딥러닝을 이용한 사용자 피부색 기반 파운데이션 색상 추천 기법 연구

정민욱; 김현지; 곽채원; 오유수

추천

검색

질문

자료유형: 학술저널

저자정보: 정민욱 (대구대학교) 김현지 (대구대학교) 곽채원 (대구대학교) 오유수 (대구대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제25권 제9호

발행연도: 2022.9

수록면: 1,367 - 1,374 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In this paper, we propose an automatic cosmetic foundation recommendation system that suggests a good foundation product based on the user"s skin color. The proposed system receives and preprocesses user images and detects skin color with OpenCV and machine learning algorithms. The system then compares the performance of the training model using XGBoost, Gradient Boost, Random Forest, and Adaptive Boost (AdaBoost), based on 550 datasets collected as essential bestsellers in the United States. Based on the comparison results, this paper implements a recommendation system using the highest performing machine learning model. As a result of the experiment, our system can effectively recommend a suitable skin color foundation. Thus, our system model is 98% accurate. Furthermore, our system can reduce the selection trials of foundations against the user"s skin color. It can also save time in selecting foundations.

#Cosmetics Recommendation #Machine Learning #XGBoost #Gradient Boosting #Random Forest #Adaptive Boosting

참고문헌 (18)

참고문헌 신청

H. Shin, Y. Lim, Y. Hong, J. Lim, J. Park, H. Lee, et al., “Design and Implementation of Cosmetic Recommendation System Using Machine Learning in Social Media Environment,” The Korean Content Society General Conference Euromonitor International, pp. 289-290, 2021.

Euromonitor International(2021), https://go. euromonitor.com/white-paper-EC-2021-Top-1 0-Global-Consumer-Trends.html (accessed January 19, 2021). Y. Yoon and H. Park, “Automatic Recommendation of Foundation Color Based on User's Skin Color,” Korean Institute of Intelligent Systems, Vol. 29, No. 4, pp. 280-284, 2019.

C. Tianqi and C. Guestrin, “XGBoost: A Scalable Tree Boosting System,” arXiv Preprint, arXiv:1603.02754, 2016. J. Lee, A Study on Recent Boosting Methods, Department of Applied Statistics Graduate School of Konkuk University, 2020.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정민욱

소속기관 대구대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 복합학 > 학제간연구

논문수 2 이용수 244

김현지

소속기관 대구대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 농수해양학 > 식품과학

논문수 42 이용수 6,572

곽채원

소속기관 대구대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학

논문수 1 이용수 129

오유수

소속기관 대구대학교

주요연구분야 복합학 > 학제간연구 TOP 10% 공학 > 전기전자공학 > 전자공학

논문수 30 이용수 5,500

이 논문과 함께 이용한 논문

인공지능 반도체란 무엇인가

김형진 , 이혁재 전자공학회지 2022 .06

딥러닝 기반의 MBTI 성격유형 분류 연구

김정민 , 박지민 , 이로운 외 2명 한국통신학회 학술대회논문집 2022 .06

사용자 구매 내역을 활용한 딥러닝 기반 추천 시스템

오홍석 , 정재민 , 남윤중 외 2명 한국정보기술학회논문지 2022 .06

인공지능 딥러닝의 역사와 현황, 그리고 미래 방향

이원진 대한치과의사협회지 2022 .04

AI교육플랫폼을 활용한 인공지능 수업의 방향

류미영 , 한선관 한국컴퓨터정보학회논문지 2022 .05

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (18)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)