AI Application in Fashion Trend （英文版）（人工智慧在流行趨勢研究的應用）

本書提出了一種系統化的女性面部膚色探索&分類方法，並將其應用於化妝品市場。該方法是對人臉識別理論的一種擴展。在資料獲取過程中，將RGB格式的圖像轉換為Lab空間格式，然後利用模糊C均值理論對資料進行聚類和分組。結果按實驗資料進行分類和分組。創建了兩個程式。第一個程式“FaceRGB”，自動從圖像中捕捉顏色。第二個程式“ColorFCM”，對膚色資訊進行聚類和分組。研究結果可用於幫助專家系統在化妝和新產品開發過程中選擇定制顏色。最後，本書結合默克的色彩趨勢預測，將聚類後的膚色與默克的六種膚色理念相結合進行配對，將結果應用於化妝品中，更清楚地認識到研究的價值和應用的未來發展。
消費者行為是複雜的，如何掌握流行趨勢?
在化妝品市場，個人的直覺和色彩選擇的時尚趨勢是消費者的準則。
本書運用默克的色彩趨勢預測，展現AI智慧在時尚趨勢中更精彩的價值。

顏志晃 博士
Chih-Huang Yen, Ph. D.
[學經歷]
台灣成功大學 工業設計研究所 博士
中國閩南師範大學 藝術學院 副教授
台灣高雄師範大學 兼任助理教授
台灣台鉅集團 設計總監
法商伯納集團 格尚公司 開發設計經理
[研究領域]
色彩學、色彩管理、流行趨勢研究分析、模糊理論應用、產品研究與開發、閩南文化創意設計、產品開發流程研究、人工智慧設計應用、大數據的設計分析與應用

Associated professor in the Art school of Minnan Normal University, Zhangzhou, Fujian, China. He is a Ph.D. in the Department of Industrial Design at the National Cheng Kung University, Tainan, Taiwan, Republic of China. He was a design director in Tair Jiuh Enterprise., co. (Taiwan) for cosmetic industry. He spent about 11 years in SAGA company (France) as a R&D manager did watch & jewelry design and development. His major research interests include application of fuzzy set theory on product design, and gray theory to product design, color planning for product design, and design management.

[Preface]
在科技的突飛猛進下，每每都有令人驚豔的產品與流行的話題不斷，流行趨勢的信息一直圍繞在你我的生活中，每天早上一起床，準備換上班服裝，想著當個潮男或是扮文青，皆因流行信息左右你的思考；在出門之前的化妝打扮也無不思索著，現下最亮眼的脣色或是妝容，而無論是在裸肌或煙燻妝的選擇當下，顏色的魔力永遠是最神祕也最令人玩味的議題。
我一直被人戲稱都在賺女人的錢，職涯20年間，有10年做的是珠寶首飾設計，有10年做的是化妝品的研發設計，五年前因緣際會下進到成功大學工業設計研究所攻讀博士，我以色彩當成我的研究軸心，加上恩師的模糊理論，智能模式研究將其應用在人臉膚色的擷取與分類。這著作是我攻讀博士班的研究心血結晶，其間有業界中的流行趨勢探討，更是把色彩當成工程來做研究，自色立體的討論到人臉膚色的擷取，有著獨到的見解，特別是將人臉膚色擷取以六點做一個經濟快速的擷取模式，進而套用數學邏輯編寫JAVA程式，將上萬筆人臉資料輸入，經取得的資料再作分析，經由模糊聚類理論所編成的APP，得到百萬筆數據資料，再純化成18個分類。
本書的完成要感謝成功大學蕭世文特聘教授，不是他的開導就沒有這著作的產生。半夜筆耕時，感謝家人的陪伴與包容支持，因為有這些溫暖的肩膀，本書方能順利完成。擁有健康和時間去投入有意義的事情，其實是幸福的。學而後知不足，本書在撰寫期間，其實尚有許多可再做延伸研究與發展的地方，期待各位讀者的迴響與不吝指教，也希望此書可以給讀者們對趨勢流行與色彩應用有另一層面的想法與見解。

PREFACE
SUMMARY
ACKNOWLEDGEMENTS
LIST OF SYMBOLS AND ABBREVIATIONS
CHAPTER 1 INTRODUCTION
1.1　Related research
1.2　Market Assessment from Merck
1.3　Outline of this study
CHAPTER 2 LITERATURE REVIEW
2.1　The choice for colour space
2.1.1　RGB colour model
2.1.2　CIELAB colour model
2.1.3　RGB & CIELAB conversions
2.2　Taguchi Methods
2.2.1　Basic concept
2.2.2　Properties of an orthogonal array
2.2.3　Assumptions of the Taguchi method
2.2.4　Designing an experiment
2.3　Fuzzy C-means
2.4　Facial recognition system
CHAPTER 3 IMPLEMENTATION METHOD
3.1　6 points colour detection
3.1.1　Hypothesis _ Captured colour from 6 points
3.1.2　Taguchi method finds optimization
3.2　Verification for 6 points to detect facial colour
3.2.1　Spectrometer Application
3.2.2　Test Design
3.2.3　Test comparison of FaceRGB and FOS (Fiber of spectrometer)
CHAPTER 4 CASE STUDY
4.1　FaceRGB
4.1.1　Outliers
4.1.2　FaceRGB operation
4.2　ColorFCM
4.2.1　Expectation Maximization
4.2.2　E-step (Expectation step)
4.2.3 M-step (Maximization)
4.2.4　K-means++
4.2.5　ColorFCM implementation
CHAPTER 5 RESULTS & DISCUSSION
5.1 Experimental verification
5.2 RGB & YCbCr conversions
5.3 Training samples for FaceRGB
5.4 RGB with a large quantity of images
5.5 ColorFCM result by Fuzzy C-means
CHAPTER 6 APPLICATION
6.1 Connection between the colour clusters and Merck makeup trends
6.2 For personal application
6.3 For trend applications
6.4 Conclusion
REFERENCES