Earticle

초록

영어

In this paper, we propose an algorithm to search similar clothing products of newly input clothing product images by applying CNN and ANNOY technology using about 60,000 clothing image data. We compare and analyze the similarity and processing speed between the CNN and ANNOY techniques. CNN searches similar images by searching pixels of all image data, while ANNOY technique searches similar images by using binary tree nodes which dramatically reducing the researching time. Reducing image search time brings cost savings and can be applied to a wide range of online services. Based on the fast search processing speed of the proposed ANNOY technology, it can be used in various areas such as product search comparison and recommendation. According to the simulation results, it was confirmed that the image similarity of the ANNOY technique is reduced by about 6.33% compared to the CNN technique, but the time required to search for the similar image is reduced to about 1/3000.

한국어

본 논문에서는 약 6만 개의 의류 이미지 데이터를 CNN(Convolutional Neural Network) 기 술과 ANNOY(Artificial Neural Network Oh Yeah) 기술을 적용하여 새롭게 입력된 의류 제품 이 미지의 유사 의류 제품을 탐색하는 알고리즘을 제안하여 두 기술 사이의 유사도와 처리속도를 비교 분석하였다. 기존 CNN 기술은 모든 이미지 데이터의 픽셀을 탐색하여 유사한 이미지를 탐색하는 반 면, ANNOY 기술은 이미지들의 유사도 거릿값을 측정한 바이너리 트리 노드 (binary tree node)를 사용하여 이미지 유사도는 소폭 감소하지만, 이미지 탐색 시간을 획기적으로 감소시킬 수 있는 장점 을 갖고 있다. 이미지 탐색 시간의 감소는 비용절감 효과로 이어지며 다양한 온라인 서비스 분야에 도 입할 수 있다. 제안한 ANNOY 기술 기반 빠른 검색 처리속도를 기반으로 다양한 상품검색, 상품비교, 상품추천 등 다양한 분야에 활용가능 할 것이다. 본 연구에서 수행한 시뮬레이션 결과에 따르면 ANNOY 기술은 CNN 기술대비 이미지 유사도는 약 6.33% 감소하지만, 유사 이미지 탐색에 소요되 는 시간은 약 1/3000 로 감소하는 것을 확인하였다.

목차

요약
Abstract
1. 서론
2. CNN 기술과 ANNOY 기술
2.1 CNN 기술
2.2 ANNOY 기술
3. 연구시스템 구축 및 설계
3.1 이미지 데이터 수집 방법
3.2 이미지 데이터 수집 결과
3.3 의류 이미지 데이터셋
4. 시뮬레이션 환경 및 구성
4.1 CNN 기술의 레이어 구성
4.2 ANNOY 기술의 레이어 구성
4.3 시뮬레이션 환경
5. 시뮬레이션 환경 및 구성
5.1 시뮬레이션 시스템 검증
5.2. 500개 상품의 시뮬레이션 결과
6. 결론
REFERENCES

키워드

CNN ANNOY 딥러닝 AI 빅데이터 이미지 유사도 CNN ANNOY Deep Learning AI Big Data Image Similarities

저자

• 백승훈 [ Seung-Hoon Back | 한신대학교 정보통신학과 박사과정 ]
• 이승후 [ Sung-Hoo Lee | (주)그래비젼 CTO ]
• 홍성찬 [ Sung-Chan Hong | 한신대학교 정보통신학과 교수 ]
• 홍준기 [ Jun-Ki Hong | 배재대학교 컴퓨터공학과 교수 ] Corresponding author

참고문헌

발행기관

간행물