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
- 따라서 이미지 감성컴퓨팅을 통해 객관적인 감성인식을 측정하고, 숫자의 정량화 방식 시스템이 필요한 상황이다. 본 논문에서는 이미지를 보고 느끼는 감성인식을 디지털 형식으로 숫자화하고, 감성계산식에 적용하고자 한다. 감성컴퓨팅 계산방식은 James A.
- 감성컴퓨팅의 대표감성크기와 사람의 감성인식을 숫자로 비율로 비교하여, 주요대표감성의 유사성을 검증한다. 그리하여 감성컴퓨팅 계산 방식과 사람이 느끼는 이미지 감성인식의 유사성에 따라 감성계산식의 평가기준을 제시한다. 향후에 감성컴퓨팅의 음향, 파장 등의 요소와 연결하여 사람의 감성인식과 더 유사할 수 있도록 연구하고, 감성계산식의 가중치연구가 병행되어야 할 것이다.
- 물체를 통해 컴퓨터가 인식하고 반응할 수 있다2). 생리적 변화의 측정 방법으로 내적 심리 상태를 추측하는 연구이다. 현재의 정서 상황의 흐름에 따라 생리적 변화의 차이가 있음을 가정으로 실험하였다.
- 넷째, 자동화 감성인식 시스템은 제한적인 감성인식평가 방식이다. 본 연구에서는 이런 문제점을 해결하고 보다 객관적화 된 감성컴퓨팅 인식 시스템의 필요성을 절감하고, 다음과 같이 내용을 반영하고자 한다. 첫째, 감성컴퓨팅 시스템을 통해 보다 다양한 감성인식의 표현으로 개선한다.
- 둘째, 감성인식의 상관관계에서 불명확하다. 본 연구의 목적으로 이런 문제점을 해결하고 보다 객관적화 된 감성컴퓨팅 인식 시스템의 필요성을 절감한다. 그러기 위해 다음과 같이 내용을 반영하고자 한다.
가설 설정
- 생리적 변화의 측정 방법으로 내적 심리 상태를 추측하는 연구이다. 현재의 정서 상황의 흐름에 따라 생리적 변화의 차이가 있음을 가정으로 실험하였다. 이것은 피부전기반응(Galvanic Skin Response, GSR), 자기공명영상(Magnetic Resonanace Image, MRI), 뇌파(Electro encepha-Logram, EEG), 근전도(Electromyogram, EMG), 혈압의 변화 등 생리적 지표에 적합한 감정을 추론한다.
- 첫째, 감성인식의 숫자화 표현에서 비객관적이고, 정확성이 부족하다. 둘째, 감성인식의 상관관계에서 불명확하다. 본 연구의 목적으로 이런 문제점을 해결하고 보다 객관적화 된 감성컴퓨팅 인식 시스템의 필요성을 절감한다.
제안 방법
- Russell의 핵심 효과(Core Affect)를 적용하고, 쾌정도(X축)는 쾌와 불쾌, 긴장도(Y축)는 긴장과 이완의 감성축을 활용한다. 감성축 사이에 연관된 대표감성으로 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 감성이고, 16개로 구분하여 평가한다. 그리고 감성컴퓨팅 계산식 구조는 감성인식의 핵심인 색채 요소를 활용하고, 속성요소는 색상, 명도, 채도를 활용한다.
- 감성점수는 쾌정도(X축)와 긴장도(Y축)의 감성좌표에서 감성점으로 위치한다. 감성컴퓨팅의 사람의 감성과 유사성 검증을 위해 감성점을 기준으로 대표감성크기를 구분하고, 상위 5위의 주요대표감성을 선별한다. 그리고 감성컴퓨팅의 신뢰성 있는 실험검증을 위해 사람이 느끼는 이미지 감성을 16개 대표 감성점수로 설문하고, 감성컴퓨팅의 대표감성크기와 비교하고 검증한다.
- 감성컴퓨팅의 사람의 감성과 유사성 검증을 위해 감성점을 기준으로 대표감성크기를 구분하고, 상위 5위의 주요대표감성을 선별한다. 그리고 감성컴퓨팅의 신뢰성 있는 실험검증을 위해 사람이 느끼는 이미지 감성을 16개 대표 감성점수로 설문하고, 감성컴퓨팅의 대표감성크기와 비교하고 검증한다. 감성컴퓨팅의 대표감성크기와 사람의 감성인식을 숫자로 비율로 비교하여, 주요대표감성의 유사성을 검증한다.
- 그리고 감성컴퓨팅의 신뢰성 있는 실험검증을 위해 사람이 느끼는 이미지 감성을 16개 대표 감성점수로 설문하고, 감성컴퓨팅의 대표감성크기와 비교하고 검증한다. 감성컴퓨팅의 대표감성크기와 사람의 감성인식을 숫자로 비율로 비교하여, 주요대표감성의 유사성을 검증한다. 그리하여 감성컴퓨팅 계산 방식과 사람이 느끼는 이미지 감성인식의 유사성에 따라 감성계산식의 평가기준을 제시한다.
- 예를 들어, 얼굴 표정, 자세와 동작, 체온 등의 데이터 통합을 통해 감성으로 분석할 수 있다. 감성 정보 데이터를 패턴 형식으로 자연어, 음성, 얼굴 표정의 감지 등을 기계적으로 추출한다. 음성 감성인식은 음성의 특성에 따라 신경계통의 변화를 감지하는 시스템이다.
- 감성인식의 예술적인 면에서 영상의 미적분야(Aesthetic Quality)를 예측하는 시스템을 개발하였다.6) 영상 이미지에서 주요 특징들 중 색상, 질감, 형태 등으로 미적인 영향력을 줄 수 있고, 15가지의 시각적인 특징들로 구분하였고, SVM 기반의 분류기를 개발하였다.
- 이것은 영상 이미지의 미적측면에서 예측할 수 있는 사진 이미지, 영화, 상품, 웹 디자인 등에서 적용한다.7) 텍스타일 영상 실험으로 Soen은 주파수성분과명도인 밝기 및 색조 정보를 적용하고, 13가지 감성 ((Dynamic -Static), (Beautiful - Ugly), (Like - Dislike), (Warm -Cold), (Natural - Unnatural), (Cheerful - Dismal), (Light -Dark), (Hard - Soft), (Gay - Sober), (Unstable - Stable),(Heavy-Light), (Strong - Weak), (Gaudy - Plain))의 자동화 시스템을 개발하였다.8) 본 연구에서는 다양한 감성컴퓨팅의 구성을 감성의 핵심 효과(Core Affect)인 감성구조에 따라 쾌-불쾌, 긴장-이완의 감성축인 두 가지 감성축을 통합한 16가지의 대표감성으로 분류하여 적용한다.
- 7) 텍스타일 영상 실험으로 Soen은 주파수성분과명도인 밝기 및 색조 정보를 적용하고, 13가지 감성 ((Dynamic -Static), (Beautiful - Ugly), (Like - Dislike), (Warm -Cold), (Natural - Unnatural), (Cheerful - Dismal), (Light -Dark), (Hard - Soft), (Gay - Sober), (Unstable - Stable),(Heavy-Light), (Strong - Weak), (Gaudy - Plain))의 자동화 시스템을 개발하였다.8) 본 연구에서는 다양한 감성컴퓨팅의 구성을 감성의 핵심 효과(Core Affect)인 감성구조에 따라 쾌-불쾌, 긴장-이완의 감성축인 두 가지 감성축을 통합한 16가지의 대표감성으로 분류하여 적용한다.
- 13) 본 논문에서는 감성의 주요인자인색채의 감성연구로 RGB 형식의 0∼255 범위 단위로 256색 표현방식을 실험에 반영한다.
- 9) 세부적인 주요 대표감성은 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 16가지 감성으로 실험하고, 감성좌표로 활용한다. 그리고 이미지 감성시스템 면에서 색상과 음악의 감성관계를 결합하는 Kayanobe를 구축하였다.10) 정서기반의 이미지검색에 감성평가 시스템 방식을 적용했고, 이미지의 감성 분석에서 데이터 값으로 색상과 명도의 숫자 값을 구성인자로 적용하였다.
- 첫째, 감성컴퓨팅 시스템을 통해 보다 다양한 감성인식의 표현으로 개선한다. 둘째, 이미지 색채 감성인식을 색상, 명도, 채도 속성의 감성을 정확한 숫자 방식으로 제어하고자 한다. 셋째, 이미지 감성인식의 자동화 시스템을 반영하고, 그러기 위한 객관적 계산화한 숫자방식의 감성컴퓨팅을 제안한다.
- 둘째, 이미지 색채 감성인식을 색상, 명도, 채도 속성의 감성을 정확한 숫자 방식으로 제어하고자 한다. 셋째, 이미지 감성인식의 자동화 시스템을 반영하고, 그러기 위한 객관적 계산화한 숫자방식의 감성컴퓨팅을 제안한다.
- 둘째, 이미지 색채 감성인식을 색상, 명도, 채도 속성의 감성을 정확한 숫자 방식으로 제어하고자 한다. 셋째, 이미지 감성인식의 자동화 시스템을 반영하고, 그러기 위한 객관적 계산화한 숫자방식의 감성컴퓨팅을 제안한다.
- 이미지 감성컴퓨팅 시스템의 감성계산과 사람의 감성인식의 유사성을 검증한다. 감성컴퓨팅 계산식을 통해 대표감성크기를 숫자화하고, 대표감성크기 비율에 따라 상위 5위의 주요대표감성으로 선별한다.
- 감성컴퓨팅 계산식을 통해 대표감성크기를 숫자화하고, 대표감성크기 비율에 따라 상위 5위의 주요대표감성으로 선별한다. 감성어휘 시스템의 미도 순위와 30명의 설문 참가자 평가순위와의 일치여부를 순위상관계수에 따라 실험 평가와 설문 평가결과를 비교한다.14)
- 이미지 감성컴퓨팅 계산 실험의 결과와 사람의 감성인식 결과의 유사성 검증이 실험목표이다. 일치하는 대표감성수로 감성컴퓨팅 실험의 유사성 및 새로운 평가 기준을 제안한다.
- 감성컴퓨팅 유사성 검증과정의 1차 단계는 감성컴퓨팅 계산식알고리즘을 적용하여 대표감성크기를 숫자로 표현한다. 실험 방법은 색채 속성인 색상, 명도, 채도 속성 값을 도출한다. 감성속성의 값에 가중치 비중을 적용한 감성컴퓨팅 계산식을 적용한다.
- 그리하여 감성컴퓨팅과 사람의 감성인식을 비교하고, 기준방식은 상위 5위의 주요대표감성을 선별한다. 일치하는 대표감성의 개수에 따라 감성컴퓨팅과 사람이 느끼는 감성인식의 유사성을 검증한다.
- 이미지 감성인식의 표현 방식을 숫자화 된 감성컴퓨팅 계산을 통해 반영한다. 이미지 감성점수를 쾌정도(X), 긴장도(Y)로 감성좌표에 위치한다.
- 감성원은감성좌표의 가장자리까지 확대한 크기로 지정한다. 감성원 영역안에 포함된 대표감성크기를 전체에 대한 비율로 계산하고, 주요대표감성크기를 숫자 형식으로 비교한다.
- <그림 3>은 이미지에 대한 대표감성을 표현하는 방식이다. 감성좌표에서 감성점을 바탕으로 확대하고, 감성원에 구분된 대표감성크기의 비율을 숫자로 평가한다. 예를 들어, 쾌정도(X축)는43점이고, 긴장도(Y축)는 31점인 경우 교차하는 감성점의 위치는 집중된 대표감성이 된다.
- 예를 들어, 쾌정도(X축)는43점이고, 긴장도(Y축)는 31점인 경우 교차하는 감성점의 위치는 집중된 대표감성이 된다. 그리고 대표감성크기와 강도를 숫자비율 방식으로 분석한다. 9개 이미지의 감성컴퓨팅 감성계산 과정으로 주요 대표감성크기를 비교한다.
- 그리고 대표감성크기와 강도를 숫자비율 방식으로 분석한다. 9개 이미지의 감성컴퓨팅 감성계산 과정으로 주요 대표감성크기를 비교한다. 또한 쾌정도(X축)과 긴장도(Y축)의 감성점 위치의 대표감성과 연관된 대표감성크기를 분석한다.
- 9개 이미지의 감성컴퓨팅 감성계산 과정으로 주요 대표감성크기를 비교한다. 또한 쾌정도(X축)과 긴장도(Y축)의 감성점 위치의 대표감성과 연관된 대표감성크기를 분석한다. 대표감성크기의 강약을 통해 상위 5위를 선별하고, 대표감성크기비율을 계산한다.
- 또한 쾌정도(X축)과 긴장도(Y축)의 감성점 위치의 대표감성과 연관된 대표감성크기를 분석한다. 대표감성크기의 강약을 통해 상위 5위를 선별하고, 대표감성크기비율을 계산한다.
- 감성컴퓨팅 유사성 검증은 이미지 9개의 이미지 감성좌표에서 쾌정도(X축)와 긴장도(Y축)의 대표감성분포의 크기를 비교한다. 쾌정도(X)축과 긴장도(Y축)의 감성점과 감성원에 포함된 16개 대표감성크기를 숫자로 비교한다.
- 감성컴퓨팅 유사성 검증은 이미지 9개의 이미지 감성좌표에서 쾌정도(X축)와 긴장도(Y축)의 대표감성분포의 크기를 비교한다. 쾌정도(X)축과 긴장도(Y축)의 감성점과 감성원에 포함된 16개 대표감성크기를 숫자로 비교한다. <표 1>은 감성컴퓨팅에 따른 대표감성 크기 분포이고, 16개 대표감성으로 분류한다.
- 감성컴퓨팅 계산과 사람의 감성인식의 상위 5위의 대표감성크기를 비율로 분석하고, 집중된 대표감성 성향을 비교하여 유사성을 구분한다. 대표감성크기의 순위 계산은 전체비율에 대한 각각의 대표감성비율을 숫자로 구분한다.
- 5개의 대표감성이 일치했다. 이미지의 감성인식을 숫자화하고, 감성컴퓨팅으로 표현했다. 향후 좀 더 높은 일치율이 되도록 감성속성 변화와 감성계산식의 가중치 연구가 병행되어야 할 것이다.
- Russell의 핵심 효과(Core Affect)를 적용하고, 기본 축은 쾌정도(X축)는 쾌와 불쾌이고, 긴장도(Y축)는 긴장과 이완의 감성축을 활용했다. 감성축 사이에 연관된 대표감성은 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 감성의 16개로 구분하여 평가했다. 또한 이미지 감성컴퓨팅 계산식은 주요 감성인식인 색채 요소를 활용하고, 색상, 명도, 채도를 포함하여 적용했다.
- 감성축 사이에 연관된 대표감성은 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 감성의 16개로 구분하여 평가했다. 또한 이미지 감성컴퓨팅 계산식은 주요 감성인식인 색채 요소를 활용하고, 색상, 명도, 채도를 포함하여 적용했다. 거기에 감성속성요소의 중요도인 가중치 비율을 적용하고, 쾌정도(X축)와 긴장도(Y축)의 감성점수로 반영했다.
- 또한 이미지 감성컴퓨팅 계산식은 주요 감성인식인 색채 요소를 활용하고, 색상, 명도, 채도를 포함하여 적용했다. 거기에 감성속성요소의 중요도인 가중치 비율을 적용하고, 쾌정도(X축)와 긴장도(Y축)의 감성점수로 반영했다. 그리고 감성점수는 쾌정도(X축)와 긴장도(Y축)가 교차하는 감성점으로 구성했다.
- 그리고 감성점수는 쾌정도(X축)와 긴장도(Y축)가 교차하는 감성점으로 구성했다. 감성점을 바탕으로 감성원에 포함된 대표감성크기를 분류하고, 상위 5위의 집중된 대표감성을 선별했다. 사람의 감성인식과 감성컴퓨팅의 유사성을 측정하는 실험검증을 위해 사람의 이미지 감성을 16개 대표감성점수로 설문 측정했고, 상위 5위의 집중된 대표감성을 구분했다.
- 감성점을 바탕으로 감성원에 포함된 대표감성크기를 분류하고, 상위 5위의 집중된 대표감성을 선별했다. 사람의 감성인식과 감성컴퓨팅의 유사성을 측정하는 실험검증을 위해 사람의 이미지 감성을 16개 대표감성점수로 설문 측정했고, 상위 5위의 집중된 대표감성을 구분했다. 최종적으로 감성컴퓨팅의 주요대표감성과 사람 감성인식의 주요대표감성의 비교를 통해 일치하는 개수에 따라 유사성을 검증했다.
- 사람의 감성인식과 감성컴퓨팅의 유사성을 측정하는 실험검증을 위해 사람의 이미지 감성을 16개 대표감성점수로 설문 측정했고, 상위 5위의 집중된 대표감성을 구분했다. 최종적으로 감성컴퓨팅의 주요대표감성과 사람 감성인식의 주요대표감성의 비교를 통해 일치하는 개수에 따라 유사성을 검증했다. 결론적으로 대표감성의 평균 일치율은 51%이고, 2.
- 본 연구를 통해 감성컴퓨팅 계산 방식과 사람이 이미지를 보고 느끼는 감성인식의 유사 정도를 측정했고, 감성계산식의 신뢰도 및 평가기준을 제시했다. 이미지의 감성인식을 숫자화 하는 감성컴퓨팅 방식으로 표현했다. 향후 좀 더 높은 일치율의 향상이 될 수 있도록 감성속성 변화와 감성계산식의 가중치를 다각적으로 연구해야 할 것이다.
- 쾌 감성식의 구조(Emotional Pleasure :EP)는 쾌한 감성이고, CP는 색상속성에 25%은 색상의 가중치를 적용했다. BPP는 명도속성이고, 46%은 명도의 가중치를 적용했다.
대상 데이터
- 6) 영상 이미지에서 주요 특징들 중 색상, 질감, 형태 등으로 미적인 영향력을 줄 수 있고, 15가지의 시각적인 특징들로 구분하였고, SVM 기반의 분류기를 개발하였다. 영상 실험은 총 3,581장의 사진영상 이미지를 대상으로 70.12%의 정확도를 보였다. 이것은 영상 이미지의 미적측면에서 예측할 수 있는 사진 이미지, 영화, 상품, 웹 디자인 등에서 적용한다.
- 2차 단계는 이미지를 보고 느끼는 감성을 16개 대표감성을 통해 점수화한다. 실험 설문 대상자의 연령은 20대, 학부 대학생 63명(남자(33명), 여자(30명))에게 대표감성을 0 ~ 100점 범위의 점수방식으로 설문한다. 실험 대상 이미지는 무작위 9개, JPG 파일 형식, 크기는 가로 650 * 세로 500pixel 이다.
- 실험 설문 대상자의 연령은 20대, 학부 대학생 63명(남자(33명), 여자(30명))에게 대표감성을 0 ~ 100점 범위의 점수방식으로 설문한다. 실험 대상 이미지는 무작위 9개, JPG 파일 형식, 크기는 가로 650 * 세로 500pixel 이다. 실험 평가 방식은 이미지의 감성인식을 슬라이드 상태에서 3초 동안 감상하고, 직관적 감성을 16개의 대표감성의 점수로 반영한다.
- 실험 대상 이미지는 무작위 9개, JPG 파일 형식, 크기는 가로 650 * 세로 500pixel 이다. 실험 평가 방식은 이미지의 감성인식을 슬라이드 상태에서 3초 동안 감상하고, 직관적 감성을 16개의 대표감성의 점수로 반영한다. 두 가지 실험을 비교할 때, 1차 단계는 감성컴퓨팅 대표감성크기점수와 2차 단계는 사람의 감성인식 점수로 구분한다.
이론/모형
- 본 논문에서는 이미지를 보고 느끼는 감성인식을 디지털 형식으로 숫자화하고, 감성계산식에 적용하고자 한다. 감성컴퓨팅 계산방식은 James A. Russell의 핵심 효과(Core Affect)를 적용하고, 쾌정도(X축)는 쾌와 불쾌, 긴장도(Y축)는 긴장과 이완의 감성축을 활용한다. 감성축 사이에 연관된 대표감성으로 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 감성이고, 16개로 구분하여 평가한다.
- 실험 방법은 색채 속성인 색상, 명도, 채도 속성 값을 도출한다. 감성속성의 값에 가중치 비중을 적용한 감성컴퓨팅 계산식을 적용한다. 쾌정도(X축), 긴장도(Y축)의 감성점을 바탕으로 구분된 대표감성크기를 숫자로 표현한다.
- 이미지 감성컴퓨팅 시스템의 특징은 이미지 감성인식을 디지털형식으로 숫자화 하는 계산 방식이다. 감성컴퓨팅 계산방식의 연구배경은 James A. Russell의 핵심 효과(Core Affect)를 적용하고, 기본 축은 쾌정도(X축)는 쾌와 불쾌이고, 긴장도(Y축)는 긴장과 이완의 감성축을 활용했다. 감성축 사이에 연관된 대표감성은 아주 기쁜, 흥분, 의기양양, 행복한, 자족, 고요한, 여유로운, 조용한, 피곤한, 무기력한, 우울한, 슬픈, 화가 난, 스트레스, 불안, 긴장된 감성의 16개로 구분하여 평가했다.
성능/효과
- 공통적인 문제점은 감성변화의 규칙성을 발견하는 것이 불가능하다. 기존 감성컴퓨팅 시스템의 문제점을 요약하면 첫째, 감성인식 자동화 시스템은 감성과의 상관관계에 있어서 구현이 어렵고, 감성자동처리시스템의 정상적인 실행이 불가능하다. 둘째, 감성인식 시스템의 정확성 결여로 객관적인 감성평가모형의 실행에 어려움이 있다.
- 셋째, 영상 이미지 검색의 표현 방식에 있어서 다양한 감성표현의 어려움이 많다. 넷째, 자동화 감성인식 시스템은 제한적인 감성인식평가 방식이다. 본 연구에서는 이런 문제점을 해결하고 보다 객관적화 된 감성컴퓨팅 인식 시스템의 필요성을 절감하고, 다음과 같이 내용을 반영하고자 한다.
- 쾌정도(X축)와 긴장도(Y축)의 점수로 구분하고, 9개 이미지의 대표감성크기를 감성점으로 표현한다. 16개의 대표감성은 아주 기쁜, 의기양양, 무기력한, 조용한, 우울한, 피곤한, 흥분 등의 감성이다. 감성점의 위치에 따라 대표감성크기를 전체에 대한 비율로 비교한다.
- 감성축 면에서 쾌, 불쾌, 이완축의 대표감성이 집중되어 있다. 2번 이미지는 흥분 41.74%, 아주 기쁜 35.49%, 의기양양17.11%, 긴장 5.67%이다. 그리하여 쾌와 긴장축의 대표감성으로 집중한다.
- 그리하여 쾌와 긴장축의 대표감성으로 집중한다. 8번 이미지는 무기력한 19.79%, 피곤한 18%, 우울한17.03%, 조용한 13%, 슬픈 11.54%이다. 이완, 쾌, 불쾌 감성축의 대표감성이다.
- 3번, 4번 이미지는 의기양양 감성 1개이므로 20%가 일치한다. 6번 이미지의 대표감성은 아주 기쁜, 흥분, 의기양양 3개이고, 일치율 60%이다. 9번 이미지는 피곤한, 조용한, 무기력한, 우울한 4개이므로 80% 일치한다.
- 9번 이미지는 피곤한, 조용한, 무기력한, 우울한 4개이므로 80% 일치한다. 일치하는 대표감성 개수로 감성컴퓨팅 실험의 유사성을 검증했다. 대표감성 일치율의 평균 비율은 51%이고, 2.
- 그렇지만 기존의 감성컴퓨팅 연구는 규칙성을 발견하기가 어려운 현실로 실행에 많은 문제점을 갖고 있다. 첫째, 감성인식의 숫자화 표현에서 비객관적이고, 정확성이 부족하다. 둘째, 감성인식의 상관관계에서 불명확하다.
- 최종적으로 감성컴퓨팅의 주요대표감성과 사람 감성인식의 주요대표감성의 비교를 통해 일치하는 개수에 따라 유사성을 검증했다. 결론적으로 대표감성의 평균 일치율은 51%이고, 2.5개 대표감성이 일치했다. 본 연구를 통해 감성컴퓨팅 계산 방식과 사람이 이미지를 보고 느끼는 감성인식의 유사 정도를 측정했고, 감성계산식의 신뢰도 및 평가기준을 제시했다.
- 5개 대표감성이 일치했다. 본 연구를 통해 감성컴퓨팅 계산 방식과 사람이 이미지를 보고 느끼는 감성인식의 유사 정도를 측정했고, 감성계산식의 신뢰도 및 평가기준을 제시했다. 이미지의 감성인식을 숫자화 하는 감성컴퓨팅 방식으로 표현했다.
- 6) 영상 이미지에서 주요 특징들 중 색상, 질감, 형태 등으로 미적인 영향력을 줄 수 있고, 15가지의 시각적인 특징들로 구분하였고, SVM 기반의 분류기를 개발하였다. 영상 실험은 총 3,581장의 사진영상 이미지를 대상으로 70.
후속연구
- 그리하여 감성컴퓨팅 계산 방식과 사람이 느끼는 이미지 감성인식의 유사성에 따라 감성계산식의 평가기준을 제시한다. 향후에 감성컴퓨팅의 음향, 파장 등의 요소와 연결하여 사람의 감성인식과 더 유사할 수 있도록 연구하고, 감성계산식의 가중치연구가 병행되어야 할 것이다. 본 연구는 감성컴퓨팅 활용이 필요한 산업분야의 곳곳에 활용할 수 있는 연구 지표가 될 것이다.
- 향후에 감성컴퓨팅의 음향, 파장 등의 요소와 연결하여 사람의 감성인식과 더 유사할 수 있도록 연구하고, 감성계산식의 가중치연구가 병행되어야 할 것이다. 본 연구는 감성컴퓨팅 활용이 필요한 산업분야의 곳곳에 활용할 수 있는 연구 지표가 될 것이다.
- 이미지의 감성인식을 숫자화하고, 감성컴퓨팅으로 표현했다. 향후 좀 더 높은 일치율이 되도록 감성속성 변화와 감성계산식의 가중치 연구가 병행되어야 할 것이다.
- 이미지의 감성인식을 숫자화 하는 감성컴퓨팅 방식으로 표현했다. 향후 좀 더 높은 일치율의 향상이 될 수 있도록 감성속성 변화와 감성계산식의 가중치를 다각적으로 연구해야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.