• International Journal of Advanced Culture Technology
• /
• 제5권4호
• /
• pp.1-9
• /
• 2017

This study of Cho Ji - Hoon's Poem "Falling Flowers" was attempted to find the mechanism of poetic healing and utilize it for literary therapy. In this study, I examined how Cho Ji-Hoon's poem "Falling Flowers" encoded crying. Especially, we focused on the organic relationship of each layer represented by poem and put emotional codes on the layer of functor and argument. The results are as follow. It represents the Separation Layer of 1-3strophes, 4-6strophes constitute the Time Layer, and 7-9strophes the Sadness Layer. This poem proceeds the encoding of the sentence in which the crying of cuckoo in the 1-3strophes transforms into the crying of the poetic narrator in the last 9strophe. The relation of emotional layers in this poem is in the same function relations as "(1-3strophes) ${\subset}$ (4-6strophes) ${\subset}$ (7-9strophes)". Since these functional relations consist of the encoding of sadness, encrypts emotion signals of sadness as "U+U+U" becomes "UUU". 1-3strophes' U is the cry of the cuckoo, and U of the 4-6strophes is blood cry. Therefore, "UUU" is the blood cry of poetic narrator. This Cho Ji-Hoon's poem has a Han(恨) at its base. So, as Cho Ji-Hoon's poem "Falling Flowers" is uttered, the poetic mechanism of U, the code of sadness, is amplified. Then we get caught up in the emotions we want to cry. The poetic catharsis of "crying" is providing the effect of literary therapy. In the future, it will be possible to develop a more effective literary therapy technique by developing a literary therapy program like this poetic structure.

• 한국정보전자통신기술학회논문지
• /
• 제3권4호
• /
• pp.23-27
• /
• 2010

본 연구에서는 감성 평가 시스템 가장 적합한 파라미터를 찾기 위하여 3가지 뇌파 파라미터를 이용하여 감정 분류 실험을 하였다. 뇌파 파라미터는 선형예측기계수(linear predictor coefficients)와 FFT 스펙트럼 및 AR 스펙트럼의 밴드별 상호상관계수(cross-correlation coefficients)를 이용하였으며, 감정은 relaxation, joy, sadness, irritation으로 설정하였다. 뇌파 데이터는 대학의 연극동아리 학생 4명을 대상으로 수집하였으며, 전극 위치는 Fp1, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파 데이터는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망(neural network)에 입력하여 감정 분류를 하였다. 감정 분류실험 결과 선형예측기계수를 이용하는 것이 다른 2가지 보다 좋은 성능을 나타내었다.

• 방송공학회논문지
• /
• 제22권2호
• /
• pp.162-172
• /
• 2017

본 논문에서는 딥러닝 기술 중의 하나인 CNN(Convolutional Neural Network)을 이용한 얼굴 표정 인식 기법을 제안한다. 기존의 얼굴 표정 데이터베이스의 단점을 보완하고자 질 좋은 다양한 데이터베이스를 이용한다. 제안한 기법에서는 '무표정', '행복', '슬픔', '화남', '놀람', 그리고 '역겨움' 등의 여섯 가지 얼굴 표정 data-set을 구축한다. 효율적인 학습 및 분류 성능을 향상시키기 위해서 전처리 및 데이터 증대 기법(data augmentation)도 적용한다. 기존의 CNN 구조에서 convolutional layer의 특징지도의 수와 fully-connected layer의 node의 수를 조정하면서 여섯 가지 얼굴 표정의 특징을 가장 잘 표현하는 최적의 CNN 구조를 찾는다. 실험 결과 제안하는 구조가 다른 모델에 비해 CNN 구조를 통과하는 시간이 가장 적게 걸리면서도 96.88%의 가장 높은 분류 성능을 보이는 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.147-149
• /
• 2021

최근 미디어의 시장의 급격한 성장과 그에 따른 사용자들의 기대감이 증가하고 있다. 이 연구에서는 미디어에서 추출한 오디오를 통하여 다양한 태그를 추출하고 인공지능을 활용하여 특정 카테고리로 분류한다. 이 카테고리는 감정에 대한 종류이며 기쁨, 분노, 슬픔, 즐거움, 사랑, 증오, 욕망 등이 있을 수 있다. 해당 연구를 수행하기 위하여 Jupyter Notebook 프로그램을 사용하며, Jupyter Notebook 내에서 LiBROSA 라이브러리를 이용하여 음성데이터를 분석하고 Keras와 계층 모델을 이용하여 Neural Network를 학습한다.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.333-340
• /
• 2022

코로나19는 모두로 하여금 초조하고 불안하게 만들고, 사람들간에는 거리두기가 필요하다. 코로나19로 인해 심리적으로 초조하고 불안 해 지고 거리두기가 필요해졌다. 대학교에서는 학기 초에 정신건강에 대한 단체 평가와 검사가 이루어진다. 본 연구에서는 다층감지기 신경망 모델을 채택하고 훈련시켜 딥러닝을 진행했다. 훈련이 끝난 후, 실제 사진과 동영상을 입력하고, 안면탐지를 진행하고, 표본에 있는 사람의 얼굴 위치를 알아낸 후, 그 감정을 다시 분류하고, 그 표본의 예측한 감정 결과를 그림으로 보여주었다. 결과는 다음과 같다. 테스트 시험에서는 93.2%의 정확도를 얻었고, 실제 사용에서는 95.57%의 정확도를 얻었다. 그중 분노의 식별율은 95%, 혐오의 식별율은 97%, 행복의 식별율은 96%, 공포의 식별율은 96%, 슬픔의 식별율은 97%, 놀라움의 식별율은 95%, 중립의 식별율은 93%이었다. 본 연구의 고효율적 정서 식별 기술은 학생들의 부정적 정서를 포착하는 객관적 데이터를 제공 할 수 있다. 딥러닝의 감정식별 시스템은 심리건강을 향상하기 위한 데이터들을 제공할 수 있다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.227-231
• /
• 2006

21세기의 새로운 뉴미디어의 시대를 살아가는 오늘날 만화 및 애니메이션은 각종 영상매체에서의 중요성과 더불어 모든 예술분야에서의 그 비중은 갈수록 커지게 되었다. 특히 날이 갈수록 발전하는 시각문화에 대한 유저들의 소구는 감성공학과 더불어 감성디자인의 필요성을 절실히 깨닫게 해주고 있다. 더군다나 한국과 같은 지리적인 위치에서 일본 문화 중에서도 가장 중독성이 있는 만화, 애니메이션의 영향은 청소년부터 장년층까지 두루 미치고 있는 이유로 한국적인 만화 언어에 대한 체계적인 연구가 필요한 실정이다. 본 연구는 이러한 상황에 따른 적절한 연구가 필요하다 생각되어 그 중에서도 만화 캐릭터의 표정에 대한 연구를 위해 일본 만화에 등장하는 캐릭터들의 표정을 크게 "희(기쁨), 노(분노), 애(슬픔), 락(즐거움)"과 공포(무서움), 놀라움, 혐오(역겨움)으로 나누고 이것을 기준으로 만화에서 감정을 표현하는 최소한의 도식적인 표정 요소들을 도출하여 사람의 감정을 표현하는 단어들과 연관시켜 이미지맵을 작성하고, 이를 기반으로 독자들이 만화의 표정언어를 어떻게 인지하는지에 대한 측정도구를 만들어보았다. 표정 요소 도출을 위해 선택된 일본 만화의 샘플들은 우선 출판만화로 한정하였으며, 차후에 애니메이션 캐릭터의 표정분석을 위한 발판을 마련하였다.

• 한국콘텐츠학회논문지
• /
• 제7권2호
• /
• pp.246-254
• /
• 2007

21세기의 새로운 뉴미디어의 시대를 살아가는 오늘날 만화 및 애니메이션은 각종 영상매체에서의 중요성과 더불어 모든 예술분야에서의 그 비중은 갈수록 커지게 되었다. 특히 날이 갈수록 발전하는 시각문화에 대한 유저들의 소구는 감성공학과 더불어 감성디자인의 필요성을 절실히 깨닫게 해주고 있다. 더군다나 한국과 같은 지리적인 위치에서 일본 문화중에서도 가장 중독성이 있는 만화, 애니메이션의 영향은 청소년부터 장년층 까지 두루 미치고 있는 이유로 한국적인 만화 언어에 대한 체계적인 연구가 필요한 실정이다. 본 연구는 이러한 상황에 따른 적절한 연구가 필요하다 생각되어 그중에서도 만화 캐릭터의 표정에 대한 연구를 위해 일본 만화에 등장하는 캐릭터들의 표정을 크게 '희(기쁨), 노(분노), 애(슬픔), 락(즐거움)'과 공포(무서움), 놀라움, 혐오(역겨움)으로 나누고 이것을 기준으로 만화에서 감정을 표현하는 최소한의 도식적인 표정 요소들을 도출하여 사람의 감정을 표현하는 단어들과 연관시켜 이미지맵을 작성하고, 이를 기반으로 독자들이 만화의 표정언어를 어떻게 인지하는지에 대한 측정도구를 만들어보았다. 표정 요소 도출을 위해 선택된 일본 만화의 샘플들은 우선 출판만화로 한정하였으며, 차후에 애니메이션 캐릭터의 표정분석을 위한 발판을 마련하였다.