소매 패션 제품 주석
Shaip은 마네킹, 플랫레이, 라이브 모델 이미지 전반에 걸쳐 다중 속성 제품 태깅을 포함하는 구조화된 소매 패션 주석 파이프라인을 구축했습니다. 이 파이프라인은 시각적 검색, 의상 추천, 가상 착용 및 재고 자동화 AI를 위한 프로덕션급 데이터 세트로 설계되었습니다.
사업 개요
소매 AI가 시각적 검색, 의상 추천, 가상 착용 등 시각적 경험 중심의 방향으로 나아가면서, 고객은 소매 분류 체계 전반에 걸쳐 다층적인 풍부함을 갖춘 패션 제품 분류 및 속성 태깅이 가능한 확장 가능한 주석 파이프라인을 필요로 했습니다.
샤이프는 카테고리 분류, 다중 속성 태깅, 다중 항목 경계 상자 분리 및 2단계 품질 보증을 포괄하는 엔드 투 엔드 주석 파이프라인을 구축하여 차세대 전자 상거래 및 소매 AI 애플리케이션에 사용할 수 있는 풍부한 제품 인텔리전스 데이터 세트를 생성했습니다.
주요 통계
정확도 임계값
99%
QA 레벨
2-Tier
속성 레이어
6+
다루는 카테고리
전체 분류 체계
도전
- 구별 시각적으로 유사한 카테고리 — 긴 상의 vs 짧은 원피스, 스커트 vs 원피스, 재킷 vs 셔츠
- 처리 마네킹, 플랫레이, 라이브 모델 일관된 주석이 포함된 사진
- 적용 6개 이상의 속성 레이어 의류별 특징 - 색상, 패턴, 소매, 네크라인, 핏, 착용 상황
- 분리 개별 제품 의류별로 경계 상자가 촘촘하게 설정된 여러 품목 이미지에서
- 유지 보수 99 %의 정확도 높은 범주 및 속성 다양성 전반에 걸쳐
해법
범주 분류 체계
주석 작성자들은 상의, 셔츠, 스커트, 청바지, 바지, 드레스, 재킷, 샌들 등을 포괄하는 구조화된 패션 분류 체계를 기반으로 작업했습니다. 엄격한 카테고리 가이드라인은 긴 상의와 짧은 드레스, 스커트와 드레스, 재킷과 오버셔츠와 같은 예외적인 경우를 구분하여, 후속 모델이 시각적으로 유사한 항목을 구별할 수 있도록 했습니다.
다중 속성 태깅
카테고리 분류 외에도 모든 항목에는 색상, 패턴, 소매 유형, 네크라인 스타일, 핏 유형, 소재 외관, 착용 상황 유형과 같은 상세한 제품 속성이 태그로 지정되었습니다. 이러한 다층적인 태깅을 통해 단순한 분류 데이터 세트가 시각적 검색 및 의상 추천 엔진을 구동할 수 있는 풍부한 제품 인텔리전스 데이터 세트로 변환됩니다.
다중 이미지 유형 처리
제품은 다양한 조명, 각도, 배경에서 마네킹과 실제 모델을 통해 표현되었습니다. 의류는 겹쳐 보이거나, 부분적으로만 보이거나, 평면 사진과 착용 사진으로 다양하게 나타났습니다. 상세한 스타일 가이드 문서를 통해 모든 이미지 유형에 걸쳐 일관된 주석 작성 기준이 적용되었습니다.
의류별 경계 상자 격리
여러 제품이 포함된 이미지에서 각 제품을 개별적으로 구분하기 위해 각 제품 주변에 경계 상자를 그렸습니다. 여러 제품이 보이는 이미지의 경우, 각 제품에 고유한 카테고리와 속성 태그를 지정하여 최종 데이터 세트에서 각 이미지의 정보량을 크게 늘렸습니다.
2단계 품질 보증 및 99% 정확도 게이트
주석이 달린 모든 이미지는 2단계 품질 검토를 거쳤습니다. 1단계에서는 주석 작성자가 초기 분류 및 속성 태깅을 담당했고, 2단계에서는 품질 관리 검토자가 레이블 정확도, 속성 일관성 및 경계 상자 정밀도를 검증했습니다. 모든 배치는 최소 99%의 정확도 기준을 통과해야만 배포되었습니다.
프로젝트 범위
| 데이터 세트 유형 | 이미지 유형 | Attributes | 주석 방법 | QA | 정확성 |
|---|---|---|---|---|---|
| 소매 패션 제품 태그 | 마네킹, 평면 촬영, 실물 모델 | 제품당 6겹 이상 | 의류별 맞춤형 바운딩 박스 | 2단계 품질 관리 | 99% |
결과
- 설립 구조화된 패션 분류 체계 예외적인 경우를 고려한 범주 구분
- 표준화 의류당 6개 이상의 속성 레이어 제품 정보 심층 분석을 위해
- 배달 항목별 경계 상자 격리 여러 항목 이미지 전반에 걸쳐
- 유지 99% 정확도 게이트 2단계 QA 검토를 통해
- 클라이언트의 기능을 활성화했습니다. 시각적 검색, 의상 추천, 가상 착용 및 재고 관리 AI
전반적으로 Shaip은 다양한 이미지 유형의 패션 주석 요구 사항을 구조화되고 바로 활용 가능한 파이프라인으로 전환하는 데 도움을 주었으며, 이 파이프라인은 최신 전자상거래 및 소매 플랫폼 전반에서 시각 검색, 추천 엔진, 가상 착용, 재고 자동화 및 트렌드 분석 AI를 지원할 수 있습니다.
Shaip은 패션의 미묘한 차이를 정확히 파악했습니다. 심지어 우리 상품 기획팀조차 논쟁했던 카테고리들을 명확하게 구분해냈죠. 그들이 제공한 풍부한 속성 정보는 시각적 검색 및 추천 정확도 향상에 직접적인 도움이 되었습니다.
