초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 수많은 종류의 멀티미디어 데이터베이스에서 이미지 검색은 중요한 연구과제가 되고 있다. 특히 사용자가 원하는 이미지를 정확하고, 효율적으로 검색하는 연구에 있어서 하위레벨 이미지 프로세싱(Low-Level Image Processing)과 이미지 인식 및 해석을 주로 하는 상위레벨 이미지 프로세싱(High-Level Image Processing)의 접목은 현존하는 기술과 연구로서는 상대적으로 힘들며 아직까지도 많은 연구가 진행되고 있다. 후자에 더 가까운 접근으로서 본 논문에서는 객체 특징 추출(Object ...

현재 수많은 종류의 멀티미디어 데이터베이스에서 이미지 검색은 중요한 연구과제가 되고 있다. 특히 사용자가 원하는 이미지를 정확하고, 효율적으로 검색하는 연구에 있어서 하위레벨 이미지 프로세싱(Low-Level Image Processing)과 이미지 인식 및 해석을 주로 하는 상위레벨 이미지 프로세싱(High-Level Image Processing)의 접목은 현존하는 기술과 연구로서는 상대적으로 힘들며 아직까지도 많은 연구가 진행되고 있다. 후자에 더 가까운 접근으로서 본 논문에서는 객체 특징 추출(Object Feature Extraction)과 기계학습 이론(Machine Learning Theory) 및 개념개체 지원(Supporting of Conceptual Object)을 바탕으로 두 분야의 연관을 시도하면서 특정 이미지를 인식 및 검색하는 개념-기반 이미지 검색 시스템(CONceptual-BAsed image retrieval system : CONBA)을 설계 및 구현하였다. 본 연구의 객체 특징 추출은 객체의 특성을 모양과 색상으로 크게 분류하면서 특징값을 구하며, 각각의 값을 구하기 위해서 독립적인 전처리 과정을 수행한다. 그리고 얻어진 객체의 특징값에 대해서는 기계학습이론을 이용하여서 해당 객체의 정보를 알게된다. 귀납적 방법의 기계학습은 반복적인 학습이론에 의해 해당 객체에 대한 일반적이고 정형화된 정보를 알게 되는데, 이는 사람이 어떠한 객체나 정보를 인식할 때 오랜 기간의 반복과 많은 양의 데이터에 의한다는 평범한 사실에서 출발한 것이다. 한편 본 논문에서는 이미지 검색에 있어서 기존의 단순하고 기계적인 질의 방법이외에 질의처리에 있어서 사용자에게 좀더 직관적이고 친숙한 개념객체를 지원하는 설계를 제안하는데, 이를 위해서 집합-기반의 객체 표현방식과 이것에 의한 개념객체 지원 방법을 제안한다. 집합식 표현방식에 의한 개념객체 정의는 복수의 정의로 나올 수 있는 객체정의를 하나의 집합 표현식에 포함시킬 수 있으며 단순한 구성과 포함관계로 객체들간의 상호 관계를 나타낼 수 있는 장점이 있다. 전체적인 검색 시스템의 구현은 윈도우즈 환경 하에서 자바 언어를 사용하여 구현하였으며, 시스템 평가를 위해서는 검색 시스템에서의 일반적인 비교방식인 Precision과 Recall을 사용하여 비교적 우수한 검색 효율성을 보였고, 비교평가에서는 기존의 개념객체를 지원하지 않는 시스템과의 비교도 함께 수행하였다.

Abstract ▼ AI-Helper

Currently, in the great large of multimedia database, image retrieval is being the important issue. Especially, for the efficient and correct retrieval, it is difficult that use both the low-level image processing and high-level image processing. With approaching to the high-level image processing, ...

Currently, in the great large of multimedia database, image retrieval is being the important issue. Especially, for the efficient and correct retrieval, it is difficult that use both the low-level image processing and high-level image processing. With approaching to the high-level image processing, our paper designs the CONceptual-BAsed image retrieval system (CONBA) and implement it using the object feature extraction and machine learning theory and supporting of conceptual object. In our research, object feature extraction is doing with shape and color, and to get the feature value, each perform the preprocessing step. And after get the feature value of object, using the machine learning theory, can have the information about the object. By repetitive learning theory, machine learning of deductive method get the general information about the each object. It is based on that generally human, when he want to know about the object, get the knowledge about the object by large and repetitive learning. Also our paper presents the set-based object description method to supports the more intuitive and friendly conceptual object. Conceptual object definition based on set-based description have advantage that conceptual object having two more object definition can transforms to a set representation, and can represents the object relationship with set-based object description. Overall system are implemented with java and based on windows. To the system performance testing, we use the Precision and Recall, and get the comparative superior retrieval efficiency. To the comparison testing, we also tests with system which are not supporting the conceptual object.

Keyword