• 한국음향학회지
• /
• 제37권6호
• /
• pp.518-524
• /
• 2018

라이브 음악 또는 리메이크를 통해서 재발매된 음악을 원곡의 커버곡이라 부른다. 본 논문은 고속 커버곡 검색을 위한 특징 축약을 위해 2차원 퓨리에 변환을 이용하는 방법을 연구하였다. 이차원 퓨리에 변환은 조변화에 대해서 불변성을 가지고 있으므로, 커버곡 검색을 위한 특징 축약 방법으로 적합하다. 기존 퓨리에 변환 방법에서는 크기값 만을 활용하였으나, 본 논문에서는 인접한 크로마 블록은 같은 조변화를 가진다는 가정하에 위상 정보를 추가로 활용하는 방법을 제안하였다. 두 가지 커버곡 실험 데이터셋에서 성능 비교를 수행하였으며, 제안된 방법이 기존 방법에 비해서 우수한 커버곡 검색 정확도를 보임을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2014년도 제26회 한글 및 한국어 정보처리 학술대회
• /
• pp.51-55
• /
• 2014

의미역 결정 (Semantic Role Labeling) 은 문장 내의 술어와 이들의 논항들의 의미 관계를 결정하는 과정을 뜻한다. 의미역 결정을 하기 위해서는 대량의 말뭉치와 다양한 언어 자원이 필요한데, 많은 경우에 PropBank 말뭉치가 사용된다. 한국어 PropBank는 다른 언어에 비해 자료가 적어 그것만을 가지고 의미역 결정을 하기에 적절하지 않다. 또한 한국어 의미 분석을 위해서 지금까지는 세종 말뭉치나 의미역이 활용되어 오기도 하였다. 따라서 한국어 의미역 결정에서는 한국어 PropBank 뿐만 아닌 세종 의미역 표지 부착 말뭉치의 구축 역시 요구되는데 말뭉치 구축 작업이 수동 부착 작업이기 때문에 많은 시간과 비용이 소모된다. 본 논문에서는 이러한 문제점을 해결하기 위해 이미 구축되어 있는 한국어 PropBank 의미역을 세종 의미역으로 자동 변환하는 방법을 제시한다. 자동 변환을 위해서는 먼저 PropBank 의미역의 변환 후보 의미역을 구하여 이들 중에서 가장 적절한 의미역으로 변환한다. 자동 변환을 위해서는 크게 3 가지 특징을 활용하는데, 첫째는 변환 대상 논항의 의미 유사성이고, 둘째는 논항과 의미 관계를 가지고 있는 술어, 그리고 셋째는 논항과 결합되어 있는 조사이다. 이 세 가지 특징을 사용하여 정확한 의미역 변환을 위해 술어, 조사의 의미역 결합 확률 테이블을 구축한다.

• 전자공학회논문지CI
• /
• 제37권6호
• /
• pp.10-21
• /
• 2000

거리 변환(Distance Transform)을 수행할 수 있는 셀룰라 비선형 네트워크 구조와 특징 점들의 제적 상에서 거리 변환을 이용한 optical flow 검출 방법을 제안하였다. 움직이는 물체의 추적이나 카메라의 움직임 파악 같은 응용 분야에서는 수가 적더라도 정확하고 확실한 optical flow가 더 중요하다. 본 연구는 특징점들의 이동 궤적 상에서 거리 변환 기법을 이용하여 거리 변환 필드(Distance Transform Field)를 생성시키고 거리 변환 필드상에서 궤적의 움직인 거리 값과 방향을 추출함으로써 optical flow를 구하는 방법이다. 이 방법은 영상 정보를 거리 정보로 변환하여 사용하게 되므로 잡음의 영향을 적게 받으며 필요한 연산들이 아날로그 회로에 의해 처리되므로 처리 속도가 빠르고, 지역적 처리 특성을 갖기 때문에 하드웨어 구현이 용이하다는 특징이 있다. 또한, 본 연구에서는 제안한 알고리즘의 핵심부분을 하드웨어로 구현하기 위해 셀룰라 비선형 네트워크(Celluar Nonlinear Neural Network)구조를 제안하였다. 제안한 구조와 알고리즘을 검증하기 위해 다양한 영상과 환경에 대한 시뮬레이션을 수행하여 결과를 제시하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.489-490
• /
• 2023

기계 학습에서 데이터 및 기능은 기계 학습의 상한을 결정한다.이러한 기능은 산업 생산에서 과도한 데이터 양과 유형으로 인해 상당한 추가 비용이 발생할 수 있다. 따라서 적절한 특징 처리 방법이 매우 중요해졌다. 대부분의 기존 특징 처리 방법은 특징 엔지니어링을 기능 검색 문제, 즉 모델 성능을 최적화할 수 있는 기능 변환 작업을 검색하는 것으로 추상화한다. 그러나 자동 특징 엔지니어링의 경우 검색량과 변환 조합의 수가 매우 많기 때문에 요인 분해 기반 모델을 사용하여 벡터 곱셈을 통해 상호 작용을 측정하면 조합 특징의 패턴을 자동으로 학습하는 방법이 특히 효율적이다. xDeepFM 은 명확한 방식으로 특징적인 상호작용을 생성하도록 설계된 새로운 Compressed Interaction Network (CIN)를 제안한다. 여기에 제시된 Low-rank Compressed Interaction Network(LRCIN )은 xDeepFM 접근 방식에서 CIN 네트워크의 단순화된 개선을 기반으로 하며 xDeepFM 에 주의 메커니즘을 추가하여 보다 정확하게 예측된다. 실험 결과에 따르면 모델은 계산 복잡성을 단순화할 뿐만 아니라 예측 정확도도 다른 모델보다 훨씬 우수한다.

• 응용통계연구
• /
• 제12권1호
• /
• pp.153-163
• /
• 1999

경제학분야에서 소득분배의 불균형 정도에 대한 척도로 널리 이용되는 Lorenz curve를 소개하고, 변환에 의한 Lorenz curve기법을 도입하여 통계학의 주요 주제인 모집단의 분포에 대한 추정에 적용할 수 있는지 조사한다. 여러 특정분포에 대한 변환된 Lorenz curve의 특징을 제시하고 예제로 Hodgkin’s disease 데이터를 이용하여 Q-Q 플롯과 새로 제시한 변환된 Lorenz curve를 비교한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1993년도 학술논문발표회 논문집 제12권 1호
• /
• pp.113-116
• /
• 1993

본 논문에서는 변형된 wavelet 변환을 통해 추출한 특징벡터를 이용하여 한국어 숫자음을 대상으로 한 음성인식기를 구현하였다. wavelet 변환은 시간 및 주파수 영역에 대해 다중해상도(multiresolution)를 가지는 신호분석법이다. 본 연구에서는 계산량의 감소와 넓은 주파수 대역을 분석하기 위해, mother wavelet의 형태를 분석 주파수 대역에 따라 변화시키는 방법을 제안하였다. 기존의 wavelet 변환으로 실험한 결과 86.5%의 인식율을 얻었고, 변형된 wavelet 변환의 경우 96%의 인식율을 얻었으며 계산량이 감소하였다. 이와 함께 음성인식에서 널리 사용되는 특징 파라미터인 멜켑스트럼과 FFT 멜스케일 필터 대역(mel scale filter bank)과 비교 실험한 결과 인식율의 향상을 보였다. 이는 제안한 방법이 고주파 대역의 세밀한 시간 해상도와 저주파 대역의 세밀한 주파수 해상도를 지니는데 기인하는 것으로 판단된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.912-915
• /
• 2002

본 연구에서는 KL변환에 의한 고유벡터를 구하고, 이를 이용한 오프라인 필기체 숫자인식 기법을 제시하고자 한다. 본 기법에서는 KL 변환에 의한 고유벡터를 이용하여 통계적으로 숫자의 특징을 추출하며, 특징 공간상에서 최소거리 기법으로 숫자를 인식한다. 본 기법에서 제안된 특징추출 방법에서는 많은 표본 숫자영상에서 각 숫자들의 특징을 가장 잘 표현하는 기저벡터를 찾아내고 이로부터 필기체숫자의 특징을 구한다. 제안된 기법의 성능 평가를 위해 캐나다 Concordia 대학의 무제약 필기체 숫자 데이터베이스를 사용하였으며, 실험한 결과 인식률은 96.2%이었다.

• 한국멀티미디어학회논문지
• /
• 제5권4호
• /
• pp.415-425
• /
• 2002

본 논문에서는 웨이브릿 변환 영역에서 추출된 특징을 기반으로 한 내용기반 영상검색 방법에 관해 연구하였다. 기존의 웨이브릿 기반의 방법에서의 문제점인 특징벡터의 크기를 줄이기 위해 웨이브릿 계수의 영역별 에너지 값을 이용하였으며, 대상물의 이동, 회전, 크기 변화에 영향을 받지 않는 모멘트 특성을 이용한 검색방법을 제안하였다. 본 방법은 특징벡터의 크기를 줄이고, 기존의 특징벡터와 비교해서 검색시간을 단축하면서 분류검색의 효율성을 향상시켰다. 영역기반 영상검색 기능을 제공하기 위해 영상분할 방법에 대해 연구하였으며, 불규칙한 광원에 의한 영향을 최소화할 수 있는 영상분할 방법을 제안하였다 영상분할은 영역병합을 이용하였고, 병합후보영역은 웨이브릿 변환의 고주파 대역 에너지 값을 이용하여 선정하였다 분할된 영역정보를 이용하여 칼라와 질감, 모양 특징벡터를 구성하여 영역기반 영상검색을 수행하였다.

• 한국산학기술학회논문지
• /
• 제12권12호
• /
• pp.5902-5909
• /
• 2011

본 논문에서는 비디오 데이터에서 확신도 추론을 이용하여 급진적인 화면변환과 점진적인 화면변환을 동시에 검출하는 새로운 방법을 제안한다. 제안된 방법에서 급진적인 화면변환은 컷을 의미하고, 점진적인 화면변환은 페이드 인, 페이드 아웃, 디졸브, 수평 와이프, 수직 와이프, 반도어(Barn Doors), 아이리스 라운드(Iris Round)를 의미한다. 먼저, 각 화면변환을 대표하는 특징을 추출한 후 확신도를 이용하여 특징들을 효과적으로 통합하면서 발생한 화면변환을 추출한다. 실험결과에서는 제안된 방법이 기존의 방법에 비해 여러 가지 종류의 화면변환을 보다 정확하게 추출함을 다양한 비디오 데이터를 이용한 실험을 통해 보여준다.

• 인지과학
• /
• 제14권1호
• /
• pp.11-16
• /
• 2003

본 논문은 Gabor 웨이브렛 변환을 이용하여 무표정을 포함한 표정영상에서 얼굴의 주요 요소들의 경계선을 추출한 후, FCM 군집화 알고리즘을 적용하여 무표정 영상에서 저차원의 대표적인 특징점을 추출한다. 무표정 영상의 특징점들은 표정영상의 특징점들을 추출하기 위한 템플릿으로 사용되어지며, 표정영상의 특징점 추출은 무표정 영상의 특징점과 동적 연결모형을 이용하여 개략적인 정합과 정밀한 정합 과정의 두단계로 이루어진다. 본 논문에서는 Gabor 웨이브렛과 FCM 군집화 알고리즘을 기반으로 동적 연결모형을 이용하여 표정영상에서 특징점들을 자동으로 추출할 수 있음을 제시한다. 본 연구결과는 자동 특징추출을 이용한 차원모형기반 얼굴 표정인식[1]에서 얼굴표정의 특징점을 자동으로 추출하는 데 적용되었다.