$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

SOM 기반 웹 이미지 분류에서 고수준 텍스트 특징들의 효과

The Effectiveness of High-level Text Features in SOM-based Web Image Clustering

초록

본 논문에서는 웹 이미지의 분류 효과를 높이기 위해 이미지 자체에서 추출된 저수준의 비주얼 특징뿐만 아니라 이미지와 관련된 텍스트 정보로부터 나온 고수준 시맨틱 특징들을 이용하는 분류 방법을 제안한다. 이 고수준의 텍스트 특징들은 이미지 URL, 파일명, 페이지 타이틀, 하이퍼링크 및 이미지 주변 텍스트로부터 얻어진다. 분류 엔진으로는 Kohonen의 SOM(Self Organizing Map)을 사용한다. 고수준의 텍스트 특징들과 저수준의 비주얼 특징들을 동시에 사용하는 SOM 기반의 이미지 분류에서는 10개의 카테고리로부터 수집된 200개의 테스트 이미지들이 사용되었다. 분류 성능을 평가하기 위해 간단하면서도 새로운 두 가지 척도, 즉 동일 카테고리 이미지들의 산포 정도와 집적 정도를 나타내는 각각의 척도를 정의하고 사용하였다. 실험결과, SOM기반의 웹 이미지 분류에서는 고수준의 텍스트 특징들이 보다 유용한 것임이 밝혀졌다.

Abstract

In this paper, we propose an approach to increase the power of clustering Web images by using high-level semantic features from text information relevant to Web images as well as low-level visual features of image itself. These high-level text features can be obtained from image URLs and file names, page titles, hyperlinks, and surrounding text. As a clustering engine, self-organizing map (SOM) proposed by Kohonen is used. In the SOM-based clustering using high-level text features and low-level visual features, the 200 images from 10 categories are divided in some suitable clusters effectively. For the evaluation of clustering powers, we propose simple but novel measures indicating the degrees of scattering images from the same category, and degrees of accumulation of the same category images. From the experiment results, we find that the high-level text features are more useful in SOM-based Web image clustering.

참고문헌 (14)

  1. D. Arotaritei and S. Mitra, 'Web mining: a survey in the fuzzy framework, ' Fuzzy Sets and Systems, Vol.148, pp.5-19, 2004 
  2. N. Gudivada and V. Ragahavan 'Content-based image retrieval systems,'IEEE Computer, Vol.28, No.9, pp.18-22,1995 
  3. Y. Rui, T. Huang and S. Chang, 'Image retrieval: current techniques, promising directions and open issues, ' Journal of Visual Communication and Image Representation, Vol.10, No.4, pp.39-62, 1999 
  4. A.W.M. Smeulders, M. Worring, S. Santini, A.Gupta and R. Jain, 'Content-based image retrieval at the end of the early years,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.22, pp.1349-1379, 2000 
  5. Z. Chen, L. Wenyne, F. Zhang, M. Li and H. Zhang, 'Web Mining for Web Image Retrieval,' Journal of the American Society for Information Science and Technology, Vol.52, No. 10, pp.831-839, 2001 
  6. Y.Lu, C. Hu,X. Zhu,H. Zhang and Q. Yang,'A unified framework for semantics and feature based relevance feedback in image retrieval systems,' In proceedings of the 8th ACM international Conference on Multimedia, pp.31 - 38, 2000 
  7. T. Kohonen, 'Self-Organizing Maps', New York: SpringerVerlag, 1997 
  8. S.W.K. Chan and M.W.C. Chong, 'Unsupervised clustering for nontextual web document classification,' Decision Support Systems, Vol.37, pp.377-396, 2004 
  9. J. Laaksonen, M. Koskela, S. Laakso and E. Oja, 'PicSOM-content-based image retrieval with self-organizing maps,'Pattern Recognition Letters, Vol.21, pp.1199-1207, 2000 
  10. J. Laaksonen, M. Koskela, S. Laakso and E. Oja, 'Self-organizing maps as a relevance feedback technique in content-based image retrieval,' Pattern analysis & Applications, Vol.4, pp.140-152, 2001 
  11. J. Laaksonen, M. Koskela and E. Oja, 'PicSOM-Self-organizing image retrieval with MPEG-7 content descriptions,' IEEE Transactions on Neural Networks, Special Issue on Intelligent Multimedia Processing, Vol.13, pp.841-853, 2002 
  12. S. E. Umbaugh, Y. Wei, and M. Zuke, 'Feature Extraction in Image Analysis,' IEEE Engineering in Medicine and Biology, Vol.16, pp.62-73, 1997 
  13. T. Chang and C.-C.J. Kuo, 'Texture analysis and classification with tree-structured wavelet transform,' IEEE Tr. IP, Vol.2, pp.429-441, 1993 
  14. G. Salton, 'Automatic Text Processing', Addison-Wesley, pp.279-281, 1989 

이 논문을 인용한 문헌 (1)

  1. Lee, Hyoung-Gyu ; Kim, Min-Jeong ; Hong, Gum-Won ; Rim, Hae-Chang 2009. "Web Image Caption Extraction using Positional Relation and Lexical Similarity" 정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, 36(4): 335~345 

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일