머신러닝 기법을 활용한 피부 유형 판단 도구 모델에 관한 연구

김기영

추천

검색

질문

자료유형: 학술저널

저자정보: 김기영

저널정보: 한국일러스아트학회 조형미디어학 조형미디어학 제21권 제4호

발행연도: 2018.11

수록면: 115 - 121 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 국내의 경제·문화적인 생활수준이 향상됨에 따라 건강하고 아름다운 피부의 상태를 유지하기 위하여 뷰티 분야에서 피부관리에 대한 관심이 매우 높아지고 있다. 일반적으로 피부는 건성, 지성, 중성, 민감성, 복합성과 같이 크게 5가지의 특성으로 구분할 수 있다. 그러나 대부분의 소비자들은 어떤 유형의 피부를 가지고 있는지 제대로 파악하지 못하는 경우가 많으며, 피부의 유형을 측정하기 위하여 전문 병원이나 전문적인 뷰티 테크 기기를 사용하여 피부를 진단하고 있다. 뷰티와 관련된 디바이스시장은 주로 병원용 의료기기가 대부분이었으나, 영상 기술의 발전으로 가정에서도 편리하고 간편하게 사용할 수 있는 제품이 등장하기 시작했으며, 이를 통하여 피부 고민에 대한 경제적, 시간적인 부담이 줄어들었고, 소비자들의 관심도는 급속하게 높아지고 있다. 특히 뷰티 테크와 관련된 시장은 4차 산업혁명의 핵심 기술과 융합되어 급속하게 발전되고 있는 상황으로, 점진적인 변화에 빠르게 대응하기 위하여 뷰티 시장에서도 단순하게 시장을 세분화하는 관점에서 벗어나 새로운 성장 동력이 필요한 실정이다. 최근 화장품 업계에서는 피부 측정 도구를 이용하여, 피부 상태에 대한 컨설팅 및 마케팅 전략으로 필요 제품을 추천해주는 서비스로 경쟁력을 강화하고 있다. 이에 본 논문에서는 소비자들이 피부 관리를 위하여 스스로 피부의 유형 판단이 가능하도록, 머신러닝 기반으로 특징점을 추출하여 피부의 유형을 판단할 수 있는 모델을 제안한다. 제안 모델을 통하여 소비자 스스로 피부의 유형 판단이 가능함에 따라 본인에게 적합한 뷰티 케어 서비스를 선택할 수 있고, 정확한 뷰티 케어 정보를 획득하여 아름답고 건강한 피부를 관리할 수 있을 것으로 기대되며, 향후 연구에서는 피부 유형의 정확도를 향상시키기 위하여 다양한 피부 이미지의 수집에 대한 연구와 새로운 기계학습 알고리즘에 대한 연구가 계속되어야 할 것이다.

Recently, there has been a growing interest in science in the field of beauty in order to maintain healthy and beautiful skin conditions, as the domestic economy and cultural standards of living have improved. In general, the skin can be classified into five characteristics such as dryness, oilyness, neutrality, sensitivity, and complexity. However, most consumers do not know exactly what type of skin they have. To determine the type of skin, specialist hospitals and specialist beauty equipment are used to diagnose the skin. The device market related to beauty was mainly medical equipment for hospitals, but with the development of imaging technology, products that are convenient and easy to use at home have begun to appear. As a result, the economic and time burden of skin troubles has decreased, and the interest of consumers has been rapidly increasing. Especially, the market related to beauty tech is rapidly developing with the core technology of the forth industrial revolution. In order to respond quickly to gradual changes, a new growth engine is needed in the beauty market. Recently, the cosmetics industry is strengthening its competitiveness by using skin measurement tools, consulting about skin condition, and recommending necessary products as a marketing strategy. In this paper, we propose a model that can determine skin type by extracting feature points based on machine learning which enables consumers to judge skin type for skin care. Through the proposed model, it is possible for consumers to judge the type of skin on their own, so it is possible to select a beauty care service suitable for the user. It is also expected to acquire accurate beauty care information and manage beautiful and healthy skin. Future studies should continue to study the collection of various skin images and new machine learning algorithms to improve the accuracy of skin type.

#4차산업혁명 #머신러닝 #뷰티 산업 #특징점 추출 #피부 유형 #Beauty Industry #Feature Extraction #Forth Industrial Revolution #Machine Learning #Skin Type

참고문헌 (20)

참고문헌 신청

김춘자 / 2003 / 피부미용학 / 훈민사

신지현 / 2007 / 신미용학개론 / 수문사

변선주 / 2011 / 미용성형과 피부미용의 효용성 및 인식도 비교분석을 통한 피부미용의 발전방향 연구

김문주 / 2006 / 피부관리 종사자를 위한 아로마테라피 교육프로그램 연구

이준신 / 뷰티샵 종사자의 직무스트레스가 직무만족에 미치는 영향

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

김기영

소속기관 부산대학교

주요연구분야 예술체육학 > 디자인 TOP 10% 사회과학 > 경영학

논문수 19 이용수 1,502

이 논문과 함께 이용한 논문

코스메틱 플래그십 스토어에 적용된 뷰티테크와 경험디자인 연구

서유진 , 한혜련 한국실내디자인학회 논문집 2023 .08

뷰티 테크(Beauty Tech); 미용기기의 현재와 미래

오수정 BT NEWS 2023 .04

디지털 기술 발달에 따른 패션테크 시장의 변화

김미영 한복문화 2022 .12

패션 추천서비스 알고리즘에서 상품유형과 속성 조합의 영향

최지윤 , 이규혜 한국의상디자인학회지 2022 .06

스킨 큐레이션을 위한 인공지능 학습 데이터베이스 구축 방안 연구

남현우 한국과학예술융합학회 2020 .09

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-658-001585246

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 (20)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)