• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.892-894
• /
• 2014

논문을 검색할 때 키워드를 이용한 검색 방법이 주로 사용된다. 논문에서 사용하는 이미지는 논문의 내용을 설명하는 중요한 요소임에도 불구하고 검색에 있어서 고려되지 않은 점이 있다. 특히, 이미지 검색은 의학 논문을 검색할 경우에 키워드를 대신할 수 있는 유용한 검색방법이 될 수 있을 것으로 사료된다. 본 논문에서는 기존의 이미지 검색이 쓰였던 관련 연구들을 살펴보고 의학 논문 사이트를 대표하는 펍메드와 코리아메드를 비교 분석한다. 더 나아가 빠르고 정확한 이미지 검색을 위한 이미지 분류 기준을 설정하여 본다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.212-215
• /
• 2021

본 논문에서는 딥러닝의 CNN(Convolution Neural Network) 학습을 통하여 악성코드를 실행시키지 않고서 악성코드 변종을 패밀리 그룹으로 분류하는 방법을 연구한다. 먼저 데이터 전처리를 통해 3가지의 서로 다른 방법으로 악성코드 이미지와 메타데이터를 생성하고 이를 CNN으로 학습시킨다. 첫째, 악성코드의 byte 파일을 8비트 gray-scale 이미지로 시각화하는 방법이다. 둘째, 악성코드 asm 파일의 opcode sequence 정보를 추출하고 이를 이미지로 변환하는 방법이다. 셋째, 악성코드 이미지와 메타데이터를 결합하여 분류에 적용하는 방법이다. 이미지 특징 추출을 위해서는 본고에서 제안한 CNN을 통한 학습 방식과 더불어 3개의 Pre-trained된 CNN 모델을 (InceptionV3, Densnet, Resnet-50) 사용하여 전이학습을 진행한다. 전이학습 시에는 마지막 분류 레이어층에서 본 논문에서 선택한 데이터셋에 대해서만 학습하도록 파인튜닝하였다. 결과적으로 가공된 악성코드 데이터를 적용하여 9개의 악성코드 패밀리로 분류하고 예측 정확도를 측정해 비교 분석한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.303-305
• /
• 2023

본 논문에서는 트랜스포머를 사용한 이미지 캡셔닝 방법과 비디오 캡셔닝 방법을 제안한다. 트랜스포머의 입력으로 사전 학습된 이미지 클래스 분류모델을 거쳐 추출된 특징을 트랜스포머의 입력으로 넣고 인코더-디코더를 통해 이미지와 비디오의 캡션을 출력한다. 이미지 캡셔닝의 경우 한글 데이터 세트를 학습하여 한글 캡션을 출력하도록 학습하였으며 비디오 캡셔닝의 경우 MSVD 데이터 세트를 학습하여 학습 후 출력 캡션의 성능을 다른 비디오 캡셔닝 모델의 성능과 비교하였다. 비디오 캡셔닝에서 성능향상을 위해 트랜스포머의 디코더를 변형한 GPT-2를 사용하였을 때 BLEU-1 점수가 트랜스포머의 경우 0.62, GPT-2의 경우 0.80으로 성능이 향상됨을 확인하였다

• 경영과정보연구
• /
• 제30권1호
• /
• pp.187-209
• /
• 2011

본 연구는 중국 자국 브랜드를 포함하여 중국에 진출한 브랜드의 국가이미지 및 기업이미지를 브랜드의 지각된 품질 그리고 나아가 브랜드이미지 및 자산에 영향을 미치는 중요한 요소로 제시하여 그 역할을 검증하였는데 본 연구의 시사점은 다음과 같이 몇 가지로 정리될 수 있다. 첫째, 국가이미지는 지각된 품질에 영향을 미치는 중요한 요소로 광고 등의 다른 촉진요인과 더불어 영향요인으로 충분히 작용할 수 있다. 전체적으로 국가마케팅 차원에서 정부는 앞으로 중국국민들에게 상당부분의 좋은 국가이미지를 심어주기 위한 홍보나 광고 활동들을 체계적으로 추구해 나갈 필요가 있다. 둘째, 본 연구에서 기업이미지 중에서 특히 기업의 제조능력을 중심으로 해당 브랜드에 대한 지각된 품질과 브랜드이미지에의 영향요인을 검증하였다. 결국, 기업이미지는 소비자들의 브랜드에 대한 지각된품질을 높이는 중요한 요소로 작용하는 것으로 나타났기에 중국에서 한국기업들의 기업이미지 중심전략은 상당한 효과를 볼 수 있다고 생각된다. 결과적으로 본 연구는 브랜드자산 형성에 있어서 국가이미지, 기업이미지 등의 변수가 브랜드의 지각된 품질을 높이고 브랜드이미지를 향상시켜 브랜드의 충성도를 고양할 수 있게 되고 결국 브랜드자산이 높아지는 메커니즘을 설명하고 있다고 볼 수 있다.

• 정보처리학회논문지B
• /
• 제10B권6호
• /
• pp.681-686
• /
• 2003

대량의 일반 이미지 집합에서 사용자가 원하는 이미지를 효율적으로 찾아내는 것이 내용기반 이미지 검색 연구의 주된 목적이나 특정한 분야에 속하지 않은 일반 이미지를 대상으로 하는 연구는 아직까지 만족스럽지 못한 실정이다. 이 논문에서는 이미지의 색상과 형태의 특징 정보들을 추출하여 자동으로 색인하고 검색하는 시스템을 제안하였다. 특징 추출은 인간의 이미지 인식 과정에 기반하여 전체적인 정보와 세부적인 정보로 구분하여 수행하였다. 추출된 특징 정보들은 전역 칼라, 부분 영역 칼라, 전역 형태, 부분 영역 형태 정보로 구분하였다. 실험 결과 제안한 방법은 기존의 방법과 비슷한 시간 내에 비교적 높은 Precision과 Retail로 이미지를 검색함을 알 수 있었다.

• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.823-828
• /
• 2003

이 논문의 주요 목적은 내용을 기반으로 하는 이미지 검색에서 이미지 객체의 외형특징을 추출하는 방법을 제시하는 것이다. 대부분의 실질적인 객체들의 외형은 불규칙적이고, 이러한 객체를 수치화하기위한 일반적인 방법은 없다. 특히 전자 카타로그들은 상품들을 나타내는 많은 이미지를 포함하고 있다. 이 논문에서는 이미지 전체가 아닌 이미지내의 개별 객체들을 기반으로 특징을 추출하는 방법을 제시한다. 왜냐하면 제시된 방법은 한 이미지내에서 RLC lines을 사용하여 각 객체들의 외형을 기반으로하는 방법을 사용하기 때문이다. 실험결과는 일반적으로 가장 많이 사용하는 특징인 Texture와 비교를 했고 제시된 외형을 나타내는 변수들이 전자카타로그의 이미지 객체들을 뚜렷하게 나타냈고, 보다 정확하게 객체들을 분류하고 구별하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권1호
• /
• pp.77-82
• /
• 2022

본 연구는 장소 이미지를 수집하고 학습하여 사용자가 관심이 있어 하는 이미지의 장소를 예측하여 알려주는 서비스 개발을 목적으로 한다. 이미지 학습을 위한 이미지 데이터들은 크롤링 부분을 통해 수집되도록 설계되었다. 이미지 수집 이후 수집된 이미지들은 장소별로 라벨링 되어 CNN의 다양한 층을 통하여 학습된다. 각 층을 거칠 때마다 입력받은 학습 데이터는 최적화하여 특징 맵과의 비교를 반복하며 특정 장소 이미지의 특징 정보를 뽑아낸다. 충분한 학습 데이터가 쌓이면 다양한 장소 이미지들에 대해 예측이 가능하다. 학습 결과 모델의 정확도는 79.2로 높은 학습 정확도를 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• 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.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권12호
• /
• pp.519-524
• /
• 2023

해싱 기반 이미지 검색에서는 조작된 이미지의 해시코드가 원본 이미지와 달라 동일한 이미지 검색이 어렵다. 본 논문은 이미지의 질감, 모양, 색상 등 특징 정보로부터 지각적 해시코드를 생성하는 자기 감독 기반 딥해싱 모델을 제안하고 평가한다. 비교 모델은 오토인코더 기반 변분 추론 모델들이며, 인코더는 완전 연결 계층, 합성곱 신경망과 트랜스포머 모듈 등으로 설계된다. 제안된 모델은 기하학적 패턴을 추출하고 이미지 내 위치 관계를 활용하는 SimAM 모듈을 포함하는 변형 추론 모델이다. SimAM은 뉴런과 주변 뉴런의 활성화 값을 이용한 에너지 함수를 통해 객체 또는 로컬 영역이 강조된 잠재 벡터를 학습할 수 있다. 제안 방법은 표현 학습 모델로 고차원 입력 이미지의 저차원 잠재 벡터를 생성할 수 있으며, 잠재 벡터는 구분 가능한 해시코드로 이진화 된다. CIFAR-10, ImageNet, NUS-WIDE 등 공개 데이터셋의 실험 결과로부터 제안 모델은 비교 모델보다 우수하며, 지도학습 기반 딥해싱 모델과 동등한 성능이 분석되었다.

• 화약ㆍ발파
• /
• 제35권1호
• /
• pp.18-26
• /
• 2017

발파암의 파쇄도 분석에는 이미지 엣지 검출기법을 응용한 사진분석 방법이 주로 사용되어 왔으며, 이들 이미지 획득은 주로 파쇄암의 정면에서 디지털 이미지로 획득하였다. 그러나 기본적으로 이미지 분석은 정면 촬영이 아닌 평면 촬영 이미지를 이용하게 되어 있으나, 거대한 암반 사면을 평면 촬영할 수 있는 수단이 없었다. 따라서 부득이하게 정면 촬영된 이미지를 임의 왜곡 또는 확대하여 평면 촬영 각도와 유사하게 조절함으로서 해결하였다. 근래에 이르러 무인항공기(UAV)가 발전하면서 이를 통해 발파암의 파쇄 상황을 간단히 고화질 디지털 이미지화 할 수 있게 되었고, 이를 통해 파쇄암이 쌓여있는 각도에 최대한 평면인 이미지를 획득하고 이미지 분석을 할 수 있게 되었다. 본 연구는 무인항공기와 무인항공기용 카메라를 이용해 발파 파쇄암의 정면 및 평면 디지털 이미지를 동시에 획득하고 각각을 비교 분석하였다. 그 결과 평면 촬영된 이미지의 분석 결과가 기존 정면 촬영된 이미지의 분석결과에 비해 정확도가 크게 향상되었음을 확인하였다.