K-Fashion 이미지
- 분야영상이미지
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2021-09-23 데이터 추가 개방 1.0 2021-06-18 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-12 신규 샘플데이터 개방 소개
패션 영역과 속성, 스타일 정보를 인식 및 도출할 수 있도록 학습용 이미지 데이터셋을 구축하고, 한국형 패션 인지 및 트렌드 파악과 AI기반 시각지능 기술 및 서비스 개발에 활용
- 데이터 영역 : 영상이미지
- 데이터 유형 : 이미지
- 구축년도 : 2020년
- 구축량 : 120만건
구축목적
패션 관련 기관에서 AI기반 한국형 패션 인지 및 트렌드 파악을 위한 학습용 데이터 구축 패션 전문 기관에서 한국형 패션 이미지 데이터를 통한 AI기반 기술 확보 지원
-
구축 내용 및 제공 데이터량
- 총 1,200,000건 분량의 K-Fashion 이미지 데이터셋 구축
- 대분류 10가지, 세부속성 186가지, 스타일 23가지 레이블링 정보 - 전문영역에서의 활용성을 고려한 스타일 및 세부속성 분류 구성
- 패션 전문가 및 AI 전문가의 의견을 거친 세부속성 정의 - 이미지에서 패션 영역과 속성, 그리고 스타일 정보를 인식 및 도출할 수 있도록 스타일별 최소 학습 데이터량 확보 및 레이블링 구성
- 총 1,200,000건 분량의 K-Fashion 이미지 데이터셋 구축
-
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 패션 아이템 탐지 모델 Object Detection Mask R-CNN AP@50 70 % 81.48 % 2 매칭 아이템 추천 모델 Information Extraction Combined Global Descriptors HR@1 55 % 61.36 % 3 매칭 아이템 추천 모델 Information Extraction Combined Global Descriptors HR@10 70 % 72.85 % 4 패션 이미지 스타일 분류 모델 Image Classification Global Convolution Network, CNN RecallTop-3 70 % 91.11 % 5 패션 이미지 스타일 분류 모델 Image Classification Global Convolution Network, CNN RecallTop-5 80 % 98.89 % 6 패션 아이템 특성 분류 모델 Image Classification CNN RecallTop-3 45 % 83.82 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2021.09.23 데이터 추가 개방 1.0 2021.06.18 데이터 최초 개방 구축목적
- 패션 관련 기관에서 AI기반 한국형 패션 인지 및 트렌드 파악을 위한 학습용 데이터 구축
- 패션 전문 기관에서 한국형 패션 이미지 데이터를 통한 AI기반 기술 확보 지원
활용분야
산업분야
- 패션도소매업계 : 실시간 패션 트렌드 파악, 패션 아이템 추천, 유사 상품 검색 등에 활용
- 패션산업 및 물류업계 : 단기 패션 트렌드 예측, 지역별 패션 트렌드 파악으로 인한 의류 재고 관리 등에 활용
- AI업계 : 이미지 인식률 상승, 패션 상품 인식 등에 활용
연구분야
- 패션연구 : 선호하는 색상, 스타일, 해외와 한국의 패션 속성 차이 등 한국형 패션 트렌드 및 관련 연구에 활용
소개
- 인공지능 기반의 시각지능 기술 및 서비스 개발에 활용을 위한 한국형 패션 이미지 데이터 구축
구축 내용 및 제공 데이터량
- 총 1,200,000건 분량의 K-Fashion 이미지 데이터셋 구축
- 대분류 10가지, 세부속성 186가지, 스타일 23가지 레이블링 정보 - 전문영역에서의 활용성을 고려한 스타일 및 세부속성 분류 구성
- 패션 전문가 및 AI 전문가의 의견을 거친 세부속성 정의 - 이미지에서 패션 영역과 속성, 그리고 스타일 정보를 인식 및 도출할 수 있도록 스타일별 최소 학습 데이터량 확보 및 레이블링 구성
대표도면
*전문가 레이블링 결과 {"파일번호":1,“ 파일이름":"REIGN_001_04.jpg", //파일명 "렉트좌표":{"아우터":[{}], //좌측 X,Y좌표/ 우측 X,Y좌표 "하의":[{}], "원피스":[{}], "상의":[{}]}, "폴리곤좌표":{"아우터":[{}], //좌측 X,Y좌표/ 우측 X,Y좌표 "하의":[{}], "원피스":[{}], "상의":[{}]}, "라벨링": {"스타일": [{"스타일":"스트리트"}], "아우터":[{"기장":"롱", "카테고리":"점퍼", //분류항목 "디테일":["스트링","지퍼"], "프린트":["무지"], "핏":"오버사이즈"}], "하의":[{"기장":"발목", "카테고리":"청바지", "디테일":["롤업"], "소재":["데님"], "핏":"노멀"}], "원피스":[{}], "상의": [{"카테고리":"티셔츠", "소재":["저지"], "프린트":["무지"], "넥라인":"라운드넥", "핏":"루즈"}]} }필요성
- 빠르게 변화하는 패션 트렌드를 쫒아갈 수 있는 AI기반 기술 확보가 필요
- 국내 환경에 맞는 패션 이미지 데이터 확보 및 트렌드를 확인하기 위한 학습용 데이터 부재
데이터 구조
- 라벨링 정보는 데이터셋 정보와 어노테이션 정보로 구성
- 아래의 라벨링 정보 중 학습의 목적에 맞는 Label 정보를 선택하여 AI 학습 데이터로 활용
[스타일 분류]
K-Fashion 이미지 스타일 분류 트래디셔널 매니시 페미닌 에스닉 컨템포러리 내추럴 젠더플루이드 스포티 서브컬쳐 캐주얼 클래식 매니시 페미닌 히피 모던 컨트리 젠더리스 스포티 레트로 밀리터리 프레피 톰보이 로맨틱 웨스턴 소피스트
케이티드리조트 키치/
키덜트스트리트 섹시 오리엔탈 아방가르드 힙합 펑크 [세부 속성 분류]
K-Fashion 이미지 세부 속성 분류 대분류 세부 속성 상의 카테고리 탑, 블라우스, 티셔츠, 니트웨어, 셔츠, 브라탑, 후드티 하의 카테고리 청바지, 팬츠, 스커트, 레깅스, 조거팬츠 아우터 카테고리 코트, 재킷, 점퍼, 패딩, 베스트, 가디건, 짚업 원피스 카테고리 드레스, 점프수트 컬러 블랙, 화이트, 그레이, 레드, 핑크, 오렌지, 베이지, 브라운, 옐로우, 그린, 카키 … 실버 디테일 비즈, 단추, 니트꽈배기, 체인, 컷오프, 블브레스티드, 드롭숄더, 자수, 프릴, 프린지 … 퍼프 프린트 체크, 스트라이프, 지그재그, 호피, 지브라, 도트, 카무플라쥬, 페이즐리, 아가일 … 믹스 소재 퍼, 무스탕, 스웨이드, 헤어니트, 코듀로이, 시퀸, 데님, 저지, 니트 … 스판덱스 상의 기장 크롭, 노멀, 롱 하의 기장 미니, 니렝스, 미디, 발목, 맥시 아우터 기장 크롭, 노멀, 하프, 롱, 맥시 원피스 기장 미니, 니렝스, 미디, 발목, 맥시 소매기장 민소매, 반팔, 캡, 7부소매, 긴팔 넥라인 라운드넥, 유넥, 브이넥, 홀토넥, 오프숄더, 원숄더, 스퀘어넥, 노카라, 후드 … 스위트하트 칼라 셔츠칼라, 보우칼라, 세일러칼라, 숄칼라, 폴로칼라, 피터팬칼라, 너치드칼라 … 밴드칼라 상의,아우터,원피스 타이트, 노멀, 루즈, 오버사이즈 하의 스키니, 노멀, 와이드, 루즈, 벨보텀 -
데이터셋 구축 담당자
수행기관(주관) : 오피니언라이브
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 조인호 02-6959-9030 opinionlive@opinionlive.co.kr · 사업 총괄 관리 · 이미지 레이블링 저작도구 개발 · 인공지능 응용 서비스 개발 및 운영 수행기관(참여)
수행기관(참여) 기관명 담당업무 (주)웨얼리 · 학습 데이터 구성
· 레이블링 작업 운영 관리(주)에이아이닷엠 · AI 응용서비스 기획
· 내부 프레임워크 개발
· 패션 스타일, 아이템 분류 모델 개발이화여자대학교 · 패션 이미지 속성 레이블 개발
· 전문적 레이블링과 데이터 품질 측정한국패션산업연구원 · 데이터 공급 및 수요기관
· 데이터 검수기관데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 손기준(오피니언라이브) 02-6959-9030 opinionlive@opinionlive.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.