최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국문헌정보학회지 = Journal of the Korean Society for Library and Information Science, v.54 no.2, 2020년, pp.419 - 434
The purpose of the study is to design and propose metadata standard for building AI training dataset of landmark images. In order to achieve the purpose, we first examined and analyzed the state of art of the types of image retrieval systems and their indexing methods, comprehensively. We then inves...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이미지 검색의 종류는 무엇에 따라 어떻게 구분되는가? | 이미지 검색의 종류는 무엇을 색인하는지에 따라 즉, 색인의 대상에 따라 의미기반(concept/ context/semantic-based) 이미지 검색, 내용 기반(content-based) 이미지 검색, 이용자기반 (user-based) 이미지 검색(추천)시스템으로 구분할 수 있다. 최근, 인공지능을 적용한 기계학습 모델의 발전은 이미지의 내용을 구성하는 이미지 특성(색, 모양 등)을 활용한 이미지 검색분야의 괄목할 만한 발전을 이끌어 왔다. | |
네이버 국어사전에선, 이미지를 무엇이라 정의하였는가? | 캠브리지 사전은 이미지(image)를 “a picture in your mind or an idea of how someone or something is”라고 정의하고 있다. 이것은 “당신 마음속의 사진 또는 어떤 사람이나 사물에 대한 생각”이라고 직역할 수 있으며, 네이버 국어사전은 “어떤 사람이나 사물로부터 받는 느낌(심상, 영상, 인상)”으로 표현하고 있다. 즉, 이미지는 눈으로 보고 마음속에 그려진 사람이나 사물에 대한 인상인 것이다. | |
캠브리지 사전에선, 이미지를 무엇이라 정의하였나? | 캠브리지 사전은 이미지(image)를 “a picture in your mind or an idea of how someone or something is”라고 정의하고 있다. 이것은 “당신 마음속의 사진 또는 어떤 사람이나 사물에 대한 생각”이라고 직역할 수 있으며, 네이버 국어사전은 “어떤 사람이나 사물로부터 받는 느낌(심상, 영상, 인상)”으로 표현하고 있다. |
National Library of Korea, Korean Bibliography, Dublin Core Homepage. [online] [cited 2020. 5. 10.]
권은영, 나연묵. 2004. 의미기반 이미지 검색을 위한 통합 이미지 메타데이타의 설계 및 구현. 한국정보과학회 학술발표논문집, 31(2): 145-147.
Kim, S., and Yi, K. 2004. "A study on the retrieval effectiveness based on image query types." Journal of the Korean Society for Library and Information Science, 47(3): 321-342.
Kim, J. 2018. "A study on the development of collaborative filtering systems and its application." Journal of Social Science Research, 29(2): 197-209.
Naver Korean Dictionary. [online] [cited 2020. 5. 10.]
Naver Cloud Platform Homepage. [online] [cited 2020. 5. 10.]
Mo, Y. and Lee, C. 2009. "A study on increasing the efficiency of image search using image attribute in the area of content-based image retrieval." Journal of the Korea Society for Simulation, 18(2): 39-48.
Park, Y., Song, K., Whang, J. and Chang, B. 2015. "A system for personalized tour recommendation based on ontology." Journal of the Korea Contents Association, 15(9): 1-10.
Byeon, J. et al. 2006. "The classification of cities based on urban images." Journal of Korea Planning Association, 41(3): 7-20.
Lee, Y. and Nang, J. 2018. "Building training image dataset and experiments with convolutional neural network for Seoul landmark recognition." Proceedings of Korea Information Science Society, 845-847.
Lee, H. et. al. 2019. "Fashion image searching website based on deep learning image classification." Journal of Practical Engineering Education, 11(2): 175-180.
Lim, Chae-Suk. 2016. "A study on the landmark for regional revitalization." Journal of the Korea Academica-Industrial Cooperation Society, 17(3): 560-570.
Chung, Kyung-Yong. 2008. "Pernalized item recommendation using image-based filtering." Journal of the Korea Contents Association, 8(3): 1-7.
Choi, M. 2017. "Complex color model for efficient representation of color-shape in contextbased image retrieval." Journal of Digital Convergence, 15(4): 267-273.
kakao Vision API Homepage. [online] [cited 2020. 5. 10.]
Hong, S. and Nah, Y. 2000. "A design and implementation of intelligent image retrieval system using hybrid image metadata." Journal of Korea Multimedia Society, 3(3): 209-223.
Carson, C., Thomas, M., Belongie, S., Hellerstein, J. M. and Malik, J. 1999. Blobworld: A system for region-based image indexing and retrieval. Technical Report: UCB/CSD-99-1041, University of California, Berleley, 1-12. [online] [cited 2020. 5. 10.]
Data et al. 2008. "Image retrieval: Ideas, influences, and trends of the new age." ACM Computing Surveys, 40(2): 1-60.
Firebase homepage [online] [cited 2020. 5. 10.]
Karlsen, R., Elahi, N. and Andersen, A. 2018. Personalized recommendation of socially relevant images. Proceedings of 8th Conference on Web Intelligence, Mining and Semantics, pp.1-4. [online] [cited 2020. 5. 10.]
Kim, Jaeyoon. 2019. Regional attention based deep feature for image retrieval. Master's Theses, KAIST.
Lew, M. S. et al. 2006. "Content-based multimedia information retrieval: State of the art and challenges." ACM Transactions on Multimedia Computing, Communications, and Applications, 2(1): 1-19.
Melo, E. V. 2018. "Improving collaborative filtering-based image recommendation through use of eye gaze tracking." Information, 9(11): 262-274.
Noh, A., Araujo, A., Sim, J., Weyand, T. and Han, B. 2017. Large-scale image retrieval with attentive deep local features. Proceedings of the IEEE International Conference on Computer Vision, 3456-3465.
Smith, J. R. and Chang, S.-F, 1997. "Visually searching the Web for Content." IEEE Multimedia Magazine, 4(3): 12-20.
Srivastava, G. and Srivastava, R. 2020. "Design, analysis and implementation of efficient framework for immage annotation." ACM Transactions on Multimedia Computing, Communications, and Applications, Accepted on February, 2020.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.