[Tech planet 2016] Visual search at SK Planet

날짜 : 2016년 10월 17일(월) 

장소 : 코엑스 그랜드볼룸 

주제 : Visual search at SK Planet

발표자 : 나상일 / 매니저, SK플래닛

[Visual search] - Deep learning

쿼리영상(옷 이미지) -> 카테고리 예측 -> 관심영역 추출 -> 특징 추출 방식을 사용하였다.

[초기버전 visual search 평가]

장점 : 잘된다.

단점 : 여러개의 object 인식 떨어짐, 배경에 따른 인식률

등의 문제가 있었음.

[개선방향]

- Deep learning에 의한 detection기술적용 : 여러상품이 있어도 모두 검색

- Deep learning을 통한 특징 추출 : 야외에서 촬영한거도 검색이 잘되도록

- 속성기반의 인식 적용 : ex) 벨트, 버튼 등의 특징기반으로 유사 상품 검색되도록 

[Detection technology]

- SK플래닛에서는 Fast R-CNN 기술을 약간 변형하여 사용.

- UkBench Dataset 대상검색 실험을 한 성능을 활용, 성능을 올리려고 함.

[Fashion Attribute Dataset]

- Great Category

- Fashion Category

- Gender

- Collar

- 기타 등등의 패션관련 attribute들로 데이터베이스를 나눔.

종합적인 DB를 만들기 위해 SK플래닛에서는 maximum 100 man-month로 많은 인력이 투입되었으며, 100만장 이상의 이미지를 모을 수 있었고, 1년이라는 시간이 걸렸음.

[판매자가 등록한 글로도 특징 추출]

- 판매자가 이미지를 등록함과 동시에 패션속성(여성용, 셔츠, 블라우스, 등)에 대해 간략하게 등록.

- 해당 등록된 속성을 형태소 분석을 통해 의미 있는 attribute들을 빼내어, 데이터베이스에 등록함.

[분산 검색 서비스]

- 11번가 의류DB가 몇백만장, 몇천만장 이상 즉, 검색대상이 너무 많으며, DB관리 어려움

- Redis기반의 분산 인 메모리 기반 병렬처리 기술 적용을하여 DB관리를 효율적으로 하며, 검색 속도를 개선하였음.

[SK플래닛 visual search 논문]

- Visual Fashion-Product Search at SK Planet(https://arxiv.org/abs/1609.07859)