• Science of Emotion and Sensibility
• /
• v.2 no.2
• /
• pp.105-113
• /
• 1999

특정 사람에 대해 느끼는 이미지 또는 특정 사람이 가지는 이미지를 어떻게 평가하고 나타낼 수 있을까\ulcorner 본 연구에서는 사람에 대해 가지는 이미지를 표준적인 감성 어휘 척도를 활용하여 모델이 가지는 감성이미지가 무엇인지를 비교평가 할 수 있는 방법을 제시한다. 연구 대상으로는 국내 화장품 회사의 모델을 활용하였다. 4명의 모델을 전체와 부분 모습의 두 가지 형태로 제시하면서 각 인물이 가진 이미지를 평가하게 하였다. Personal 감성이미지를 평가하기 위해서 사람의 특성이나 이미지를 묘사하는 형용사 쌍 103개를 이용하였다. 모델 이미지에 대한 평가 반응은 요인분석을 통해 7개의 감성어휘 요인으로 나타났다. 우아한-천박한, 신선감-답답함, 편안함-불편함, 순수함-가식적인, 세련미-촌스러운, 진취성-보수성, 여성성-남성성, 4명의 모델들은 이 7가지 감성 이미지 요인에 따라 상호 차별적으로 나타났다. 인물 감성이미지는 감성적 어휘로 표현됨과 동시에 각 인물이 가진 고유하고 대표적인 personal image로 나타낼 수 있는가를 보여줄 수 있엇다. 본 연구에서는 개발된 감성이미지척도는 사람의 이미지를 평가하는 대표적인 감성척도로 이용될 수 있을 뿐 아니라, 특정 제품을 나타내는 모델이 일반인들에 어떤 이미지를 전달하는지 그리고 모델의 이미지와 제품이 지향하는 이미지와 얼마나 일치하는지를 평가할 수 있었다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.310-317
• /
• 1999

특정 사람에 대해 느끼는 이미지 또는 특정 사람이 가지는 이미지를 어떻게 평가하고 나타낼 수 있을까\ulcorner 본 연구에서는 사람에 대해 가지는 이미지를 표준적인 감성 어휘 척도를 활용하여 모델이 가지는 감성이미지가 무엇인지를 비교평가 할 수 있는 방법을 제시한다. 연구 대상으로는 국내 화장품 회사의 모델을 활용하였다. 4명의 모델을 전체와 부분 모습의 두가지 형태로 제시하면서 각 인물이 가진 이미지를 평가하게 하였다. Personal 감성이미지를 평가하기 위해서 사람의 특성이나 이미지를 묘사하는 형용사 쌍 103개를 이용하였다. 모델 이미지에 대한 평가 반응은 요인분석을 통해 7개의 감성 어휘 요인으로 나누어졌다. 4명의 모델들은 이 7가지 감성 이미지 요인에 따라 상호 차별적으로 나타났다. 인물 감성이미지는 감성적 어휘로 표현됨과 동시에 각 인물이 가진 고유하고 대표적인 personal image로 나타낼 수 있는가를 보여줄 수 있었다. 본 연구에서는 개발된 감성이미지 척도는 사람의 이미지를 평가하는 대표적인 감성척도로 이용될 수 있을 뿐 아니라, 특정 제품을 나타내는 모델이 일반인들에 어떤 이미지를 전달하는지 그리고 모델의 이미지와 제품이 지향하는 이미지와 얼마나 일치하는지를 평가할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.258-261
• /
• 2022

최근 딥러닝 기술이 발전하면서 이미지를 설명하는 캡션을 생성하는 모델 또한 발전하였다. 하지만 기존 이미지 캡션 모델은 대다수 영어로 구현되어있어 영어로 캡션을 생성하게 된다. 따라서 한국어 캡션을 생성하기 위해서는 영어 이미지 캡션 결과를 한국어로 번역하는 과정이 필요하다는 문제가 있다. 이에 본 연구에서는 기존의 이미지 캡션 모델을 이용하여 한국어 캡션을 직접 생성하는 모델을 만들고자 한다. 이를 위해 이미지 캡션 모델 중 잘 알려진 Show, Attend and Tell 모델을 이용하였다. 학습에는 MS-COCO 데이터의 한국어 캡션 데이터셋을 이용하였다. 한국어 형태소 분석기를 이용하여 토큰을 만들고 캡션 모델을 재학습하여 한국어 캡션을 생성할 수 있었다. 만들어진 한국어 이미지 캡션 모델은 BLEU 스코어를 사용하여 평가하였다. 이때 BLEU 스코어를 사용하여 생성된 한국어 캡션과 영어 캡션의 성능을 평가함에 있어서 언어의 차이에 인한 결과 차이가 발생할 수 있으므로, 영어 이미지 캡션 생성 모델의 출력을 한국어로 번역하여 같은 언어로 모델을 평가한 후 최종 성능을 비교하였다. 평가 결과 한국어 이미지 캡션 생성 모델이 영어 이미지 캡션 생성 모델을 한국어로 번역한 결과보다 좋은 BLEU 스코어를 갖는 것을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.262-264
• /
• 1998

이미지 데이터베이스를 구성하여 사용자가 원하는 정보를 추출하는 의미 기반 검색을 지원하기 위해서는 이미지 내용에 관한 의미 정보들이 데이터 모델로 구조화되어야 한다. 본 논문에서는 다양한 정적 이미지 내용 정보들을 분류하고 그를 체계적으로 표현하기 위한 이미지 데이터 모델을 소개한다. 특히 본 이미지 데이터 모델은 그래프 이론을 이용하여 이미지내에 포함된 시각 객체들의 내용 정보를 표현하고 객체들간의 의미 관계를 정의한다. 이는 이미지 내용에 대한 정확한 정보 표현과 질의에 대한 이미지 검색 효율을 향상시킬 수 있으며 객체들간의 의미 관계를 이용한 질의와 검색을 가능하게 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.124-129
• /
• 1998

이미지 데이터베이스를 구성하여 사용자가 원하는 정보를 추출하는 의미 기반 검색을 지원하기 위해서는 이미지 내용에 관한 의미 정보들이 데이터 모델로 구조화되어야 한다. 본 논문에서는 다양한 정적 이미지 내용 정보들에 대한 내용 기반 검색과 의미 기반 검색을 제공하는 이미지 데이터 모델을 소개하고 이를 이용하여 이미지가 담고 있는 의미 정보를 표현하고 데이터베이스 스키마로 변환하여 저장하는 구조와 검색하는 방법을 소개한다. 본 이미지 데이터 모델은 이미지내에 포함된 시각 객체들의 내용 정보를 그래프 구조로 표현하고 객체들간의 의미 관계를 정의한다. 이는 이미지 내용에 대한 정확한 정보 표현과 질의와 검색을 가능하게 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1191-1194
• /
• 2022

인터넷의 발전으로 수많은 이미지와 비디오를 손쉽게 이용할 수 있게 되었다. 이미지와 비디오 데이터의 양이 기하급수적으로 증가함에 따라, JPEG, HEVC, VVC 등 이미지와 비디오를 효율적으로 저장하기 위한 부호화 기술들이 등장했다. 최근에는 인공신경망을 활용한 학습 기반 모델이 발전함에 따라, 이를 활용한 이미지 및 비디오 압축 기술에 관한 연구가 빠르게 진행되고 있다. NNIC (Neural Network based Image Coding)는 이러한 학습 가능한 인공신경망 기반 이미지 부호화 기술을 의미한다. 본 논문에서는 NNIC 모델과 인공신경망 기반의 초해상화(Super Resolution) 모델을 합동훈련하여 기존 NNIC 모델보다 더 높은 성능을 보일 수 있는 방법을 제시한다. 먼저 NNIC 인코더(Encoder)에 이미지를 입력하기 전 다운 스케일링(Down Scaling)으로 쌍삼차보간법을 사용하여 이미지의 화소를 줄인 후 부호화(Encoding)한다. NNIC 디코더(Decoder)를 통해 부호화된 이미지를 복호화(Decoding)하고 업 스케일링으로 초해상화를 통해 복호화된 이미지를 원본 이미지로 복원한다. 이때 NNIC 모델과 초해상화 모델을 합동훈련한다. 결과적으로 낮은 비트량에서 더 높은 성능을 볼 수 있는 가능성을 보았다. 또한 합동훈련을 함으로써 전체 성능의 향상을 보아 학습 시간을 늘리고, 압축 잡음을 위한 초해상화 모델을 사용한다면 기존의 NNIC 보다 나은 성능을 보일 수 있는 가능성을 시사한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.142-144
• /
• 2002

대부분의 내용기반 이미지 검색 시스템은 이미지의 특징 벡터인 색상, 모양, 그리고 질감에 의해서 유사한 이미지를 검색하는 기법을 제공하고 있다. 최근 이러한 내용기반 이미지 검색 기술은 의료 영상 이미지와 같은 다양한 분야에 적용되고 있으며, 이에 따라서 의료 이미지를 분석하여 저장, 검색하기 위한 데이터베이스 시스템이 증가하고 있다. 그러나, 대량의 이미지로부터 원하는 이미지를 검색하기 위해서는 이미지의 메타데이타를 효율적으로 표현해야 하며, 의미성과 이미지의 특징 데이터를 통합적으로 저장 관리 할 수 있는 이미지 데이터베이스를 설계하고 구축해야만 한다. 본 논문에서는 기존의 내용기반 이미지 검색 기법을 살펴보고. 이미지를 내용기반으로 분류하고 저장할 수 있는 데이터베이스 시스템을 설계하여 효율적인 의미기반 검색을 지원말 수 있는 모델을 제시한다. 다계층 메타데이타 레이어 구조로 이미지에 대한 개념 지식 모델을 표현하고, 이미지내의 객체를 메타데이타로 표현하여 분류할 수 있는 모델을 제안한다. 또한, 이미지 내용검색을 지원하기 위한 시스템 구조를 설계하고, 메타데이타가 저장되기 위한 관계형 모델을 스타 스키마의 형태로 제시한다. 제안된 방법은 의미적인 이미지 내용 검색 방법의 지원에 활용될 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.35-36
• /
• 2016

본 논문에서는 기존 Bag-of-Visual words (BoW) 접근법에서 반영하지 못한 이미지의 공간 정보를 활용하기 위해서 Spatial Pyramid Matching (SPM) 기법을 Latent Dirichlet Allocation (LDA) 모델에 결합하여 이미지를 분류하는 모델을 제안한다. BoW 접근법은 이미지 패치를 시각적 단어로 변환하여 시각적 단어의 분포로 이미지를 표현하는 기법이며, 기존의 방식이 이미지 패치의 위치정보를 활용하지 못하는 점을 극복하기 위하여 SPM 기법을 도입하는 연구가 진행되어 왔다. 또한 이미지 패치를 정확하게 표현하기 위해서 벡터 양자화 대신 희소 부호화 기법을 이용하여 이미지 패치를 시각적 단어로 변환하였다. 제안하는 모델은 BoW 접근법을 기반으로 위치정보를 활용하는 SPM 을 LDA 모델에 적용하여 시각적 단어의 토픽을 추론함과 동시에 multi-class SVM 분류기를 이용하여 이미지를 분류한다. UIUC 스포츠 데이터를 이용하여 제안하는 모델의 분류 성능을 검증하였다.

• Journal of Software Engineering Society
• /
• v.29 no.1
• /
• pp.13-21
• /
• 2020

As CNN model is applied to various domains such as image classification and object detection, the performance of CNN model which is used to safety critical system like autonomous vehicles should be reliable. To evaluate that CNN model can sustain the performance in various environments, we developed an image data augmentation apparatus which generates images that is changed background. If an image which contains object is entered into the apparatus, it extracts an object image from the entered image and generate s composed images by synthesizing the object image with collected background images. A s a method to evaluate a CNN model, the apparatus generate s new test images from original test images, and we evaluate the CNN model by the new test image. As a case study, we generated new test images from Pascal VOC2007 and evaluated a YOLOv3 model with the new images. As a result, it was detected that mAP of new test images is almost 0.11 lower than mAP of the original test images.

• Journal of IKEEE
• /
• v.26 no.4
• /
• pp.639-646
• /
• 2022

In this paper, to solve the large dataset problem, we collect images through an image collection method called web crawling and build datasets for use in image classification models through a data preprocessing process. We also propose a lightweight model that can automatically classify images by adding category values by incorporating transfer learning into the image classification model and an image classification model that reduces training time and achieves high accuracy.