http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
안재현(An, Jaehyun),이상화(Lee, Sang Hwa),조남익(Cho, Nam Ik) 한국방송·미디어공학회 2011 한국방송공학회 학술발표대회 논문집 Vol.2011 No.11
본 논문에서는 컬러영상의 검색을 위하여 대표색상의 통계적 특성과 그 공간적 분포를 이용하는 기법을 제안한다. 대표색상은 HSV 색상공간에서 빈도수가 가장 높은 1-8개의 색상영역으로 선택되는데, 대표색상의 값과 각 대표색상이 영상에서 어떻게 분포하느냐에 따라서 검색되는 영상의 종류와 객체의 형태가 크게 달라진다. 본 논문에서는 영상을 일정한 개수의 작은 영역으로 나누고 각 영역에서 각 대표색상이 충분히 존재하는지를 평가하여, 각 대표색상이 영상평면에서 분포한 상태를 이진화된 공간분포 지도로 표시한다. 이로부터 영상간의 대표색상마다 이진공간분포의 차이를 비교함으로써, 색상의 통계적 특성과 공간적 분포가 동시에 반영된 특징으로 영상을 검색한다. 본 논문에서 제안한 대표색상의 공간적 분포 모델을 이용한 영상검색 기법은 MPEG-7에서 정의한 대표색상 기반의 영상 검색보다 우수한 성능을 보여주었다. 이진공간분포 지도의 생성방법 및 거리측정 파라미터에 대한 최적화가 이루어지면 영상검색 성능이 더욱 개선될 것으로 예상되며, 웹기반의 영상검색 시스템에 활용될 수 있을 것으로 기대된다.
Pixel layer 들 간의 색상 공간 분포에 따른 공간적 분포를 이용한 영상 검색
안재현(Jaehyun An),하성종(Seong Jong Ha),이상화(Sang Hwa Lee),조남익(Nam Ik Cho) 한국방송·미디어공학회 2012 한국방송공학회 학술발표대회 논문집 Vol.2012 No.7
본 논문에서는 컬러 영상의 검색을 위하여 영상을 색상 정보에 기반한 pixel layer (cluster)의 집합체로 모델링하고, 두 layer 간의 유사도를 각 layer 를 이루는 pixel 들의 색상 분포에 따른 공간적 분포를 이용하여 측정하는 기법을 제안한다. 먼저 pixel layering 단계에서는 HSV 색 공간에서 mean-shift clustering 알고리즘을 통해 초기 layer 들을 얻고, 비슷한 색상의 layer 들은 합쳐 영상의 soft segmentation 과 유사한 결과를 얻는다. 비교할 두 영상에서 pixel layering 을 한 후, 각 layer 를 이진화된 공간분포 지도로 형성하고 그 차이를 비교함으로써 유사도를 측정한다. 이 때, 사용하는 가중치로서 HSV 색 공간 분포의 비슷한 정도를 정의하는데, 이는 HSV 색 공간을 XYZ 의 3 차원 좌표로 설정하고, overlap 되는 pixel 수로 정의하였다. 본 논문에서 제안한 pixel layer 들 간의 색상 공간 분포에 따른 공간적 분포를 이용한 영상 검색 기법은 MPEG-7 에서 정의한 대표색상 기반의 영상 검색보다 우수한 성능을 보여주었다.
지역의 재난 취약성 평가방법의 제안과 호우 재난에 적용
박재혁(Park, Chanyoung),박찬영(Park, Chanyoung),안재현(An, Jaehyun),윤홍식(Yoon, Hongsic) 한국방재학회 2020 한국방재학회논문집 Vol.20 No.1
재난관리에 있어 지역이 재난으로부터 얼마나 위험하고 취약한지에 대한 분석 및 평가는 필수적이다. 정부에서 제공하는지역 안전지수, 지역 안전도 등은 재난 관련 지역의 안전 수준에 대한 정보는 제공하나, 재난관리에 활용하기에는 부족한부분이 있다. 본 연구에서는 취약성 함수의 개념을 활용하여 재해연보, 기상자료, 통계자료를 GIS 프로그램으로 분석하는취약성 평가방법을 제안하고, 해당 방법으로 호우로 인한 재난에 대한 지역의 취약성을 평가하였다. 취약성 평가를 통해산출한 시ㆍ군ㆍ구 취약성 수치로 호우에 취약한 지역을 확인하였고, 지역별 취약성의 시계열적 변화를 분석하였다. 취약성평가의 결과는 국민에게 재난 관련 구체적인 정보를 제공하고, 재난관리자에게는 재난관리 계획 수립 및 시행에 필요한실증적 근거로 활용될 수 있다. In disaster management, it is essential to evaluate how dangerous the disasters are and how vulnerable our communities are to them. The Region Safety Index and the Region Safety Levels provide information about the level of safety in a local area against disasters, but this information is not enough for use in disaster management. This study proposes a vulnerability assessment method that utilizes the concept of a vulnerability function to analyze disaster records, weather data, and statistical data using a GIS program. We identified regions vulnerable to heavy rain using vulnerability figures and analyzed time-series changes in region vulnerability. This vulnerability assessment provides specific information on disasters and can be used by disaster managers as empirical information for planning and implementing disaster management plans.
위키피디아 기반의 효과적인 개체 링킹을 위한 NIL 개체 인식과 개체 연결 중의성 해소 방법
이호경(Hokyung Lee),안재현(Jaehyun An),윤정민(Jeongmin Yoon),배경만(Kyoungman Bae),고영중(Youngjoong Ko) 한국정보과학회 2017 정보과학회논문지 Vol.44 No.8
개체 링킹은 입력된 질의에 존재하는 개체를 표현한 개체 표현(entity mention)을 지식베이스에 존재하는 개체와 연결하여 의미를 파악하는 연구이다. 개체 링킹에 관한 연구는 지식 베이스 구축 문제, 다중 표현 문제, 개체 연결 중의성 문제, NIL 개체 인식 문제가 존재한다. 본 연구에서는 지식 베이스 구축 문제와 다중 표현 문제를 해결하기 위해 위키피디아를 기반으로 개체 이름 사전을 구축한다, 또한, 문맥 유사도, 의미적 관련성, 단서 단어 점수, 개체 표현의 개체명 타입 유사도, 개체 이름 매칭 점수, 개체인기도 점수 자질들을 기반으로 SVM(support vector machine)을 학습하여, NIL 개체를 인식하는 문제와 개체 연결 중의성을 해소하는 방법을 제안한다. 구축한 지식 베이스를 기반으로 제안한 두 방법을 순차적으로 적용하였을 때 좋은 개체 링킹 성능을 얻었다. 개체 링킹 시스템의 성능은 NIL 개체 인식 성능이 83.66%, 중의성 해소 성능이 90.81%의 F1 점수를 보였다. Entity Linking find the meaning of an entity mention, which indicate the entity using different expressions, in a user’s query by linking the entity mention and the entity in the knowledge base. This task has four challenges, including the difficult knowledge base construction problem, multiple presentation of the entity mention, ambiguity of entity linking, and NIL entity recognition. In this paper, we first construct the entity name dictionary based on Wikipedia to build a knowledge base and solve the multiple presentation problem. We then propose various methods for NIL entity recognition and solve the ambiguity of entity linking by training the support vector machine based on several features, including the similarity of the context, semantic relevance, clue word score, named entity type similarity of the mansion, entity name matching score, and object popularity score. We sequentially use the proposed two methods based on the constructed knowledge base, to obtain the good performance in the entity linking. In the result of the experiment, our system achieved 83.66% and 90.81% F1 score, which is the performance of the NIL entity recognition to solve the ambiguity of the entity linking.