http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 문남미(Nam-me Moon) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
이용자참여형방송 메타데이터 관리 시스템 설계에 관한 연구
문남미(Nam-me Moon),최유쥬(Yoo-joo Choi),홍진우(Jinwoo Hong),이한규(Hankyu Lee) 한국컴퓨터정보학회 2007 한국컴퓨터정보학회 학술발표논문집 Vol.15 No.2
오늘날 미디어는 기존의 신문, TV, 방송, 라디오 잡지등의 개별적인 여러 미디어들이 통합된 모습을 보여주고 있으며 이메일이나 메신저와 같이 전통적인 커뮤니케이션이외의 방송 수신기능, 통신 서비스 기능을 모두 포함하는 융합단말기에서 이용자참여서비스 수익모델을 창출해 낼 것으로 기대한다. 방송프로그램과 관련된 물품을 구매하는 T-커머스 서비스와 같은 양방향 서비스는 대표적인 방송통신 융합 서비스로서 많은 관심의 대상이 되고 있다. 사용자는 원하는 서비스를 위하여, 융합된 서비스 제공을 원하기 때문에 최근들어 쉽고 편안하게 소비할 수 있는 유비쿼터스 개인 미디어 소비형태로 발전하고 있다. 이와 같은 유비쿼터스 개인 미디어 소비 형태는 동영상 중심이기때문에 동영상을 기반하여 내용기반검색이 가능하고, 위치 조정이 가능한 저작도구가 요구된다. 이와 같은 저작도구는 메타데이터로서 사용되어지는 MPEG7, TVA 뿐 아니라, 필요 응용 영역따른 메타데이터 사이에 효율적으로 자료교환을 지원할 수 있어야한다. 제안된 메타데이터 관리시스템은 콘텐츠 메타데이터 맵핑 테이블을 통해 각 매체에 맞는 메타데이터의 생성 및 기존 작성된 메타데이터를 분석하여 원하는 매체에서 서비스되기 위한 메타데이터 편집과 학습 콘텐츠 구조화를 위한 매니페스트 파일 생성 및 LCMS와의 연계가 가능하다, DMB와 같은 휴대단말 환경에서 가볍게 움직이는 콘텐츠 제작을 위해 메타데이터 숫자를 제한하고 Content Description, Scene Detection, Object Tracking로 메타데이터를 구분하여 스키마 다이어그램을 설계한다. 본 논문은 기존의 익숙한 콘텐츠를 재가공하여 제공함으로 다양한 양방향 서비스 수요 활성화 측면과 CP의 제작 비용 감소 측면에서 긍정적인 영향을 끼칠 것으로 예상된다.
-
박경수,문남미,Park, Kyong-Su,Moon, Nam-Me 한국정보처리학회 2012 정보처리학회논문지B Vol.19 No.3
일반적으로 추천시스템의 구성변수가 많아질수록 평가함수 R을 극대화하는 것은 유리하나 계산의 복잡성으로 예측성능과 추천유효성을 저해할 수 있어 구성변수의 증가와 추천 성능을 동시에 해결하는 것이 필요하다. 본 연구는 이러한 과제를 해결하기 위해 음악추천시스템을 대상으로 음악추천 시 평가함수 R을 극대화하기 위한 다차원 구성요소와 이들의 상대적 중요도에 대해 연구하였다. 이를 위해 관련 선행연구를 바탕으로 도출된 수식과 차원들을 이용하여 다차원 최적화 모형을 수립하고 다차원 최적관계를 도출하기 위한 실제 고객의 사용로그 자료를 활용하여 다중회귀분석을 하였다. 그 결과 음악선호평가에 있어 상품차원, 사회관계차원, 사용자차원, 상황차원 순으로 상관관계가 높은 것으로 나타났고 특히 사회관계차원의 구성변수인 인기곡과 상품차원의 구성변수인 음악장르, 최신곡 및 선호아티스트가 음악선호평가와 상관관계가 높은 것으로 나타났다. 한편 도출된 다차원 추천모형은 사용자 상품의 2차원 추천시스템 및 사용자 상품 상황 또는 사용자 상품 사회관계의 3차원 추천시스템과 성능을 비교 평가한 결과 종속변수인 평가함수 R에 대한 투입된 독립변수들인 각 차원들의 설명력이 가장 높고 또한 평가함수 R과 사용자차원, 상품차원, 상황차원 및 사회관계차원의 개별 상관관계도 더 높은 것으로 나타났다. This study aims to identify the multidimensional variables and sub-variables and study their relative weight in music recommender systems when maximizing the rating function R. To undertake the task, a optimization formula and variables for a research model were derived from the review of prior works on recommender systems, which were then used to establish the research model for an empirical test. With the research model and the actual log data of real customers obtained from an on line music provider in Korea, multiple regression analysis was conducted to induce the optimal correlation of variables in the multidimensional model. The results showed that the correlation value against the rating function R for Items was highest, followed by Social Relations, Users and Contexts. Among sub-variables, popular music from Social Relations, genre, latest music and favourite artist from Items were high in the correlation with the rating function R. Meantime, the derived multidimensional recommender systems revealed that in a comparative analysis, it outperformed two dimensions(Users, Items) and three dimensions(Users, Items and Contexts, or Users, items and Social Relations) based recommender systems in terms of adjusted $R^2$ and the correlation of all variables against the values of the rating function R.
-
조재현 ( Jae-hyeon Cho ),문남미 ( Nam-me Moon ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.1
색상 영상과 이에 상응하는 깊이 영상으로 3차원 비디오를 만드는 방법은 최근 키넥트 깊이 카메라와 같이 저가임에도 불구하고 높은 성능을 보이는 카메라가 시중에 출시되면서 다양한 형태의 응용분야에 많이 사용되기 시작했다[1]. 본 연구는 TOF(Time Of Flight) 카메라와 RGB 카메라가 같이 있는 키넥트를 이용해서 깊이 영상에서 보행자를 탐지한다. 전처리 작업으로 배경 깊이 맵을 미리 저장하고, 깊이의 차이로 보행자 유무를 알아낸다. 보행자를 지속적으로 탐지하기 위해 CAMShift 알고리즘을 사용해 라벨링과 보행자 추적을 하며, 보행자의 진행 방향과 속도를 탐지하기 위해 Dense Optical Flow를 사용해 보행자의 벡터 정보를 저장한다. 보행자가 깊이 맵 밖으로 나가면 해당 보행자에 대한 탐지를 종료한다.
-
Skeleton Joints 기반 행동 분류 모델 설계
조재현 ( Jae-hyeon Cho ),문남미 ( Nam-me Moon ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.2
키넥트는 RGBD 카메라로 인체의 뼈대와 관절을 3D 공간에서 스켈레톤 데이터수집을 가능하게 해주었다. 스켈레톤 데이터를 활용한 행동 분류는 RNN, CNN 등 다양한 인공 신경망으로 접근하고 있다. 본 연구는 키넥트를 이용해서 Skeleton Joints를 수집하고, DNN 기반 스켈레톤 모델링 학습으로 행동을 분류한다. Skeleton Joints Processing 과정은 키넥트의 Depth Map 기반의 Skeleton Tracker로 25가지 Skeleton Joints 좌표를 얻고, 학습을 위한 전처리 과정으로 각 좌표를 상대좌표로 변경하고 데이터 수를 제한하며, Joint가 트래킹 되지 않은 부분에 대한 예외 처리를 수행한다. 스켈레톤 모델링 학습 과정에선 3계층의 DNN 신경망을 구축하고, softmax_cross_entropy 함수로 Skeleton Joints를 집는 모션, 내려놓는 모션, 팔짱 낀 모션, 얼굴을 가까이 가져가는 모션 해서 4가지 행동으로 분류한다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
