소셜 미디어에서 패션 트렌드를 추출하는 방법? 지도 학습을 지원하는 강력한 객체 검출기

소셜 미디어의 확산에 따라 유명인, 명망 있는 디자이너 및 패션 인플루언서들로부터 영감을 받은 패션이 디자인과 제조의 주기를 단축시키고 있습니다. 그러나 패션 관련 콘텐츠의 폭발적인 증가와 사용자가 생성한 패션 사진의 대량으로 인해, 패션 디자이너들이 소셜 미디어 사진을 살펴보고 유행하는 패션 요약을 만드는 것은 어려운 작업입니다. 이는 소셜 미디어에서 제공되는 패션 사진을 심층적으로 분석하여 특정 패션 사진에서 여러 가지 패션 아이템을 위치 파악하고 분류해야 함을 의미합니다. 객체 검출 경진대회 such as MSCOCO와 같이 각 객체 카테고리별로 수천 개의 샘플이 있는 반면, 빠른 패션 아이템에 대한 대규모 라벨링된 데이터셋을 얻기는 매우 어렵습니다. 또한 최신 객체 검출기들은 소셜 미디어에서 제공되는 대량의 라벨링되지 않은 데이터를 활용하여 라벨링된 데이터셋으로 객체 검출기를 세부 조정하는 기능이 없습니다.본 연구에서는 최근 발표된 Open Images V4 데이터셋의 24개 카테고리에서 사전 학습할 수 있는 일반적인 객체 검출기의 적용을 보여줍니다. 먼저, 소셜 미디어에서 수집한 24개 카테고리의 6만 장의 라벨링되지 않은 사진을 사용하여 객체 검출기의 기본 구조를 비지도 학습으로 훈련시킵니다. 그런 다음 Open Images V4 데이터셋에서 8,200장의 라벨링된 사진으로 이를 세부 조정합니다. 300 x 300 크기의 이미지 입력에 대해, 2,400장의 테스트 데이터셋에서 72.7% mAP를 달성하며, 최신 객체 검출기에 비해 11%에서 17% 더 우수한 성능을 보입니다. 우리는 이러한 개선이 비지도 학습을 수행할 수 있는 아키텍처 선택 덕분이며, 특히 작은 객체를 식별하는 데 있어 현저히 더 나은 성능을 발휘함을 보여주었습니다.