최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털융복합연구 = Journal of digital convergence, v.17 no.10, 2019년, pp.265 - 271
천미현 (대구대학교 정보통신공학과) , 이동화 (대구대학교 정보통신공학부)
The number of galleries across the country is increasing as interest in cultural life increases due to the increase in national income. However, museum satisfaction is relatively low compared to other services. In this paper, we propose a service that provides preference information based on machine...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
머신러닝을 이용하여 객체를 검출하는 방법의 단점은 무엇인가? | 특정 객체를 검출하는 방식으로 가장 많이 쓰이는 방법은 머신러닝을 이용하는 방법과 특징점을 이용하여 매칭하는 방법이다[6]. 머신러닝을 이용하여 객체를 검출할 경우 특징점을 이용하여 객체를 검출하는 방법보다 정확도가 높다는 장점이 있으나 검출 하고자 하는 객체들의 데이터를 미리 학습시켜야 한다는 단점이 있다. 미술관과 같은 환경에는 전시되는 전시물이 계속해서 바뀐다는 점이 있어 머신러닝을 이용하게 되면 바뀌는 전시물에 따라 매번 학습시켜야함으로 이를 적용시키 기에는 한계가 있다. | |
미술관 관람 횟수가 증가하고 있는 배경은 무엇인가? | 국민 소득의 증가로 인한 생활수준의 향상이 여가 시간의 증가로 이어지면서 문화생활에 대한 관심도가 크게 증가하고 있다[1]. 이에 따라 전국 미술관 수는 2016년 219개에서 2017년에는 229개로 늘어났으며, 미술관 관람 횟수도 함께 증가하고 있다[2]. | |
SIFT 알고리즘이란 무엇인가? | SIFT 알고리즘은 기존의 해리스 코너 검출기의 단점인 영상의 스케일 변화에 민감한 변화를 해결하고자 나온 기법이며, 가우시안 필터링 스케일 공간에서 코너성의 차이가 극대화되는 점을 찾는 방식이다[11]. 가우시안 필터링을 사용하여 잡음에 강하고 스케일 변화에 강인하다는 특징이 있다. |
G. S. Kim & Y. J. Ahn. (2005). Articles : The relationships of cultural tourism attraction attributes, resources interpretation and tourist satisfaction. International Journal of Tourism Management and Sciences, 19(1), 247-272.
S. J. Park, I. S. Jeon & S. L. Moon. (2018). The effect of museum docent program typology on the art appreciation. Journal of Korea Culture Industry, 18(2), 13-21. DOI : 10.35174/JKCI.2018.06.18.2.13
Ministry of Culture, Sports and Tourism. (2016). 2016 The Survey of Cultural Enjoyment. Seoul.
G. H. Byun, H. J. Lee & S. K. Kang. (2014). Service quality recognition and satisfaction of art museum visitors: the case of Gwangju museum of art. Review of Culture & Economy, 17(2), 137-159.
Y. P. Jung & C. S. Yum. (2013). customer relationship management of the internet shopping mall using customer segmentation. Journal of Korean Institute of Information Technology, 11(12), 159-167. DOI : 10.14801/KIITR.2013.11.12.159
D. Lowe. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2), 91-110. DOI : 10.1023/B:VISI.0000029664.99615.94
H. Bay, A. Ess, T. Tuytelaars & L. Van Gool. (2008). Speeded up robust features (SURF). Computer Vision and Image Understanding, 110(3), 346-359. DOI : 10.1016/J.CVIU.2007.09.014
M. Kang, W. Choo & S. Moon. (2011). Face recognition based on SURF Interest point extraction algorithm. Journal of the Institute of Electronics Engineers of Korea CI, 48(3), 46-53.
S. G. Lee, J. L. Park, Y. J. Kim & S. H. Choi. (2015). Implementation Of Object Recognition System In Real Time Using SURF and BRISK Algorithm. Information and Control Symposium. (pp. 170-171). Seoul : KIEE.
N. van Noord, E. Hendriks & E. Postma. (2015. July). Toward Discovery of the Artist's Style: Learning to recognize artists by their artworks. IEEE Signal Processing Magazine, 32, 46-54. DOI : 10.1109/MSP.2015.2406955
F. N. landola, S. Han, M. W. Moskewicz, K. Ashraf, W. J. Dally & K. Keutzer. (2016). SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size. arXiv preprint arXiv:1602.07360.
*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.