• 지능정보연구
• /
• 제26권2호
• /
• pp.79-104
• /
• 2020

최근 텍스트와 이미지 딥러닝 기술의 괄목할만한 발전에 힘입어, 두 분야의 접점에 해당하는 이미지 캡셔닝에 대한 관심이 급증하고 있다. 이미지 캡셔닝은 주어진 이미지에 대한 캡션을 자동으로 생성하는 기술로, 이미지 이해와 텍스트 생성을 동시에 다룬다. 다양한 활용 가능성 덕분에 인공지능의 핵심 연구 분야 중 하나로 자리매김하고 있으며, 성능을 다양한 측면에서 향상시키고자 하는 시도가 꾸준히 이루어지고 있다. 하지만 이처럼 이미지 캡셔닝의 성능을 고도화하기 위한 최근의 많은 노력에도 불구하고, 이미지를 일반인이 아닌 분야별 전문가의 시각에서 해석하기 위한 연구는 찾아보기 어렵다. 동일한 이미지에 대해서도 이미지를 접한 사람의 전문 분야에 따라 관심을 갖고 주목하는 부분이 상이할 뿐 아니라, 전문성의 수준에 따라 이를 해석하고 표현하는 방식도 다르다. 이에 본 연구에서는 전문가의 전문성을 활용하여 이미지에 대해 해당 분야에 특화된 캡션을 생성하기 위한 방안을 제안한다. 구체적으로 제안 방법론은 방대한 양의 일반 데이터에 대해 사전 학습을 수행한 후, 소량의 전문 데이터에 대한 전이 학습을 통해 해당 분야의 전문성을 이식한다. 또한 본 연구에서는 이 과정에서 발생하게 되는 관찰간 간섭 문제를 해결하기 위해 '특성 독립 전이 학습' 방안을 제안한다. 제안 방법론의 실현 가능성을 파악하기 위해 MSCOCO의 이미지-캡션 데이터 셋을 활용하여 사전 학습을 수행하고, 미술 치료사의 자문을 토대로 생성한 '이미지-전문 캡션' 데이터를 활용하여 전문성을 이식하는 실험을 수행하였다. 실험 결과 일반 데이터에 대한 학습을 통해 생성된 캡션은 전문적 해석과 무관한 내용을 다수 포함하는 것과 달리, 제안 방법론에 따라 생성된 캡션은 이식된 전문성 관점에서의 캡션을 생성함을 확인하였다. 본 연구는 전문 이미지 해석이라는 새로운 연구 목표를 제안하였고, 이를 위해 전이 학습의 새로운 활용 방안과 특정 도메인에 특화된 캡션을 생성하는 방법을 제시하였다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.111-136
• /
• 2018

지식베이스를 구축하는 작업은 도메인 전문가가 온톨로지 스키마를 이해한 뒤, 직접 지식을 정제하는 수작업이 요구되는 만큼 비용이 많이 드는 활동이다. 이에, 도메인 전문가 없이 다양한 웹 환경으로부터 질의에 대한 답변 정보를 추출하기 위한 자동화된 시스템의 연구개발의 필요성이 제기되고 있다. 기존의 정보 추출 관련 연구들은 웹에 존재하는 다양한 형태의 문서 중 학습데이터와 상이한 형태의 문서에서는 정보를 효과적으로 추출하기 어렵다는 한계점이 존재한다. 또한, 기계 독해와 관련된 연구들은 문서에 정답이 있는 경우를 가정하고 질의에 대한 답변정보를 추출하는 경우로서, 문서의 정답포함 여부를 보장할 수 없는 실제 웹의 비정형 문서로부터의 정보추출에서는 낮은 성능을 보인다는 한계점이 존재한다. 본 연구에서는 지식베이스 확장을 위하여 웹에 존재하는 멀티소스 비정형 문서로부터 질의에 대한 정보를 추출하기 위한 시스템의 개발 방법론을 제안하고자 한다. 본 연구에서 제안한 방법론은 "주어(Subject)-서술어(Predicate)"로 구분된 질의에 대하여 위키피디아, 네이버 백과사전, 네이버 뉴스 3개 웹 소스로부터 수집된 비정형 문서로부터 관련 정보를 추출하며, 제안된 방법론을 적용한 시스템의 성능평가를 위하여, Wu and Weld(2007)의 모델을 베이스라인 모델로 선정하여 성능을 비교분석 하였다. 연구결과 제안된 모델이 베이스라인 모델에 비해, 위키피디아, 네이버 백과사전, 네이버 뉴스 등 다양한 형태의 문서에서 정보를 효과적으로 추출하는 강건한 모델임을 입증하였다. 본 연구의 결과는 현업 지식베이스 관리자에게 지식베이스 확장을 위한 웹에서 질의에 대한 답변정보를 추출하기 위한 시스템 개발의 지침서로서 실무적인 시사점을 제공함과 동시에, 추후 다양한 형태의 질의응답 시스템 및 정보추출 연구로의 확장에 기여할 수 있을 것으로 기대한다.

• 한국육종학회지
• /
• 제51권3호
• /
• pp.214-221
• /
• 2019

'아람'은 보석(IT213209)과 Camp (IT267356)를 모본으로 2007년 인공교배 하여 F₁, F₂ 분리집단을 전개하고 F₃-F₄ 세대는 세계 채소 센터(AVRDC, Asian Vegetable Research and Development Center)에서 세대촉진을 수행하고 F₅ 세대에서 계통을 선발하였다. 2012년~2013년 생산력검정시험을 통해 수량과 농업적 형질을 평가하고, 2014~2016년 수원, 나주, 달성, 제주에서 지역적응시험을 수행하여 지역별 적응성과 재배 안정성을 평가하였다. 아람은 유한신육형이며 엽형이 삼각형, 화색이 백색, 모용색이 회색, 협색은 황색이며 종실은 소립 구형으로 백립중이 9.9 g으로 풍산나물콩보다 1.0 g 가볍고 종피색은 황색, 배꼽색은 담갈색의 질적 특성을 가지고 있다. 개화기는 8월 5일, 성숙기는 10월 15일로 만숙종이며 풍산나물콩 보다 7일 느리다. 경장은 65 cm, 착협고는 13 cm, 마디수는 16개, 분지수는 4.5개이며 분지가 길고 각도가 작은 도원추형 초형이다. 내병성 검정결과 불마름병, 종자 이병립율, 검은뿌리 썩음병, 콩나방 저항성 등이 모두 강하였으며, 콩모자이크바이러스는 G5, G6H, G7H 접종 시 모자이크 증상이 나타났으나 3년간의 자연 이병 검정결과에서는 병징이 조사되지 않았다. 발아특성은 발아세와 발아율 모두 풍산나물콩보다 우수하였으며 콩나물 특성은 풍산나물콩과 비슷한 수준이었다. 수량성은 지역적응시험 결과 남부지역 평균 3.59 ton/ha로 풍산나물콩 대비 12% 증수되었다.

• 한국육종학회지
• /
• 제51권4호
• /
• pp.496-503
• /
• 2019

'새금'은 '대풍'을 모본, SS98207-3SSD-168를 부본으로 2003년 인공교배하여 계통육종법에 의하여 개발된 품종이다. 2009~2010년 생산력검정시험에서 수량을 검정하고 표준품종 대비 9% 증수되어 '밀양232호'의 계통명을 부여한 후 2011~2013년 12개소에서 지역적응시험을 실시한 결과 내탈립성, 내도복성이 강하고 착협고가 높아 기계수확에 적합한 초형으로 평가되어 2013년 농작물 직무육성 심의위원회에 상정하여 '새금'으로 명명하고 차년도 신품종 출원 및 국가품종목록등재 과정을 거쳤다. '새금'은 유한신육형, 화색이 백색, 종실은 종피와 제색이 황색이면서 모양이 구형인 장류 및 두부용 콩 품종이다. 개화기가 8월 2일, 성숙기가 10월 17일로 만생종이며 경장은 '대원콩' 보다 9 cm크며 주경절수가 16개로 많고, 백립중이 25.4 g인 특성을 지니고 있다. 불마름병과 콩모자이크바이러스는 자연이병포장에서 강한 것으로 조사되었으며 내도복성과 내탈립성 또한 강해 재배에 안정적이다. 두부가공적성은 '대원콩'과 비슷한 것으로 평가되었다. 수량성은 지역적응시험 결과 전북·전남·경북·경남 등 적응지역 평균 3.02 ton ha^-1로 '대원콩'과 대등하다. '새금'은 착협고가 18 cm로 높고 분지가 적은 초형에 도복에 강하고 내탈립성이 매우 강해 기계수확 적응성이 높은 품종이다.