1) 문제점
- 건설 현장에서 필요한 카지노 딜러 빠르게 찾기 위해 명칭이나 규격을 정확히 기억해야 하는 어려움이 있었습니다.
- 특히, 현장에서 즉시 필요한 카지노 딜러 찾기 위해 수작업으로 목록을 검색하거나 문의해야 하는 번거로움이 존재했습니다.
- 자재 구매 시 비슷한 제품을 찾는 과정이 복잡하고 시간 소모가 컸으며, 유사 제품 탐색과 연관 자재 추천이 원활하지 않았습니다.

2) 프로젝트 목표
- 스마트폰 카메라 촬영만으로 현장 카지노 딜러 빠르게 인식하고 유사 카지노 딜러 검색할 수 있는 시스템 구축
- 구매 이력 기반 추천 기능을 통해 프로젝트에 필요한 연관 카지노 딜러 자동으로 추천하여 구매 편의성 증대
- MVP(Minimum Viable Product) 수준의 경량화된 시스템을 빠르게 개발하여 실제 현장에서의 유효성을 검증

3) 주안점
- 간단한 인터페이스: 사용자가 카메라로 촬영하거나 이미지를 업로드하는 직관적인 UI 설계
- 빠른 유사도 분석: AI 모델(YOLOv8)을 활용하여 빠르게 유사 카지노 딜러 탐색
- 구매 이력 기반 추천 최적화: 사용자의 구매 데이터를 바탕으로 필요한 카지노 딜러 예측하고 추천
- 검색 최적화: FAISS(Vector Search) 기술로 Top-K 유사 카지노 딜러 신속하게 제공

* 프로젝트 개요
건설 현장에서 카지노 딜러 빠르게 식별하고, 구매 이력에 기반한 추천을 제공하기 위한 AI 이미지 검색 및 추천 시스템입니다.
사용자는 스마트폰 카메라로 카지노 딜러 촬영하거나 사진을 업로드하면, 시스템이 이를 분석하여 유사한 자재 목록을 빠르게 보여줍니다.
또한, 구매 이력 데이터를 기반으로 관련 자재 추천 기능을 제공하여, 자재 구매의 편의성과 효율성을 높였습니다.

* 주요 기능
1. 자재 이미지 검색
- 사용자가 촬영하거나 업로드한 건설 자재 이미지에서 YOLOv8 기반 객체 탐지를 활용하여 빠르게 분석
- Forward Hook 기술을 통해 중간 레이어 특성 추출 → 자재의 주요 특징을 벡터로 변환
- FAISS(Vector Search)를 활용한 유사도 측정을 통해 Top-K 유사 자재 목록을 실시간으로 추천
- 카테고리 필터링 기능을 통해 콘크리트, 철근, 배관 등 특정 자재군 필터링 가능

2. 구매 이력 기반 자재 추천
- 사용자의 구매 이력 데이터를 분석하여 자주 구매하는 자재와 함께 자주 사용되는 연관 카지노 딜러 추천
- CatBoostRanker 모델을 활용하여, 사용자별 최적화된 추천 순위 생성
- YetiRank 손실 함수를 적용하여 추천의 정확도와 신뢰도를 극대화
- 사용자 맞춤형 추천을 통해, 구매 누락을 방지하고 프로젝트의 자재 조달을 원활하게 지원

* 기술 스택 및 개발 환경
- 프론트엔드: React.js
- 백엔드: Springboot, Python (AI 모델 처리)
- AI 모델: ultralytics YOLOv8
- DB: MySQL
- 이미지 분류 : YOLOv8 기반 객체 탐지, Forward Hook을 활용한 중간 레이어 특성 추출
- 이미지 추천 : CatBoostRanker 기반 랭킹 모델 (YetiRank 손실 함수 사용)
- 유사 이미지 : FAISS (L2 거리 기반 벡터 유사도 검색), 카테고리 필터링 기반 Top-K 최근접 검색

* 특장점
- 현장 즉시 이미지 인식: 복잡한 자재 명칭 없이 사진 한 장으로 실시간 검색 가능
- 유사 자재 탐색 최적화: Top-K 검색으로 필요한 카지노 딜러 빠르게 탐색
- 구매 이력 기반 추천: 자재 누락 없이 필요한 모든 항목을 빠르게 확보 가능
- 필터링 기능 지원: 카테고리별 필터링으로 검색 결과를 빠르게 정리

* 적용 효과
- 현장 작업자의 자재 탐색 시간 단축
- 자재 누락 및 오배송 감소
- 구매 패턴 분석을 통한 연관 자재 제안으로 프로젝트 진행 효율성 향상
- 사진만으로 빠르게 유사 카지노 딜러 탐색하여, 정확한 구매 결정 가능