부산대학교 도서관

외환 거래 자유화 확대 및 수출입 통관 절차 간소화 등으로 인하여 수출입 건수가 1년에 2000만건 이상으로, 점차 증가하는 추세이다. 수출입 기업에서는 관세 혜택을 받거나 올바른 관세를 측정하기 위해 관세 분류 방식으로 HS Code(Harmonized System Code)를 활용하고 있다. 그러나 HS Code의 기준이 1만개가 넘을 정도로 방대하여, 신규 수출입 업무 진행자나 품목에 대한 이해가 부족할 경우 분류에 어려움이 따르고, HS Code 오 분류는 수출입 업무 흐름을 방해하여 기업에 큰 손실을 야기할 수 있다. 이러한 HS Code 분류의 한계점을 보완하기 위해 본 논문에서는 이미지 분류를 통해 의류 수출입 품목의 HS Code를 자동 제안할 수 있는 시스템을 설계하였다. 기존의 HS Code 제안 서비스는 물품명 혹은 사용자가 등록한 품목 정보를 이용하였다. 본 논문에서는 기존 서비스에서 사용되던 text정보가 아닌 이미지 정보를 활용하여 HS Code를 제안하도록 구성하였다. 이미지를 이용한 자동 제안을 위하여 이미지 분류 분야에서 널리 사용되고 있는 Convolution Neural Networks(CNN) 구조를 사용하여 이미지 분석 모델을 생성하였다. 생성한 신규 이미지 분류 모델을 사용하여 의류 품목의 이미지로 HS CODE를 분류할 수 있도록 시스템을 구성하였다. HS CODE의 구성 특성에 따라 시각적으로 분류할 수 있는 단계인 류 분류까지의 분류를 목표로 하였으며, 이를 위해 모델 생성시에 의류의 디테일한 특징을 잡아 분류할 수 있도록 이미지 분류 기법 중 RetinaNet 모델의 구조를 적용하였다. 이미지 트레이닝을 위하여 의류 전문 웹사이트의 이미지를 크롤링 하여 데이터 셋을 구성하였고, 구성한 이미지 데이터 셋을 학습시켜 새로운 모델을 도출하였다. 도출된 모델의 정확도 평가를 진행하였고, 실험 평과 결과 평균 88%의 정확도를 도출할 수 있었다. 평가 결과를 통하여 CNN기반의 이미지 분류 모델이 의류 수출입 품목의 HS CODE 자동 제안 시스템에서 유용하게 사용 될 수 있음을 확인할 수 있었다.