선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 특히 대용량 약 영상 도메인으로부터 내용기반 약 영상 검색 시스템을 구현함에 있어 유사한 모양과 색상을 지닌 수많은 영상으로부터 원하는 영상을 찾아내는 문제는 약 영상의 한 가지 특성 정보만을 이용하기 쉽지 않으며 다양한 특성의 효과적인 결합 원칙의 확보가 필요하다. 따라서 본 논문에서는 약영상의 모양과 색상에 근거한 절차적 영상검색 방법을 제시하였다. 영상 검색 도메인의 크기를 효과적으로 유지하기 위하여 약 영상을 모양에 의해 분류한 후 분류된 영상 클래스를 기반으로 질의 영상의 HS 색상 정보를 이용하여 약 영상을 검색하는 방법을 제시하였다.
- 8방향 체인코드알고리즘은 객체영역의 경계선을 방향과 길이를 미리 정한 직선 성분의 체인으로 표현하는 방법으로, 최종 경계선은 일련의 체인 코드로 부호화 하여 표현 된다. 본 논문에서는 약 영상의 경계선 추적을 통해 결정된 일련의 지점을 이용한 모양신호를 만들기 위하여 180개의 경계점을 선택하였다. 8방향 체인코드 알고리즘은 경계점 선택에 있어 일관된 정보를 선택하는 중요한 방법이 된다.
- 본 논문에서는 약을 많이 복용하는 노약자 및 약에 관한 전문성이 부족한 일반 사용자들이 약에 관한 정보를 쉽게 획득할 수 있도록 약 영상의 모양분류와 HS 컬러정보를 이용한 새로운 내용기반 약영상 검색 시스템을 제안하고 구현 하였다. 특히 대용량 약 영상 도메인으로부터 내용기반 약 영상 검색 시스템을 구현함에 있어 유사한 모양과 색상을 지닌 수많은 영상으로부터 원하는 영상을 찾아내는 문제는 약 영상의 한 가지 특성 정보만을 이용하기 쉽지 않으며 다양한 특성의 효과적인 결합 원칙의 확보가 필요하다.
제안 방법
- 한편 약의 표면에 새겨진 로고(logo)의 위치를 정확히 검출하고 인식하는 방법[12-14]을 이용하여 약 영상을 검색하는 시스템에 대한 관심도 증가하고 있다. 로고의 검출과 인식 방법은 주로 모양불변 특성을 지닌 로그-극좌표(log-ploar) 상관관계 또는 후-모멘트(Hu-moment)[15] 등을 이용하여 영상을 검색하는 방법을 제안하였다. 이러한 방법은 약에 로고가 있는 특정 영상 도메인에 제한적으로 적용될 수 있으며 전반적으로 계산량을 많이 필요로 한다.
- 본 논문에서 제안된 약 영상 검색 시스템은 약으로부터 추출된 모양 정보와 색상 정보를 결합하여 질의 영상과 가장 유사한 영상 순으로 검색 결과를 제시한다. 모두에서 언급한 바와 같이 약 영상 검색에서의 난점은 유사한 모양과 색상을 지닌 약의 개수가 너무 많다는 점이며 이를 극복하기 위하여 약의 모양 정보를 통해 영상 검색 도메인의 크기를 줄인 후 색상 정보를 이용하여 최종적으로 약을 검색하는 절차적 방법을 제안하였다. 다음 (그림 1)은 약의 모양과 색상정보를 이용하여 약 영상의 특성(feature)을 추출하는 과정을 제시하고 있다.
- 영상 검색 도메인의 크기를 효과적으로 유지하기 위하여 약 영상을 모양에 의해 분류한 후 분류된 영상 클래스를 기반으로 질의 영상의 HS 색상 정보를 이용하여 약 영상을 검색하는 방법을 제시하였다. 모양 분류를 위하여 대상 약의 경계선으로부터 추출되고 정확히 보정된 고유의 2차원 모양 신호를 사용하였으며, 모양 신호에 의해 분류된 영상으로부터 HSV 모델의 색조와 채도정보 만을 이용하여 데이터베이스 영상으로부터 질의 영상과 유사도가 높은 영상을 검색 하였다. 실험을 통해 기존에 모양분류에 주로 사용되는 Humoment를 이용한 모양분류 방법에 HS 모델을 결합한 검색방법과 제안된 방법을 비교 분석한 결과 본 논문에서 제안된 방법을 이용한 약 영상 검색방법이 더 효과적이라는 것을 입증하였다.
- 선택할 경계점은v약 영상의 모양 신호 주기를 0-2π(360°)로 간주하고 최초 선택된 시작점으로 부터 Cos 2°씩 증가 시키면서 180개의 지점을 결정하였다. 모양 신호 생성을 위한 180개의 경계점이 결정되면 약 영상의 중심점과 경계점 사이의 유클리디언 거리를 구하여 계산된 길이를 이용하여 모양신호를 생성한다. 이때 모양신호에 사용된 거리들은 중심점과 윤곽선의 최대 거리를 1로 정규화하고 각 거리들의 상대 길이를 정의함으로서 입력영상 획득 시 약 영상의 크기가 변하더라도 신호의 크기는 변하지 않고 일관성을 유지하여 생성된 모양 신호간의 유사성 비교가 이뤄질 수 있도록 하였다.
- 이상에서 정의된 18개의 모양 클래스를 기반으로 약 영상의 모양을 분류하기 위하여 약의 윤곽선을 추출한 후 객체의 중심점과 윤곽선의 특징점간의 거리를 이용하여 약의 모양에 따른 고유한 모양신호(shape signature)를 생성하였다. 모양 신호의 일관성을 유지하기 위하여 계산된 거리의 정규화, 신호 시작위치의 일관성 유지, 추출된 약의 대칭 회전 등을 통하여 질의 영상 획득 시 영상의 기하학적 변환(회전 및 크기변환)에 강건한 시스템을 구축하였다.
- 본 논문에서 제안된 약 영상 검색 시스템은 약으로부터 추출된 모양 정보와 색상 정보를 결합하여 질의 영상과 가장 유사한 영상 순으로 검색 결과를 제시한다. 모두에서 언급한 바와 같이 약 영상 검색에서의 난점은 유사한 모양과 색상을 지닌 약의 개수가 너무 많다는 점이며 이를 극복하기 위하여 약의 모양 정보를 통해 영상 검색 도메인의 크기를 줄인 후 색상 정보를 이용하여 최종적으로 약을 검색하는 절차적 방법을 제안하였다.
- 실험 결과 (그림 8)에서 제시된 바와 같이 제시된 각 색상 모델에 따라 질의 영상과 유사도가 높은 상위 6개의 영상을 검색한 결과 색조와 채도 값만을 이용한 검색방법이 다른 방법을 적용한 결과에 비하여 일관성 있게 시각적 유사도가 높은 색상의 약 영상을 추출한 것을 확인할 수 있었다. 사용된 색상의 유사도 측정값은 데이터베이스 영상 I와 질의 영상 Q의 색상 요소간의 유클리디언 거리를 계산하여 사용하였으며 (식 3)과 같이 정의할 수 있다. 따라서 만일 RGB 또는 HSV 성분을 영상 검색에 사용한 경우 L=3이 되며, HS 성분만을 사용한 경우 L=2로 정의한다.
- 선택할 경계점은v약 영상의 모양 신호 주기를 0-2π(360°)로 간주하고 최초 선택된 시작점으로 부터 Cos 2°씩 증가 시키면서 180개의 지점을 결정하였다.
- 본 논문에서 제안된 약 영상 검색 방법의 효율성은 다양한 실험을 통해 다음과 같이 입증하였다. 실험 과정은 약 영상의 모양 분류, 영상 검색에 있어 HS 컬러 성분의 유용성 테스트, 모양과 색상 정보를 이용한 영상 검색 결과 제시 및 우수성 검증의 절차로 구성되었다. 제안된 약 영상의 모양분류과정을 통해 생성된 18개의 모양 클래스에 해당하는 1차원 및 2차원 모양 신호는 (그림 9)와 같다.
- 추출된 HSV 컬러히스토그램의 색상 성분은 해당 영상의 고유 특성 벡터로 정의되어 데이터베이스의 각 영상의 대표 값으로 설정된다. 앞서 기술한 바와 같이 색조(H), 채도(S) 그리고 명도(V) 세 가지 구성값 중에서 영상 획득 시 외부 조명의 변화에 민감한 영상의 특성을 고려하여 명도를 제외한 색조와 채도 값만을 이용하여 데이터베이스 영상과 질의 영상의 색상 유사도를 판별한다.
- 따라서 본 논문에서는 약영상의 모양과 색상에 근거한 절차적 영상검색 방법을 제시하였다. 영상 검색 도메인의 크기를 효과적으로 유지하기 위하여 약 영상을 모양에 의해 분류한 후 분류된 영상 클래스를 기반으로 질의 영상의 HS 색상 정보를 이용하여 약 영상을 검색하는 방법을 제시하였다. 모양 분류를 위하여 대상 약의 경계선으로부터 추출되고 정확히 보정된 고유의 2차원 모양 신호를 사용하였으며, 모양 신호에 의해 분류된 영상으로부터 HSV 모델의 색조와 채도정보 만을 이용하여 데이터베이스 영상으로부터 질의 영상과 유사도가 높은 영상을 검색 하였다.
- 모양 신호 생성을 위한 180개의 경계점이 결정되면 약 영상의 중심점과 경계점 사이의 유클리디언 거리를 구하여 계산된 길이를 이용하여 모양신호를 생성한다. 이때 모양신호에 사용된 거리들은 중심점과 윤곽선의 최대 거리를 1로 정규화하고 각 거리들의 상대 길이를 정의함으로서 입력영상 획득 시 약 영상의 크기가 변하더라도 신호의 크기는 변하지 않고 일관성을 유지하여 생성된 모양 신호간의 유사성 비교가 이뤄질 수 있도록 하였다.
- 이러한 문제점을 극복하기 위하여 본 연구에서는 생성된 2차원 모양 신호를 분석하여 (그림 6)과 같이 생성된 모양 신호가 중심축을 기준으로 좌우로 기울어진 경우 축의 기울어짐을 교정한 2차원 신호를 만들어 신호의 시작위치가 약의 중심으로부터 경계점 거리가 가장 먼 지점을 시작점으로 일관되게 유지할 수 있도록 하여 약 모양의 클래스를 결정하였다. 객체의 각도를 조절하기 위해서는 4가지 클래스의 모양 신호는 기준 축을 기반으로 좌우가 대칭인 특성을 지니므로, 기울어진 방향을 판단한 후 만일 축이 수직이 아닌 경우 기울어진 반대방향으로 객체를 회전 시키는 과정을 수행한다.
- 이상에서 정의된 18개의 모양 클래스를 기반으로 약 영상의 모양을 분류하기 위하여 약의 윤곽선을 추출한 후 객체의 중심점과 윤곽선의 특징점간의 거리를 이용하여 약의 모양에 따른 고유한 모양신호(shape signature)를 생성하였다. 모양 신호의 일관성을 유지하기 위하여 계산된 거리의 정규화, 신호 시작위치의 일관성 유지, 추출된 약의 대칭 회전 등을 통하여 질의 영상 획득 시 영상의 기하학적 변환(회전 및 크기변환)에 강건한 시스템을 구축하였다.
- 제안된 HS 기반 방법의 유용성을 검증하기 위하여 본 연구에서는 약 영상의 모양분류에 앞서 약 영상 도메인상의 약 영상을 대상으로 RGB 컬러모델의 평균벡터, RGB 분포를 10개의 부분영역으로 나눈 후 영역별 컬러 빈(bin)의 평균벡터, HSV 컬러모델의 평균벡터 그리고 제안된 HS 성분의 평균벡터를 이용하여 약 영상 간의 색상 유사도에 따른 영상검색 결과를 비교하였다. 실험 결과 (그림 8)에서 제시된 바와 같이 제시된 각 색상 모델에 따라 질의 영상과 유사도가 높은 상위 6개의 영상을 검색한 결과 색조와 채도 값만을 이용한 검색방법이 다른 방법을 적용한 결과에 비하여 일관성 있게 시각적 유사도가 높은 색상의 약 영상을 추출한 것을 확인할 수 있었다.
- 다음 (그림 1)은 약의 모양과 색상정보를 이용하여 약 영상의 특성(feature)을 추출하는 과정을 제시하고 있다. 최종적으로 검색되는 결과는 질의 영상을 모양 정보에 따라 특정 모양 클래스로 분류한 후 해당 클래스 내의 영상만을 대상으로 색상 정보 유사도를 측정하여 제공된다.
- 한편 HS색상 모델이 영상 검색에 효과적으로 적용될 수 있음을 입증하기 위하여 기존에 사용된 색상 모델과 제안된 방법을 약 영상 검색에 적용하여 그 결과를 비교하였다. 실험 결과 (그림 10)에서 제시된 바와 같이 HS 성분만을 이용한 영상 검색 방법이 RGB 컬러 성분의 평균벡터, RGB 분포를 10개의 부분영역으로 나눈 후 영역별 컬러 빈(bin)의 평균벡터, HSV 컬러 성분의 평균벡터를 사용한 경우보다 신뢰성 있는 검색 결과를 보이는 것을 확인할 수 있었다.
- 한편 실제 영상 검색과정에서 질의 영상과 데이터베이스에 저장된 약 영상간의 모양 유사는 질의 영상의 모양 신호를 추출한 후 18개의 클래스의 대표모양 신호와의 거리 비교 (식 1)을 통해 판단한다.
대상 데이터
- 본 논문에서는 미국의 약 영상 정보 사이트인 drug.com[1]의 분석과 NLM[6]에서 구축한 약 영상정보를 제공받아 전체 약의 모양을 (그림 2)와 같이 18개의 고유 클래스로 정의하였다.
- 제안된 시스템의 종합적인 성능평가를 위하여 제공된 800개의 영상 가운데 150개의 질의영상을 선택하여 영상 검색을 수행하였다. 제공된 NML 영상은 영상의 전면(F:front face)과 후면(B:back face)영상 두 종류로 구성되어 있으며, 본 실험에서는 150개의 영상에 대하여 제공된 영상과 같은 크기의 전면 영상 150종과 과 후면 영상 150종을 합한 300개의 원 영상, 영상의 기하학적 변환을 가정하여 원 영상을 확대‧축소한 영상 300개 그리고 회전된 영상 300 등 총 900개의 테스트 케이스를 생성하여 실험하였다. 실험 결과 (그림 11)에 제시된 바와 같이 질의 영상을 원 영상으로 사용한 경우뿐 아니라 질의 영상에 기하학적 변환을 적용한 경우에도 제안된 방법이 효과적으로 영상을 검색하고 있음을 확인할 수 있었다.
- 제안된 시스템의 종합적인 성능평가를 위하여 제공된 800개의 영상 가운데 150개의 질의영상을 선택하여 영상 검색을 수행하였다. 제공된 NML 영상은 영상의 전면(F:front face)과 후면(B:back face)영상 두 종류로 구성되어 있으며, 본 실험에서는 150개의 영상에 대하여 제공된 영상과 같은 크기의 전면 영상 150종과 과 후면 영상 150종을 합한 300개의 원 영상, 영상의 기하학적 변환을 가정하여 원 영상을 확대‧축소한 영상 300개 그리고 회전된 영상 300 등 총 900개의 테스트 케이스를 생성하여 실험하였다.
데이터처리
- 22%의 검색 성공률을 보이고 있다. 제안된 방법의 우수성을 검증하기 위하여 모양 불변(shape invariant) 특성을 지닌 것으로 알려진 Hu-moment[15]를 이용하여 약 모양을 분류 후 제안된 HS 모델을 이용하여 약 영상을 검색하여 그 결과를 비교하였다. (그림 12)에 제시된 그래프와 같이 제안된 방법이 약의 전면과 후면을 이용한 검색 시 대부분의 약 모양에서 상대적으로 우수한 검색 성공률을 보이고 있음을 확인하였다.
이론/모형
- 본 연구에서는 경계선 추적방법으로는 8방향 체인 코드 알고리즘을 적용하였다. 8방향 체인코드알고리즘은 객체영역의 경계선을 방향과 길이를 미리 정한 직선 성분의 체인으로 표현하는 방법으로, 최종 경계선은 일련의 체인 코드로 부호화 하여 표현 된다.
- 영상분할은 영상의 특정 밝기 값을 지닌 부분을 전체영역으로부터 분리시키는 방법으로 본 연구에서는 객체인 약과 배경을 분리한다. 분리된 객체에 케니에지(Canny Edge) 검출 알고리즘을 적용하여 약 영상의 경계선을 추출한다. 케니에지 검출 알고리즘은 한 화소 밝기 값의 변화가 가장 큰 방향에 있는 주변 화소와 비교하여 이웃 화소들의 기울기 값 보다 클 경우 대상화소를 경계선으로 분류하는 방법으로, 경계선 검출 과정에서 흔히 발생하는 끊김 현상을 제거해 주는 특징을 지닌 알고리즘이다[16].
성능/효과
- 제안된 방법의 우수성을 검증하기 위하여 모양 불변(shape invariant) 특성을 지닌 것으로 알려진 Hu-moment[15]를 이용하여 약 모양을 분류 후 제안된 HS 모델을 이용하여 약 영상을 검색하여 그 결과를 비교하였다. (그림 12)에 제시된 그래프와 같이 제안된 방법이 약의 전면과 후면을 이용한 검색 시 대부분의 약 모양에서 상대적으로 우수한 검색 성공률을 보이고 있음을 확인하였다.
- 900개의 질의 영상을 이용한 실험 결과 영상 검색 성공률은 (표 2)와 같으며, 약 영상의 전면과 후면을 이용한 검색결과 질의 영상을 제 1순위로 검색할 경우를 성공이라고 정의할 때 각각 96.89%와 96.22%의 검색 성공률을 보이고 있다. 제안된 방법의 우수성을 검증하기 위하여 모양 불변(shape invariant) 특성을 지닌 것으로 알려진 Hu-moment[15]를 이용하여 약 모양을 분류 후 제안된 HS 모델을 이용하여 약 영상을 검색하여 그 결과를 비교하였다.
- 본 논문에서는 NML에서 구축한 약 영상 데이터베이스를 제공받아 키워드 중심의 약 영상 검색방법이 아닌 약의 시각적 특성 정보를 자동 추출하고 약을 판별 검색하는 내용기반 약 영상 검색 시스템을 설계 구현하였으며, 실험을 통해 제안된 방법이 약 영상을 효과적으로 검색할 수 있음을 입증하였다.
- 반면 인간의 시각시스템과 매우 유사한 특성을 지닌 것으로 알려진 HSV 모델은 색상 요소인 HS와 명암 요소인 V(Value)를 분리함으로서 영상획득시 조명변화의 영향을 줄일 수 있는 장점을 지니고 있으며 영상 분할 등에 효과적으로 사용될 수 있다[17]. 본 연구에서는 색상 요소인 HS 성분만을 이용하여 약 영상을 검색하는 방법을 제시하였으며, 제안된 방법이 RGB 혹은 HSV 모델의 모든 성분을 이용하여 영상검색을 하는 방법보다 효과적임을 확인할 수 있었다. 일반적으로 RGB 컬러 모델을 HSV 컬러 모델로의 변경은 [0,1]로 정규화 된 RGB값에 대하여 다음 (식 2)와 같이 정의된다.
- 한편 HS색상 모델이 영상 검색에 효과적으로 적용될 수 있음을 입증하기 위하여 기존에 사용된 색상 모델과 제안된 방법을 약 영상 검색에 적용하여 그 결과를 비교하였다. 실험 결과 (그림 10)에서 제시된 바와 같이 HS 성분만을 이용한 영상 검색 방법이 RGB 컬러 성분의 평균벡터, RGB 분포를 10개의 부분영역으로 나눈 후 영역별 컬러 빈(bin)의 평균벡터, HSV 컬러 성분의 평균벡터를 사용한 경우보다 신뢰성 있는 검색 결과를 보이는 것을 확인할 수 있었다. 실험을 통해 사용된 4가지 컬러모델 모두에서 제 1순위(rank 1)로 검출된 영상은 질의영상과 일치되는 것을 확인할 수 있었으나, 2순위에서 6순위로 검색된 결과는 HS 성분만을 이용한 검색방법이 가장 일관되게 유사한 색상을 지닌 약영상을 검색하였음을 확인할 수 있다.
- 제공된 NML 영상은 영상의 전면(F:front face)과 후면(B:back face)영상 두 종류로 구성되어 있으며, 본 실험에서는 150개의 영상에 대하여 제공된 영상과 같은 크기의 전면 영상 150종과 과 후면 영상 150종을 합한 300개의 원 영상, 영상의 기하학적 변환을 가정하여 원 영상을 확대‧축소한 영상 300개 그리고 회전된 영상 300 등 총 900개의 테스트 케이스를 생성하여 실험하였다. 실험 결과 (그림 11)에 제시된 바와 같이 질의 영상을 원 영상으로 사용한 경우뿐 아니라 질의 영상에 기하학적 변환을 적용한 경우에도 제안된 방법이 효과적으로 영상을 검색하고 있음을 확인할 수 있었다.
- 제안된 HS 기반 방법의 유용성을 검증하기 위하여 본 연구에서는 약 영상의 모양분류에 앞서 약 영상 도메인상의 약 영상을 대상으로 RGB 컬러모델의 평균벡터, RGB 분포를 10개의 부분영역으로 나눈 후 영역별 컬러 빈(bin)의 평균벡터, HSV 컬러모델의 평균벡터 그리고 제안된 HS 성분의 평균벡터를 이용하여 약 영상 간의 색상 유사도에 따른 영상검색 결과를 비교하였다. 실험 결과 (그림 8)에서 제시된 바와 같이 제시된 각 색상 모델에 따라 질의 영상과 유사도가 높은 상위 6개의 영상을 검색한 결과 색조와 채도 값만을 이용한 검색방법이 다른 방법을 적용한 결과에 비하여 일관성 있게 시각적 유사도가 높은 색상의 약 영상을 추출한 것을 확인할 수 있었다. 사용된 색상의 유사도 측정값은 데이터베이스 영상 I와 질의 영상 Q의 색상 요소간의 유클리디언 거리를 계산하여 사용하였으며 (식 3)과 같이 정의할 수 있다.
- 모양 분류를 위하여 대상 약의 경계선으로부터 추출되고 정확히 보정된 고유의 2차원 모양 신호를 사용하였으며, 모양 신호에 의해 분류된 영상으로부터 HSV 모델의 색조와 채도정보 만을 이용하여 데이터베이스 영상으로부터 질의 영상과 유사도가 높은 영상을 검색 하였다. 실험을 통해 기존에 모양분류에 주로 사용되는 Humoment를 이용한 모양분류 방법에 HS 모델을 결합한 검색방법과 제안된 방법을 비교 분석한 결과 본 논문에서 제안된 방법을 이용한 약 영상 검색방법이 더 효과적이라는 것을 입증하였다.
- 실험 결과 (그림 10)에서 제시된 바와 같이 HS 성분만을 이용한 영상 검색 방법이 RGB 컬러 성분의 평균벡터, RGB 분포를 10개의 부분영역으로 나눈 후 영역별 컬러 빈(bin)의 평균벡터, HSV 컬러 성분의 평균벡터를 사용한 경우보다 신뢰성 있는 검색 결과를 보이는 것을 확인할 수 있었다. 실험을 통해 사용된 4가지 컬러모델 모두에서 제 1순위(rank 1)로 검출된 영상은 질의영상과 일치되는 것을 확인할 수 있었으나, 2순위에서 6순위로 검색된 결과는 HS 성분만을 이용한 검색방법이 가장 일관되게 유사한 색상을 지닌 약영상을 검색하였음을 확인할 수 있다.
후속연구
- 이러한 방법은 약에 로고가 있는 특정 영상 도메인에 제한적으로 적용될 수 있으며 전반적으로 계산량을 많이 필요로 한다. 따라서 향후 개발될 약 영상 검색 시스템은 다양한 모양과 색상을 지닌 대규모의 약 영상 도메인에 보편적으로 적용될 수 있는 영상 검색 방법을 적용할 필요가 있다.
- (그림 9)에 제시된 모양 신호를 기준으로 800개의 약 영상을 분류한 결과 (표 1)과 같이 해당 클래스에 속한 영상들이 결정되었으며 Round, Oval(1)과 Oval(2)의 약 모양이 전체의 80%를 차지하고 있음을 알 수 있다. 모양 신호를 이용한 영상의 분류결과는 색상정보를 이용한 최종 영상검색에 사용될 영상의 검색 도메인을 축소시키는 효과 가 있으며 이는 향후 대용량 약 영상 검색 시스템의 개발에 유용하게 적용될 수 있다고 판단된다.
- 향후 연구로는 약 영상 특성 정보의 하나인 스코아(score)와 약의 표면에 음각으로 새겨진 정보 등을 모양과 색상 특성과 결합시켜 약 영상 검색 시스템의 기능을 확대하는 방법의 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.