안녕하세요 세종대학교 캡스톤 프로젝트 “오늘 뭐 입지?“의
중간발표를 맡게된 8조 팀장 이승렬입니다.
저희 목차는 서비스 소개와 개발배경
그리고 서비스 목표와 시나리오
서비스 기술 스택 및 세부내용을 설명드린 뒤
마지막으로 남은 서비스 개발일정에 대해서 설명드리겠습니다.
첫번째로 서비스 소개입니다. 다들 오늘 입을,옷, 아침마다 한번쯤은 고민을 해보셨을 겁니다.
오늘 날씨는 어떻게 되는지, 도 오늘 일정은 어떻게 되는지에 따라
사람들이 외출 전 항상 옷을 어떻게 입을지 고민을 해보신 적은 없나요?
따라서 저희는 날씨와 일정에 맞는 옷 추천 서비스를 생각하게 되었습니다.
저희 서비스의 포인트는 다음과 같습니다.
날씨와 일정에 맞게 AI 가 추천해준 여러옷들 중, 사용자들이 마음에 드는 상하의를 고를 수 있습니다.
이때 선택했던 옷들을 마이페이지의 선택 히스토리에서 확인할 수 있습니다.
또한 다른 사용자들은 비슷한 날씨와 일정에 어떤 옷을 입었는지, 통계 페이지에서 확인할 수 있습니다.
그중에서 마음에 드는 옷이 있다면, 좋아요를 눌러서 선택히스토리에 저장할 수 있습니다.
다음으로는 서비스 개발 배경입니다.
첫번째로, 옷을 고르는데에 있어 가장 중요한 요소는 날씨와 관련이 되어있다는 점이었습니다.
이를 통해서 날씨 데이터를 사용해야겠다는 생각을 하였고,
또한 같은 날씨에도 일정에 따라서 옷은 천차만별일 수도 있다는 점에서
캘린더를 만들어야겠다는 생각을 하였습니다.
하지만 날씨와 일정에 맞지 않는 옷을 입게 된다면 불편하다 라는 문제가 제기되면서
이와 같은 문제를 종합적으로 고려하여,
날씨와 일정에 맞춘 옷차림 추천으로 쉽고 빠르게 입을 옷을 추천하게끔
서비스를 기획하게되었습니다.
그리고 저희 서비스의 개발 배경에 대해 사람들은 어떻게 생각하는지 설문조사를 진행했습니다.
60%의 사람들이 옷을 고르는 데에 날씨와 일정을 고려한다는 응답을,
65%의 사람들이 옷을 어떻게 입을 지 고민을 하는 시간을 갖는다는 응답을 했습니다.
또, 85%의 응답자가 날씨와 일정에 맞게 옷을 추천해주는 서비스가 있다면 사용할 것이라는 의사를 밝혔습니다.
따라서 저희 서비스는 날씨와 일정 정보를 기반으로 한 옷 추천 서비스를 제공함으로써,
일상생활 중 사용자들이 옷 선택에 들이는 시간과 노력을 줄인다는 점과
단순하게 옷을 추천하는 것을 넘어서
해당 옷이 어떤 스타일에 어울리는지,
또한 어떤 옷이 유행하는 지에 대한 정보도 함께 제공합니다.
이와 같은 포인트를 통해서 젊은 사용자들의 니즈를 충족하는 것에도 포커스를 맞추었습니다.
서비스를 이용하는 사용자들이 옷을 더욱 쉽고 편하게 찾을 수 있도록 돕고,
만족도를 높이는 것을 목표로
이를 위해, 정확하고 유용한 추천 시스템과 사용자 친화적인 UI를 적용하려고 하였습니다.
다음으로는 저희 서비스 시나리오 입니다.
매일매일 어떤옷을 입을지 고민하던 사용자가,
저희 서비스를 방문하고, 소셜로그인으로 간편하게 로그인을 한뒤
메인페이지에서 본인이 AI에게 추천받은 옷들중, 상의와 하의를 선택하게 됩니다.
또한 날씨와 본인이 작성한 일정을 한눈에 확인이 가능합니다.
그리고 캘린더페이지로 이동을 하게 된다면, 일정을 추가, 수정 및 삭제 진행이 가능하며
한 달 일정을 한 눈에 확인이 가능합니다.
마이페이지에서는 개인정보를 수정가능하며, 선택 히스토리를 확인할 수 있습니다.
통계페이지에서는 사용자들간의 스타일을 공유할 수 있으며, 스타일별 유행을 참고할 수 있습니다.
또한 본인이 작성한 일정과 날씨에 따라
저희 “오늘 뭐 입지”가 SMS를 통해 쉽고 빠르게 추천 옷을 아침마다 전송해줄 예정입니다.
저희 서비스 기술스택 및 세부내용입니다.
먼저 대표적으로 개발에서 사용한 프레임워크를 설명드리겠습니다.
프론트엔드는 리액트 를
백엔드는 스프링 부트를
AI Tech 와 같은 경우는 Pytorch를 사용했습니다.
저희 서비스 아키텍쳐입니다.
백엔드 부터 말씀을 드리면, 초록색 부분을 봐주시면 되겠습니다.
개발 프레임워크는 SpringBoot 를 사용하고,
다양한 외부 API를 적극적으로 사용하며 서비스를 개발하고 있습니다.
데이버베이스 같은 경우는 엔티티 관리는 MySQL로,
인증번호나 토큰 관리는 보다 빠른 READ, WRITE 속도를 위해
인메모리 데이터베이스인 Redis를 이용해 구현하였습니다.
추가로 데이터 관리 및 보관을 용이하게 하고, 데이터 보안성을 높이기 위해
AWS RDS, ElastiCache를 사용해 데이터베이스 인프라를 구축했습니다.
또한, 대용량 의류 이미지 파일을 저장하고 처리하도록 AWS S3를 스토리지로 사용합니다.
효율적인 개발 진행을 위해 Github Actions를 이용해
클라우드 서비스 기반인 AWS EC2 서버로 자동 배포화를 진행하고 있습니다.
다음은 AI 입니다. 빨간색 박스를 봐주시면 되겠습니다.
먼저 모델 학습을 위한 데이터를 공공데이터포털, 기상청, 통계청 및 국토교통부에서 수집 후 라벨링을 통해 데이터셋을 제작했으며, AI 모델 개발을 위한 프레임워크로 Pytorch를 사용했습니다.
한국어로 작성된 위치와 날씨 데이터를 분류하기 위해 kiwi 자연어처리 라이브러리를 사용해 형태소 분석을 진행한 후, Vectorizer를 통해 데이터 전처리를 해주었습니다.
모델로는 DNN, SVC 와 Random Forest Classifier가 사용되었으며, validation 데이터 셋을 통해 모델의 정확도를 측정하면서 하이퍼 파라미터 튜닝을 진행했습니다.
제작이 완료된 모델은 Flask 를 활용해 서빙을 합니다.
이 때, 서버의 과부하에 대비해서 spring과 flask 웹 어플리케이션을 각각 다른 aws ec2 인스턴스에 배치해 독립적으로 실행하고, spring에서 flask api를 호출하는 아키텍처를 구축하였습니다.
마지막은 프론트엔드입니다. 파란색 박스를 봐주시면 되겠습니다.
프론트엔드와 같은 경우,
컴포넌트를 통해 재사용 가능한 UI 구성 요소로 유지 보수 측면에서 이점을 끌어올리고,
반응형 웹을 통해 사용자의 편의성을 제공하고자
React 및 React Query를 통해서 개발을 진행했고 Vercel을 통해서 배포 예정입니다.
앞으로의 개발일정입니다.
그동안 저희가 개발해왔던 내용들은 전체적인 개발환경의 구축, 전체적인 API 명세서의 작성 과 CI/CD 구축, 간편한 회원가입과 로그인 로직과 데이터셋 제작 및 라벨링 AI 학습과 Flask 연동, Docker 이미지 테스트 등 전반적인 부분에서 개발을 마친 상태이며 이후에는 의류이미지 크롤링, 캘린더 서비스를 제작, 로그아웃 구현과 토큰 재발급과 이미지 저장과 같은 전체적인 서비스 부분을 개발할 예정입니다. 이후 리펙토링 유저테스트와 피드백을 받고
이 피드백을 반영하고 개선 및 수정을 할 예정입니다.
이상으로 발표를 마치겠습니다. 감사합니다.