- 고객의 경우, 상품을 찾는 것에 대한 불편함
- 관리자의 경우, 상품 관리의 불편함
- AIHub K-Fashion 이미지 데이터 셋 중 일부인 약 십이만 건 데이터 활용
- 상의, 하의, 아우터, 원피스, 소재, 소매 기장 대분류 및 하위 세부 속성 활용
- 데이터 출처 : AIHub K-Fashion 이미지
-
데이터가 적었던 클래스의 경우 정확성이 조금 떨어지지만, 대체적으로 준수하게 예측되고 있음
- Flask를 이용한 웹 구현
- 한 상품의 복수의 이미지 업로드하여 카테고리 분류 가능
- 카테고리 분류 결과에서 원하는 설정으로 선택해서 저장 가능
- MySQL을 이용하여 선택한 카테고리 분류 결과 데이터 저장
(이미지 참조 : https://www.musinsa.com/app/goods/1856181, AIHub K-Fashion 이미지 데이터 셋 이미지)
- 한계점
- 충분히 모델을 학습시키기에 부족한 컴퓨터 자원
- 카테고리 항목별 개수가 불균형할 경우(데이터가 충분하지 않을 경우) 분류 정확성이 떨어질 수 있음
- 유행에 민감한 의류 상품의 경우, 새로운 항목 추가 및 재훈련, 학습 필요
- 개선할 점
- 부족했던 특정 클래스 이미지 보충하여, 모델 성능 향상 필요
- 폴더별 설명
- final_model_pt : 각 모델 생성 후 가장 성능이 좋은 weight 파일
- server : flask를 이용한 웹 구현 관련 코드
- sleeve_length_code : 소매기장 전처리 관련 코드