• 디지털콘텐츠학회 논문지
• /
• 제18권8호
• /
• pp.1635-1640
• /
• 2017

본 논문에서는 싱글 야외 영상에서 날씨 분류를 위한 계층적 이미지 트리 모델을 정의하고, 영상의 밝기와 k-평균 세분화 영상을 이용한 날씨 분류 알고리즘을 제안하였다. 계층적 이미지 트리 모델의 첫 번째 레벨에서 실내와 야외 영상을 구분하고, 두 번째 레벨에서는 야외 영상이 주간, 야간 또는 일출/일몰 영상인지를 밝기 영상과 k-평균 세분화 영상을 이용하여 판단하였다. 마지막 레벨에서는 두 번째 레벨에서 주간 영상으로 분류된 경우 에지 맵과 안개 율을 기반으로 맑은 영상 또는 안개 영상인지를 최종 추정하였다. 실험 결과, 날씨 분류가 설계 규격대로 수행됨을 확인할 수 있었으며, 제안하는 방법이 주어진 영상에서 효과적으로 날씨 특징이 검출됨을 보였다.

• 융합보안논문지
• /
• 제23권2호
• /
• pp.47-54
• /
• 2023

전 세계적으로 한류 콘텐츠가 유행하며 국내뿐만 아니라 해외에서도 국내 저작물의 저작권 침해 사례가 지속적으로 증가하고 있다. 이에 대응하기 위한 국내 불법 저작물 유통 사이트를 탐지하는 기술에 대한 연구가 활발하게 진행되고 있으며 최근 연구는 국내 불법 저작물 유통 사이트들이 광고 배너를 상당수 포함하고 있는 특징을 활용한 연구가 존재한다. 그러나 해외 불법 저작물 유통 사이트의 경우 광고 배너를 포함하지 않거나 국내 사이트에 비해 적은 양의 광고를 포함하고 있어 국내와 같은 탐지 기술의 적용이 제한적이다. 본 연구에서는 저작물 불법 공유 사이트가 게시물과 저작물의 이미지를 유사한 계층 구조로 포함하는 특징을 이용하여 링크 트리 및 텍스트 유사도 비교 기반의 탐지 기술을 제안한다. 대량의 링크로 작성된 대규모 트리의 정확한 유사도 비교를 위해 GNN(Graph Neural Network)를 활용한다. 본 연구의 실험에서 일반 사이트와 저작물 불법 유통 사이트를 분류에 95% 이상의 높은 정확도를 보였고 해당 알고리즘을 적용하여 불법 유통 사이트의 자동화된 탐지를 통해 신속한 저작권 침해 대응이 가능할 것으로 기대된다.