• 헤리티지:역사와 과학
• /
• 제54권3호
• /
• pp.68-89
• /
• 2021

헌종 3년(1837) 순원왕후(純元王后, 1789~1857)는 막내딸 덕온공주(德溫公主, 1822~1844)의 8월 가례를 맞아 부마 남녕위(南寧尉) 윤의선(尹宜善, 1823~1887)에게 혼수품을 내렸다. 그 물목을 적은 「혼수발기」가 국립한글박물관에 소장되어 있는데 「혼수발기」를 통해 19세기 전기의 부마 편복에 관해 살펴본 결과는 다음과 같다. 첫째, 「발기」 속 편복 품목을 대략 36종으로 정리하고 용도별로 ① 상의류 9종, ② 하의류 8종, ③ 관모와 수식 10종, ④ 허리띠와 주머니 4종, ⑤ 부채 3종과 신발 2종으로 분류하였다. 둘째, 남녕위의 편복 중 가장 중요한 의복은 남광사 도포와 남광초 창의(대창의)로 구성된 통상예복이었다. 그 외에 창의 2점(남광수사·청저포), 중치막 1점(남생경광주), 쟁친 상침긴옷 1점(옥색 쌍문초), 모시 홑창옷 1점(소창의), 겹저고리 2점(보라색 설사, 저포), 당포적삼에 생경광주한삼과 저포한삼이 있었고 하의류로는 겹바지와 고의(홑바지), 당포 행전과 버선 2켤레, 초록사 요대, 옥색사 대님이 있었다. 셋째, 관모와 부속품으로 밀화영과 사영을 갖춘 흑립, 정자관·동파관, 받침모 탕건과 복건이 있었으며 수발(修髮)에 필요한 상투관과 세 종류의 동곳(산호·밀화·순금), 옥관자를 갖춘 망건이 있었다. 특히 정자관과 동파관은 18세기 이후 신분별 구분이 있던 관모인데 남녕위에게는 정자관과 동파관을 함께 보냈다. 넷째, 홍색 계통의 세조대와 부싯돌을 담을 쌈지와 사낭, 그리고 옥선추를 장식한 선자, 사직물로 만든 모선, 소접(小摺) 등의 부채류, 운혜와 당혜 신발도 포함되어 있었다. 마지막으로, 『덕온공주가례등록』의 복식 기록과는 달리 「혼수발기」의 복식 기록이 당시의 실제적인 복식 명칭임을 확인하였으며 19세기 전기 부마 편복의 구체적인 구성을 확인할 수 있었다.

• 한국지구과학회지
• /
• 제42권3호
• /
• pp.264-277
• /
• 2021

본 연구의 목적은 최근 발생한 태풍들의 이동속도와 관련하여 대기 중 총가강수량의 변화를 분석하는 것이다. 이 연구를 위해 미국기상위성연구소 및 기상청 천리안위성 2A호(GEO-KOMPSAT-2A)의 총가강수량 및 주야간 RGB 합성영상 자료뿐만 아니라 기상청의 기온, 강수량 및 풍속 등의 지상 관측 자료가 사용되었다. 기상청에서 제공하는 태풍 위치 및 이동속도를 활용하여, 2020년 태풍 바비, 마이삭, 하이선과 2019년 태풍 타파, 그리고 2018년 태풍 콩레이의 이동속도를 위도별 태풍 평균속도 통계자료와 비교하였다. 그 결과, 타파와 콩레이는 태풍의 위도별 평균속도와 유사하게 나타났으나 바비와 마이삭은 위도 약 25°N-30°N 구간에서 이동속도가 크게 감소하여 나타났다. 이는 대기 중의 수증기 띠가 전선의 형태로 바비와 마이삭 두 태풍의 전방에 위치하여 이들 태풍의 이동에 방해를 주었기 때문이었다. 즉 이동하는 태풍의 전방에 하층제트로 인해 발생한 수증기 띠가 전선을 형성할 경우, 이 전선과 태풍 사이에 위치하는 고기압 역은 더욱 발달하면서 열대야와 함께 블로킹 효과로 작용하여 태풍의 이동속도가 느리게 나타났다. 결과적으로 대기 중의 수증기가 많았던 바비와 마이삭의 경우, 1차로 하층제트를 따라 수증기 띠가 전선을 형성함으로 인한 집중호우가, 2차로 전선과 태풍 사이에 고기압 역의 하강기류로 인한 열대야 현상이, 그리고 3차로 태풍 자체의 육지 상륙에 의한 강풍과 폭우가 연달아 발생하였다.

• 한국육종학회지
• /
• 제43권4호
• /
• pp.233-240
• /
• 2011

식물 피노믹스 분야에서 초고속 대량선발이 가능하도록 만든 화상기술(imaging technology)을 온실자동화 기술, 이미지 촬영 및 분석기술 등으로 분류하여 개념을 정리하고, 화상기술을 개발 및 응용하고 있는 주요 연구기관의 현황을 소개하였다. 연구동향 파악을 위해 작물의 내재해성 검정, 병해충진단, 종자활력 검정, 수확후 관리, 생체리듬 연구 등 다양한 분야에서 응용되고 있는 사례들을 살펴보았다. 향후 열 화상, 형광 화상 기술을 UV-induced blue green fluorescence, hyperspectral imaging 등과 상호 보완해서 multi-sensor 개념으로 발전시켜 나간다면, 식물의 생산량 증대를 위한 스트레스 내성자원 선발의 효율성을 극대화할 수 있을 뿐만 아니라 다양한 파장대의 영상정보로부터 각 스트레스의 특징을 catalogue화하는 것이 가능하여 다양한 스트레스를 정확히 진단하고 정량화할 수 있을 것으로 보이며, 나아가 각종 스트레스에 대한 조기 경보시스템으로도 활용할 수 있을 것이다. 호주 Plant Phenomics Centre에서는 온실과 포장을 포함한 Phenomics 기술의 종합적 개념도를 그림 4와 같이 제시하고 각 부문별 필요기술을 개발 중에 있는데, 종합기술로 완성된다면 현재의 작물 품종개량 속도를 획기적으로 향상시킬 수 있을 것으로 기대된다. 호주는 그 동안 분자생물학, 식물생리학 분야에서는 기술력을 확보해 왔지만 BT, IT 등 융복합농업기술분야에서는 다른 나라에 비해 역량을 결집하지 못하고 뒤쳐져 있었다고 볼 수 있는데, 연구개발의 궁극적인 목표인 실용화 단계에서의 기술우위를 선점함으로써 그간의 약세를 만회하고자 Phenomics 연구시설을 설치하였다고 한다. 이점은 BT 후발주자이면서 국제적 경쟁력을 확보하려는 우리에게 시사하는 바가 크다. Phenomics 연구는 생명공학기술을 통해 창출된 GM 식물체, 전통육종을 통해 육성된 육종재료 등 모든 유용 유전자원을 평가, 검정할 수 있는 신품종 육성의 기본 기술로 부상하고 있다. 지난 수년간 정체되어 있는 국내 종자시장을 고부가 수출산업으로 육성하기 위해서는 유용 유전자원, 농업생명공학산물의 실용화를 가속화하여야 하며, 이를 위해 피노믹스 기술 확보 및 시설 인프라 구축을 전략적으로 신중히 검토해봐야 할 시점이다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1165-1178
• /
• 2018

남극 빙붕의 붕괴 및 흐름속도의 변화는 빙상에 대한 지지력을 약화시킬 수 있어 해수면 상승에 잠재적인 원인이 될 수 있다. 이 연구에서는 2016년 4월 대규모 붕괴가 발생한 동남극 난센 빙붕에 대해 Landsat-7 Enhanced Thematic Mapper Plus(ETM+) 및 Landsat-8 Operational Land Imager(OLI) 영상을 이용하여 2000년부터 2017년까지의 연간 흐름속도 변화를 분석하였다. 흐름속도 산출을 위해 Landsat의 청색, 녹색, 적색, 근적외선, 전정색 및 첫 번째 주성분 영상 등 총 6개 영상에 orientation correlation 기법을 적용하고, 각각의 변위 산출 결과를 융합하는 다중분광 영상정합 기법을 사용하였다. Landsat 다중분광 영상정합은 난센 빙붕에서 전정색 단일 밴드 영상정합을 사용하는 경우보다 최소 14% 더 넓은 영역에 대해 신뢰할 수 있는 흐름속도를 산출하였고, Global Positioning System(GPS)로 관측된 흐름속도와 비교한 결과 ${\pm}2.1m\;a^{-1}$의 매우 작은 오차를 가지는 것으로 분석되었다. 난센 빙붕에서 2000-2017년 사이에 가장 급격한 흐름속도 증가를 나타낸 곳은 Drygalski 빙하설과 인접한 영역이었으며, 빙붕의 중앙 유선을 따라 측정된 흐름속도는 빙붕 전면(ice front)에 rift가 발달하기 전인 2010년까지 거의 변화가 없었다(${\sim}228m\;a^{-1}$). Rift가 발달하기 시작한 2011-2012년에 rift 상류에서 흐름속도의 가속화가 관측되었으나(${\sim}255m\;a^{-1}$), 이는 2010년에 비해 약 11% 빨라진 것에 불과하였다. 난센 빙붕의 rift가 완전히 발달한 2014년부터 rift 상류의 흐름속도는 다소 감소한 상태(${\sim}225m\;a^{-1}$)로 안정화 되었다. 이는 rift의 발달 및 빙붕 전면의 붕괴가 난센 빙붕의 흐름속도에 거의 영향을 주지 않았음을 의미한다.

• 헤리티지:역사와 과학
• /
• 제37권
• /
• pp.121-150
• /
• 2004

일반적으로 산수표현을 많이 하는 불화 장르로는 십육나한도를 비롯하여 팔상도, 감로도, 관음보살도 등과 조선후기에 특히 많이 조성된 독성도나 산신도 등을 들 수 있다. 이들 불화는 대체로 산수를 비롯하여 다양한 배경을 갖추고 있는데, 18세기 이후 수묵적 전통이 남아있는 경우도 있지만 화려한 채색과 산수를 비롯한 다양한 경물의 표현으로 복잡해지는 경향이 강해지며, 19세기에는 흔히 말하는 민화적 요소가 등장하여 시대적인 경향을 보여 준다. 19세기 말~20세기 초에 제작된 16나한도는 이러한 경향 중에서도 배경묘사에 있어서 전통적인 요소도 있지만 그보다는 채색이나 제재면에서 시대적인 예술경향을 반영하는 민화적인 배경이 가장 다양하고 뚜렷하게 부각되어 배경표현의 주된 요소가 된다는 점에서 다른 불화와 차별된다. 즉 조선후기 16나한도에는 당시 유행하던 민화풍과 궁중화풍 등에서 보이던 청록산수식의 배경묘사가 두드러지며 십장생(十長生) 운룡(雲龍) 맹호(猛虎) 괴석(怪石) 화조(花鳥) 책가(冊架) 등과 같은 새로운 배경표현이 등장하여 폭넓은 수용 태도를 보여준다. 대체로 제재면에서는 수명장수, 부귀, 기복과 관련된 길상 상징물이 압도적으로 많음을 알 수 있는데, 이는 조선시대 서민불교로의 전환이라는 불교계의 동향, 특히 도교와 민간신앙과의 습합이라는 불교계의 자구적 모색과 밀접한 관련을 갖고 있다. 이는 16나한도나 당시 불화에 표현된 다양한 도교인물들의 모습을 통해서 엿볼 수 있다. 주로 19세기 말~20세기 초에 제작된 16나한도에 정형화된 양식의 민화풍이 등장한다는 것은 현존 민화의 제작연대를 추론하는 하나의 단서를 제공해 줄 것으로 생각하며, 불화승들이 민간의 수요와 요청에 의해 민화의 작가로 제작에 적극적으로 참여하였을 가능성을 시사하고 있다. 조선후기 불화에서의 민화적 요소의 고찰은 그 제재나 형태상의 유사점에서 출발했지만, 극단적인 희화화라든가 파격미 등은 보이지 않는다. 오히려 궁중의 장식그림과 유사한 양식의 표현이 많다는 점은 종교화로서의 기능을 갖추고 있는 불화라서 가능했던 것으로 생각한다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1607-1622
• /
• 2022

본 연구의 목적은 도시폭염 저감을 위한 기법인 쿨루프를 연구지역에 적용하여 토지피복 객체 간 지표 온도와 흡수일사 간 공간적 상관관계 분석으로 실질적 효과 파악을 목적으로 한다. 이를 위해 실제 쿨루프가 적용된 경상남도 김해시 장유무계동 인근을 연구지역으로 선정하였으며, 드론 DJI Matrice 300 RTK에 열적외 영역센서 FLIR Vue Pro R, 가시광선 영역센서 H20T와 다중분광영역 센서인 Micasense Red-Edge를 활용하여 계측하였다. 계측 일정은 2021년 7월 27일 아침 7시 15분부터 약 1시간 30분 간격으로 총 9장의 열지도와 동일 시간대의 흡수일사 분포도, 쿨루프(113개) 및 일반옥상(367개) 지붕 객체를 추출하였다. 흡수일사 분포도는 ArcGIS의 3D 분석 기능인 Solar Radiation Analysis Tool을 통해 산출한 전천일사 분포도에 Micasense Red Edge를 통해 촬영한 Blue, Green Red, Near Infrared, Red Edge Range 영역대 센서의 조합을 통해 구축한 연구 지역의 알베도 값을 반영하여 구축한다. 전술된 자료를 기반으로 일반옥상과 쿨루프 지붕 객체별 지표온도와 흡수일사 간 Pearson 상관계수를 산출하였다. 분석 결과 일 평균 기준 일반옥상 0.550, 쿨루프 0.387의 상관계수 값을 나타내고 있었다. 하지만, 시간대별 상관성의 변화를 파악한 결과 분석일 기준 태양고도가 높은 시기인 11시 30분과 13시의 경우 일반옥상과 쿨루프 간 상관계수의 차이는 0.022, 0.024 값을 보여 유사한 상관성을 보이고 있다. 그 외 시간대는 일반옥상의 상관계수 값이 쿨루프 보다 약 0.1 이상 높은 값을 보이고 있다. 본 연구는 드론을 통해 취득한 고해상도 영상을 활용하여 쿨루프의 실질적 일사차단 영향의 가능성을 대조군이 되는 일반 옥상과의 상관성 비교를 통해 파악한 사례 연구이다. 향후 본 연구 결과를 기반으로 효율적인 도시열섬 저감기법 적용이 가능할 것으로 사료된다.

• 한국환경농학회지
• /
• 제38권4호
• /
• pp.225-236
• /
• 2019

인공광 식물공장에서는 작물을 생산하기 위하여 일반적으로 화학비료 유래 무기성분을 포함하는 배양액을 시용하여 수경재배한다. 본 연구에서는 광질이 상이한 식물공장에서 관행의 무기배양액 일부 또는 전량을 유기배양액으로 대체할 수 있는 폐기 농업부산물 유래 유기배양액을 시용하여 수경재배하고 작물의 생장에 미치는 영향을 검토하였다. 청색, 적색 및 백색 LED를 1:2:1의 비율로 혼합한 혼합LED 및 관행의 형광등 조사 조건에서 적치마와 청치마 상추 실생묘를 35일간 수경재배한 결과, 적치마와 청치마 상추의 생체중 및 전개엽수 증가는 형광등을 조사한 Y구에서 통계적으로 유의하게 증가하였다. 그러나 유·무기 혼합배양액 처리구인 YK 및 YTJ에서는 오히려 혼합LED 조사구에서 증가하였다. 유기배양액 단용 또는 유·무기 혼합배양액 처리시 엽내 SPAD치는 두 실생묘 모두 Y구와 유사하거나 증가하는 경향을 나타내었다. 관행의 무기배양액인 Y구에서 배양액내 구성성분 중 가장 많은 양을 차지하고 있는 무기성분인 NO₃-N은 재배 개시일에 약 97 mg/L으로, 적치마와 청치마 상추 실생묘에서 모두 재배기간이 경과함에 따라 감소하는 경향을 보였다. 적치마의 경우 재배종료시 각 처리구별 NO₃-N 농도는 형광등 조사시 약 29 mg/L, 혼합LED 조사시 24 mg/L였으며, 청치마의 경우 형광등 조사시 약 26 mg/L, 혼합LED 조사시 47 mg/L로, 초기 투입량 대비 25~48% 정도의 양이 재배종료시까지 흡수되지 않고 남아 있었다. 재배개시일 NH₃-N 농도는 Y구3-N 잔여량은 약 13%로 최대값을 나타내었다. 관행의 무기배양액내 질산태질소는 작물체에 흡수되어 생체중, 엽수 증가와 같은 지상부 생장을 좌우하는 주요 성분이지만 재배종료시까지 전량이 흡수되지 않고 남아 있는 것으로 보아 상추 수경재배시 배양액내 질산태질소의 초기 투입량을 조절할 필요성이 대두되었다. 연구결과 농업부산물 유래 유기배양액을 활용하여 적치마와 청치마 상추를 수경재배할 경우 유기배양액 단용보다 유·무기 혼합배양액 시용으로 유기배양액내 부족한 질소 성분을 무기질소로 보충할 수 있어 무기성분 사용량 저감이 기대된다. 또한 상추 실생묘의 양적생장 추이와 달리 엽내 색소합성이 관행 무기배양액보다 특정 유기배양액 단용 또는 혼용에 의해 유의하게 증가하는 것으로 보아 작물체내 물질합성량, 유기배양액 사용기간 및 재이용 등 유기배양액의 화학적 특성 변화에 대한 연구가 필요할 것으로 판단된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 헤리티지:역사와 과학
• /
• 제46권3호
• /
• pp.230-250
• /
• 2013

동아대학교박물관에 소장된 <초충도수병(草蟲圖繡屛)>(이하 <수병>)은 보물 제595호로 지정되어 있으며 초충도 회화작품보다 더 정교하고 섬세한 사실적 표현과 다채한 입체적 구성으로 미술사 분야에서 그 가치가 높이 평가되어 왔다. 그러나 <수병>이 자수 작품임에도 불구하고 현재까지 섬유공예적 측면에서의 분석과 연구는 이루어지지 않았다. 본고에서는 <수병>의 바탕직물, 자수색사, 자수기법 등을 과학적 기기를 사용하여 조사 분석함으로써 <수병>의 문양소재와 섬유공예적 특징 및 <수병>이 섬유공예사에서 갖는 가치를 규명하였다. 연구 결과, <수병>은 8폭 병풍으로 이루어져 있으며 소재와 구도는 일반적인 초충도 회화작품과 유사하다. 각 폭의 주제문양은 제1폭에서부터 순서대로 오이, 맨드라미, 원추리, 여주, 패랭이, 수박, 가지, 들국화로 이루어져 있다. <수병>의 문양 중 여주는 현전하는 초충도 회화작품에서는 볼 수 없는 특별한 소재이다. 제8폭은 곤충, 파충류 등의 문양이 없이 들국화만 단독으로 시문하여 초충도의 전형적인 형식과 차별이 있다. <수병>의 직물은 지금까지 장식용 자수에서는 볼 수 없었던 검은색을 사용하여 다채한 색사를 강조하여 극대로 표현하고자 했음을 알 수 있다. 바탕직물은 5매 공단[무문단(無紋緞)]을 사용하였다. 자수사는 극히 미약하게 꼬임을 준 반푼사를 사용하였으며 꼬임의 방향은 우연이다. 한 가지 색의 단사를 사용하기도 하고 때로는 두 가지 색을 병사로 사용하거나 합연사한 혼합색을 사용하여 입체적으로 표현하였다. 색상은 열화되고 퇴색이 심하여 원래의 색은 알 수 없지만 가장 많이 사용된 색은 황색계열에서 녹색계열의 색이며 청색, 갈색, 자색 등이 비교적 잘 남아있다. 원추리, 패랭이, 딸기 등의 색은 현재 적황색으로 남아 있는데 초충도와 비교해 볼 때 원래는 주황색 또는 홍색이었을 것으로 추정된다. 자수의 기법은 대부분 표면평수를 사용하여 면을 채우고 있다. 이를 통해 색사의 낭비를 줄이고자 했던 옛 여인들의 알뜰한 지혜가 엿보인다. 평수는 면을 장식하는 비교적 간단한 자수법이지만 색사를 다양화하고 면을 분할하여, 수직, 수평, 사선평수를 배합하고 때로는 자릿수와 같이 서로 맞물리게 자수하여 다양한 질감과 양감을 표현하였다. 곤충의 몸통은 가장자리수와 이음수, 평수를 혼합하여 입체적으로 표현하고 있으며, 특히 가장자리수의 활용이 주목된다. 그 외 이음수로 잎맥 등을 입체감 있게 나타내고, 제7폭의 쇠뜨기는 표면솔잎수를 층층이 자수하여 사실적으로 표현하였다. 패랭이, 딸기, 오이 등에는 평수 위에 장식수를 더하여 세세한 묘사를 더했다. <수병>은 회화사, 문화사적으로도 가치가 크지만 한국 자수공예사에 있어서도 우수한 한국적 자수기법과 색채를 사용하여 신사임당 초충도의 모습을 가장 잘 표현하고 있는 점에서 큰 중요성을 지닌다고 할 수 있다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.