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
- 때로는 한화면만 보고도 분류가 가능하기에, 동영상으로부터 추출한영상 모달리티 벡터 집합이 주어져 있을 경우, 이 방법을 이용한 분류 정확도가 다소 높을 것으로 예상할 수 있다.본 연구에서 제안하는 학습 모델은 여러 개의 벡터들로부터 이들의 정보를 담고 있는 하나의 특징 벡터를 생성하는 것을 목적으로 하므로, 이 같은 점에서 위 실험 방법은 제안한 모델과의 동영상 분류 정확도 비교에 적합하다고 볼 수있다. 이 실험은 영상 모달리티와 음성 모달리티 각각에 대해 독립적으로 진행하였다.
- 음성은 길이가 짧다 하여도 시간에 따른 신호의 변화가 크다. 본 연구에서 제안한 알고리즘이 동영상 데이터와 같은 복잡한 신호를 가능한 한 정보를 잃지 않고 하나의 특징 벡터로 나타내는 것을 목적으로 한다는 점을 상기한다면, 음성 신호와 같이 신호의 변화가 크더라도 이와 같은 목적을 잘 달성하고 있다고 볼 수 있다.
- 본 연구에서는 간단한 신경망 구조로 순차 데이터 중 하나인 동영상 데이터의 특징을 반영하는, 한 개의 데이터를 추출할 수 있는 모델을 학습하는 방법을 제안한다. 이를 위해, 개별 이미지 벡터는 내적으로 유사도를 표현할 때 서로최대한의 정보를 갖도록 도출된 모델로써 새로이 표현된다.
- 본 연구에서는 동영상 데이터, 그 중에서도 퍼스널 미디어 데이터에 대해 이를 이루고 있는 특징 벡터 열이 주어져 있을 때, 이를 하나의 벡터로 나타낼 수 있도록 하는 신경망 구조와 이를 학습하는 방법을 제안하였다. 특징 벡터들 사이의 유사도를 내적으로 측정하여 이 차이를 줄인다는 간단한 아이디어를 통해 다른 방법들보다도 정보를 잃지 않은 채 보다 간단한 형식으로 동영상 데이터를 나타낼 수 있음을 확인하였다.
- 그러므로 동영상을 분류하는 작업에 있어서도 LSTM 신경망 구조를 사용하는 것을 고려해 볼 수 있다. 본 연구에서는 동영상에 대하여 각 모달리티를 이루는 특징 벡터 집합에 대하여LSTM 중에서도 최근에 제시되어 좋은 성능을 보이고 있는GRU unit을 사용한 LSTM 신경망 구조를 학습하여 동영상분류 실험을 진행하였다. 이 신경망에 대해 설정할 수 있는 값 중에서는 은닉 계층이 갖고 있는 뉴런의 수가 있는데, 이는 입력 벡터의 차원과 동일하게 설정하여 실험을 진행하였다.
- 본 연구에서는 위와 같은 역할을 하는 함수를 sigmoid활성함수를 가진 하나의 층을 가진 신경망으로 근사하고자 한다. 신경망이 나타내고 있는 함수를 f라 했을 때, 이 함수는 신경망의 성질로 인해 미분 가능하다.
- 유사도 표현을 이용한 동영상 분류 시스템에 사용할 학습알고리즘은 바로 이와 같은 점에 착안하여 고안되었다. 본연구는 내적으로 벡터들 사이의 유사도를 측도하였을 때, 동영상 데이터를 이루고 있는 각각의 벡터들이 다른 벡터들의 정보를 최대한 가질 수 있도록 만드는 모델(함수)을 찾는 것을 목적으로 한다. 즉, 동영상 데이터의 각 벡터들을 앞서 설명한 성질을 갖는 벡터가 되도록 변환하는 연속함수 f를 근사하고자 한다.
- 본 연구에서 제안하는 학습 모델은 여러 개의 벡터들로부터 이들의 정보를 담고 있는 하나의 특징 벡터를 생성하는 것을 목적으로 하므로, 이 같은 점에서 위 실험 방법은 제안한 모델과의 동영상 분류 정확도 비교에 적합하다고 볼 수있다. 이 실험은 영상 모달리티와 음성 모달리티 각각에 대해 독립적으로 진행하였다.
- 이런 모델들은 공통적으로 데이터로부터 좋은 표현, 즉, ‘데이터의 특징을 갖고 있는, 보다 간단한 형식의 데이터’를 추출하는 데에 그 목적이 있다.
- 본연구는 내적으로 벡터들 사이의 유사도를 측도하였을 때, 동영상 데이터를 이루고 있는 각각의 벡터들이 다른 벡터들의 정보를 최대한 가질 수 있도록 만드는 모델(함수)을 찾는 것을 목적으로 한다. 즉, 동영상 데이터의 각 벡터들을 앞서 설명한 성질을 갖는 벡터가 되도록 변환하는 연속함수 f를 근사하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.