최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.7 no.1, 2018년, pp.1 - 8
이호석 (서강대학교 컴퓨터공학과) , 양지훈 (서강대학교 컴퓨터공학과)
It is not easy to learn simple expressions of moving picture data since it contains noise and a lot of information in addition to time-based information. In this study, we propose a similarity representation method and a deep learning method between sequential data which can express such video data ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
동영상 데이터는 무엇이며, 크기는 그림데이터와 비교했을 때 어떠한가? | 하지만 동영상 데이터를 대상으로 한다면 이 같은 모델을 찾는 일은 그림에 대한 모델을 찾는 일에 비해 간단하지 않다. 동영상 데이터는 여러 장의 그림 데이터와 연속적으로 이루어진 음성 데이터가 조합된 데이터로, 이 데이터가 가지고 있는 정보량은 보통 그림 데이터보다 크다. 또한, 이 데이터는 시계에 따라 변하는 시계열 데이터로도 볼 수 있고, 따라서 이런 특성까지 고려하여 데이터가 가진 정보를 최대한 보존하면서 간단하게 표현할 수 있는 모델을 찾는 것은 쉽지 않다. | |
표현학습이란? | 이런 모델들은 공통적으로 데이터로부터 좋은 표현, 즉, ‘데이터의 특징을 갖고 있는, 보다 간단한 형식의 데이터’를 추출하는 데에 그 목적이 있다. 이와 같이 데이터의 정보를 잃지 않고 간단하게 표현하는 방법들을 연구하는 기계학습의 한 분야를 표현학습(Representation Learning)[1]이라 한다. | |
순차 데이터간의 유사도 표현 방법과 딥러닝 학습방법은 무엇인가? | 본 연구에서는 이와 같은 동영상 데이터를 추상적이면서 보다 간단하게 표현할 수 있는 순차 데이터간의 유사도 표현 방법과 딥러닝 학습방법을 제안한다. 이는 동영상을 구성하는 이미지 데이터 벡터들 사이의 유사도를 내적으로 표현할 때 그것들이 서로 최대한의 정보를 가질 수 있도록 하는 함수를 구하고 학습하는 것이다. 실제 데이터를 통하여 제안된 방법이 기존의 동영상 분류 방법들보다도 뛰어난 분류 성능을 보임을 확인하였다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.