http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Template 을 이용한 동영상 비정규 구조 색인 방법
권순용 ( Soonyong Kwon ),오상욱 ( Sangwook Oh ),윤자천 ( Ja-cheon Yoon ),설상훈 ( Sanghoon Sull ) 한국정보처리학회 2005 한국정보처리학회 학술대회논문집 Vol.12 No.1
동영상 데이터가 급증하면서 뉴스 검색과 같은 검색 서비스를 위한 내용 기반의 색인 방법에 대한 관심이 높아지고 있다. 이에 따른 최근의 동영상 색인 기술들은 특히 용량이 큰 동영상에서 자동 또는 반자동으로 색인하기 위한 방법들을 소개하고 있으며, 대부분 저수준 특징(low-level feature)들을 이용하여 특정 구간을 검출하는 방법을 사용하고 있다. 그러나 저수준 특징만을 이용할 경우 고수준 특징(high-level feature)이 나타내는 인지적 측면에서의 동영상 내용을 다룰수 없어, 사용자가 일일이 내용에 따른 구분 작업을 병행해야 하는 단점을 갖고 있다. 본 논문에서는 뉴스와 같이 시간적으로 비정규적이지만 내용에 따라 구조를 지니고 있는 동영상에 대해서, 저수준 특징만을 사용하여 고수준 특징을 이용한 것과 같은 성능으로 사용자가 수행해야 하는 작업을 최소화하는 내용 기반 구간 검출 방법에 의한 색인 방법을 제안한다. 특히 저수준 특징을 이용한 프로그램 구간검출은 빠른 처리 및 효과적인 검출 성능 보이고 있어, 본 논문에서 제안한 비정규 구조 색인 방법이 내용 기반 색인에 매우 효과적임을 보여주고 있다.
오상욱,정민교 서울여자대학교 컴퓨터과학연구소 2004 정보기술논문지 Vol.3 No.-
내용기반 영상검색(content-based image retrieval) 시스템은 영상의 시각적인 특징정보(색깔, 텍스처, 모양 등)를 사용하여 질의 영상(query image)과 유사한 영상을 검색하게 된다. 그러나 이런 하위 레벨의 시각적인 특징정보만으로는, 영상에 내재된 상위 레벨의 의미 있는 정보(예를 들면, 객체, 이벤트, 상호관계 정보 등)를 제대로 표현하지 못하게 된다. 그래서 내용기반 영상검색 시스템의 이러한 단점을 보완하는 한 방법으로, 적합성 피드백(RF: Relevance Feedback) 개념을 이용한 영상검색 기법이 일찍부터 사용되었다. 그러나 기존 RF 기법에서는 사용자로부터 어렵게 획득한 적합성 정보를 검색 종료 후 막연히 폐기하는 단점을 가지고 있다. 본 논문에서는 이런 사용자의 적합성 정보를 버리지 않고, 체계적으로 저장하여 영상의 검색 효율을 높이는 새로운 개념의 RF 기법을 제안한다. 새로 제안된 RF는 시간의 흐름에 따라 축적되어 저장된 상위 레벨의 적합성 정보를, 하위 레벨의 시각정보와 동적으로 결합하여 사용함으로써 검색의 효율성을 크게 향상시킨다. Content-based image retrieval systems acquire the visual content of an image such as color, texture, shape, etc. and use these low-level visual features to find all the images similar to a query image. Unfortunately, the low-level visual content alone cannot capture high-level image semantics(for example, objects, events, and relationships) in a meaningful way. To get around those difficulties in the content-based retrieval systems, an image retrieval method based on the concept of relevance feedback(RF) has been used earlier, which gradually refines a query by the relevance information from a user. However, the traditional RF method has a drawback to simply throw away the user’s feedback information as soon as a search session ends. In this paper, a new version of RF is proposed, which systematically accumulates human perceptual responses over time through relevance feedback mechanism. Specifically, the newly proposed RF combines the accumulated high-level relevance information with low-level visual features to further improve the retrieval effectiveness.