[논문]주성분 분석기반 인간과 개의 얼굴 비율 연구

이영숙; 기대욱

doi:10.9717/kmms.2020.23.10.1339

[국내논문] 주성분 분석기반 인간과 개의 얼굴 비율 연구
A Study on the Ratio of Human and Dog Facial Components based on Principal Component Analysis 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.23 no.10, 2020년, pp.1339 - 1347

이영숙 (Institute of Image and Cultural Contents, Dongguk University) , 기대욱 (Research Institute, THiRA-UTECH Co., Ltd.)

Abstract ▼ AI-Helper

This study is a preliminary study to design a character automation system that considers the facial characteristics of mammals. The experimental data of this study was conducted on dogs (dog breeds) and humans, which were designed to be used in many contents. First, data was extracted from 100 types of dogs and 100 human data. Second, the criteria for measuring the ratio of important parts of the dog and human face were suggested. In addition, a comparative analysis of the face of a dog and a human face is conducted. Lastly, by analyzing the main component(PCA), the most characteristic elements in the faces of dogs and humans were analyzed. As a result, it was confirmed that the length of the face, the size of the eyes, the length of the glabellar, and the length of the glabellar and other parts are important. Through this study, the features of the dog's face that are different from humans are expected to contribute to the animal character automation.

Keyword

표/그림 (13)

그림 Fig. 1. THiRA-Analytics, Machine Learning Program for Data analysis [7].
표 Table 1. FCI breeds Nomenclature[6]
그림 Fig. 2. Dog Face Image Used in the Experiment. (a) Affenpinscher (b) Afghan hound ©Airedale Terrier (d) Akita.
표 Table 2. Table of Length Elements
표 Table 3. Table of Length Elements
그림 Fig. 3. Sample of 15 Points for Calculating Elements for Rate of the Dog's Face.
표 Table 4. Table of Face Rate Elements
표 Table 5. Table of Others Face Rate Elements
그림 Fig. 4. PCA Test 1 Score Plot.
그림 Fig 5. Important Elements that make up PC1 and PC2.
그림 Fig. 6. PCA Test 2 Score Plot.
표 Table 6. Coefficient of Important Elements that Make up PC1 on PCA Test 1
표 Table 7. Coefficient of Important Elements that Make up PC1 on PCA Test 2

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 포유류 동물의 가장 단순화된 얼굴 특징을 찾고자 한다. 인간의 얼굴의 차이를 나타내는 근본적인 요인을 분석하여 의인화동물캐릭터 디자인에 응용할 수 있으며 캐릭터 디자인 자동화에도 활용할 수 있다.
본 장에서는 개(견종)와 인간의 얼굴을 중심으로 특징을 분석하기 위한 요소를 제안하였다. 본 연구에서 인간과 개(견종)의 얼굴의 차이점을 눈, 코, 입 등의 중요 부위의 비율을 통해 확인하려고 한다.
본 장에서는 개(견종)와 인간의 얼굴을 중심으로 특징을 분석하기 위한 요소를 제안하였다. 본 연구에서 인간과 개(견종)의 얼굴의 차이점을 눈, 코, 입 등의 중요 부위의 비율을 통해 확인하려고 한다. 분석에서 견종 간 차이를 나타내는 얼굴 부위의 요소도 같이 제시하고자 한다.
본 연구에서 인간과 개(견종)의 얼굴의 차이점을 눈, 코, 입 등의 중요 부위의 비율을 통해 확인하려고 한다. 분석에서 견종 간 차이를 나타내는 얼굴 부위의 요소도 같이 제시하고자 한다. 분석방법은 사람의 눈, 코, 입의 비율과 개의 눈, 코, 입 비율을 주성분 분석(PCA)을 이용하여 가장 크게 차이가 나타나는 요소를 확인하고자 한다.
본 논문에서는 의인화 캐릭터 디자인을 위한 사전 연구로 인간과 개(견종)의 얼굴의 증요 부위의 위치를 기반으로 비율 요소를 정의하고 주성분 분석 (PCA)을 통해 진행하였다. 주성분 분석(PCA)을 위해 개(견종) 100 종에 대한 평균 얼굴을 벡터 데이터 (SVG)를 생성하고 비율 계산을 위한 위치 점을 생성 하였다.

제안 방법

인간의 얼굴의 차이를 나타내는 근본적인 요인을 분석하여 의인화동물캐릭터 디자인에 응용할 수 있으며 캐릭터 디자인 자동화에도 활용할 수 있다. 이에 본 연구에서는 동물캐릭터의 고유한 요인과 비율을 찾기 위한 도구로 주성분 분석(PCA)을 이용하고 분석대상을 개(견종)과 인간의 얼굴 데이터를 적용하여 실험을 진행하였다. 연구방향은 첫째, 동물을 개로 한정하여 현재 분류된 344여종 중 시각화형태의 확연한 차이를 보이는 개(견종) 100종과 인간데이터를 대상으로 실험을 진행한다.
이에 본 연구에서는 동물캐릭터의 고유한 요인과 비율을 찾기 위한 도구로 주성분 분석(PCA)을 이용하고 분석대상을 개(견종)과 인간의 얼굴 데이터를 적용하여 실험을 진행하였다. 연구방향은 첫째, 동물을 개로 한정하여 현재 분류된 344여종 중 시각화형태의 확연한 차이를 보이는 개(견종) 100종과 인간데이터를 대상으로 실험을 진행한다. 둘째, 이를 토대로 인간과 개의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA) 이용하여 분석한다.
연구방향은 첫째, 동물을 개로 한정하여 현재 분류된 344여종 중 시각화형태의 확연한 차이를 보이는 개(견종) 100종과 인간데이터를 대상으로 실험을 진행한다. 둘째, 이를 토대로 인간과 개의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA) 이용하여 분석한다. 셋째, 인간 얼굴과 개(견종)의 부위의 비율을 중요 차이점으로 정하고 인간과 각 견종 간의 얼굴 부위 비율을 주성분 분석(PCA)을 통해 확인하고자 한다.
둘째, 이를 토대로 인간과 개의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA) 이용하여 분석한다. 셋째, 인간 얼굴과 개(견종)의 부위의 비율을 중요 차이점으로 정하고 인간과 각 견종 간의 얼굴 부위 비율을 주성분 분석(PCA)을 통해 확인하고자 한다.
특히, 개과에 해당하는 개(견종)는 344 여종의 품종으로 분류가 되므로 형태적 특징이 같은 종은 유사 종으로 분류하여 외형적 차이가 확연한 100종으로 분류하였다. 다음으로 개(견종) DB 100 종에 대한 표준안 제안을 위해 눈과 눈 사이 비율이나 거리간의 비율의 평균값을 도출하여 시각화작업을 진행하였다. 이를 대상으로 벡터그래픽으로 설계하였다.
다음으로 개(견종) DB 100 종에 대한 표준안 제안을 위해 눈과 눈 사이 비율이나 거리간의 비율의 평균값을 도출하여 시각화작업을 진행하였다. 이를 대상으로 벡터그래픽으로 설계하였다. 추출된 개(견종) 이미지는 Fig.
이를 대상으로 벡터그래픽으로 설계하였다. 추출된 개(견종) 이미지는 Fig. 2와 같이 각각의 개(견종)의 실사 이미지를 분석하여 평균 수치를 측정하고 이를 전문 디자이너에 의해 벡터 데이터(SVG)파일로 설계하였다. 그리고 같은 개(견종)이라도 털의 상태에 따라 얼굴의 비율이 달라지는 것은 막기 위해 Beagle 견종의 경우, 다수의 검색된 Beagle 이미지를 토대로 평균적인 Beagle의 얼굴이미지 데이터를 계산하여 벡터 데이터(SVG) 파일로 생성하였다.
실험방식으로는 주성분 분석(Principle Component Analysis, PCA)을 활용하였다. 얼굴에서 외형적 형태에 영향을 미치는 중요비율 요소 5개를(Table 4)를 분석하고 결과를 살펴보았다(PCA Test 1). 다음으로 모든 비율 요소를 나타내는 표(Table 5)의 비율 요소를 포함 하여 분석 하였다(PCA Test 2)
얼굴에서 외형적 형태에 영향을 미치는 중요비율 요소 5개를(Table 4)를 분석하고 결과를 살펴보았다(PCA Test 1). 다음으로 모든 비율 요소를 나타내는 표(Table 5)의 비율 요소를 포함 하여 분석 하였다(PCA Test 2)
분석에서 견종 간 차이를 나타내는 얼굴 부위의 요소도 같이 제시하고자 한다. 분석방법은 사람의 눈, 코, 입의 비율과 개의 눈, 코, 입 비율을 주성분 분석(PCA)을 이용하여 가장 크게 차이가 나타나는 요소를 확인하고자 한다. 이를 위하여 인간과 동물의 얼굴에서 공통된 위치점 17개를 설정하였다(Table 2).
구성된 길이 요소를 이용한 비율 요소 5개를 선정하고 데이터로 비교를 실시하였다. 비율요소 5개는 다음과 같다.
따라서 본 논문에서는 동물을 개로 한정하여 현재 분류된 344 여종중 시각화형태의 확연한 차이를 보이는 개(견종) 100종과 인간데이터를 대상으로 실험을 하였다. 이를 기반으로 인간과 개(견종)의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA)을 기반으로 분석하였다. 본 논문은 인간 얼굴과 개(견종)의 얼굴 특징에서 눈, 코, 입의 부위의 비율을 중요 차이점으로 정하고 인간과 각 개(견종)의 얼굴 부위 비율을 주성분 분석(PCA)을 통해 확인하였다.
이를 기반으로 인간과 개(견종)의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA)을 기반으로 분석하였다. 본 논문은 인간 얼굴과 개(견종)의 얼굴 특징에서 눈, 코, 입의 부위의 비율을 중요 차이점으로 정하고 인간과 각 개(견종)의 얼굴 부위 비율을 주성분 분석(PCA)을 통해 확인하였다.
본 논문에서는 의인화 캐릭터 디자인을 위한 사전 연구로 인간과 개(견종)의 얼굴의 증요 부위의 위치를 기반으로 비율 요소를 정의하고 주성분 분석 (PCA)을 통해 진행하였다. 주성분 분석(PCA)을 위해 개(견종) 100 종에 대한 평균 얼굴을 벡터 데이터 (SVG)를 생성하고 비율 계산을 위한 위치 점을 생성 하였다. 100종의 개(견종)과 100명의 인간얼굴데이터의 중요 비율을 주성분 분석(PCA)을 진행하고, 그 결과를 도출하였다.
주성분 분석(PCA)을 위해 개(견종) 100 종에 대한 평균 얼굴을 벡터 데이터 (SVG)를 생성하고 비율 계산을 위한 위치 점을 생성 하였다. 100종의 개(견종)과 100명의 인간얼굴데이터의 중요 비율을 주성분 분석(PCA)을 진행하고, 그 결과를 도출하였다. 분석은 앞 절에서 언급한 기존의 중요한 얼굴 비율 5개와 그 외에 조합 할 수 모둔 경우를 포함하여 진행 하였다.
100종의 개(견종)과 100명의 인간얼굴데이터의 중요 비율을 주성분 분석(PCA)을 진행하고, 그 결과를 도출하였다. 분석은 앞 절에서 언급한 기존의 중요한 얼굴 비율 5개와 그 외에 조합 할 수 모둔 경우를 포함하여 진행 하였다. 모든 경우를 포함한 주성분 분석(PCA) Test 2에서는 알고 있는 지식과는 다른 결과를 확인하였다.
이를 위하여 인간과 동물의 얼굴에서 공통된 위치점 17개를 설정하였다(Table 2). 각 각 살펴보면 얼굴 윤곽의 왼쪽 끝(P1), 얼굴 윤곽의 오른쪽 끝(P2), 얼굴 윤곽의 위쪽 끝(P3), 얼굴 윤곽의 아래쪽 끝(P4), 왼쪽 눈의 왼쪽 끝(P5), 왼쪽 눈의 오른쪽 끝(P6), 왼쪽 눈의 위쪽 끝(P7), 왼쪽 눈의 아래쪽 끝(P8), 오른쪽 눈의 왼쪽 끝(P9), 오른쪽 눈의 오른쪽 끝(P10), 오른쪽 눈의 위쪽 끝(P11), 오른쪽 눈의 아래쪽 끝(P12), 미간(P13), 코(P14), 입(P15), 왼쪽 눈의 좌표로 계산되어진 눈의 중심점(P16) 및 오른쪽 눈의 좌표로 계산되어진 눈의 중심점(P17)으로 총 17개로 구성된다.

대상 데이터

본 연구에서는 활용목적에 의한 분류 외에 시각적으로 외형적 형태적 특징이 확연하게 구분되는 100종을 대상으로 선별하여 시각화를 진행하였다. 개(견종)는 포유류 중에서도 형태적으로 가장 많은 견종으로 세분화되어있다.
그 결과, 인간데이터 동·서양 남녀 (8000개)와 8천백여(8,192개)의 개(견종) 이미지 Data를 추출하였다.
본 연구의 절차는 다음과 같다. 먼저 실험에 필요한 인간과 개(견종)의 얼굴이미지 데이터 확보를 위해 저작권이 없는 픽사베이(pixabay.com)를 활용하여 수집하였다[9]. 픽사베이의 이미지데이터는 어떠한 허가 요청이나 지불 없이 상업적/비상업적 목적으로 이미지를 복사, 수정, 배포 및 이용할 수 있다고 밝히고 있다.
픽사베이의 이미지데이터는 어떠한 허가 요청이나 지불 없이 상업적/비상업적 목적으로 이미지를 복사, 수정, 배포 및 이용할 수 있다고 밝히고 있다. 특히, 고해상도의 이미지데이터도 제공하기 때문에 정확한 데이터 추출을 위해서 그래픽이미지를 배제한 실사 데이터 수집을 진행하였다. 실사 데이터는 최대한 정면의 얼굴형태에 중점을 두고 수집하였다.
그러므로 같은 종이라도 얼굴윤곽의 평균 값을 정의할 필요가 있다. 따라서, 본 실험에 사용한 데이터는 개(견종) 이미지 데이터 100개와 인간 이미지데이터 100개를 사용하였다. 특히, 개과에 해당하는 개(견종)는 344 여종의 품종으로 분류가 되므로 형태적 특징이 같은 종은 유사 종으로 분류하여 외형적 차이가 확연한 100종으로 분류하였다.
그리고 같은 개(견종)이라도 털의 상태에 따라 얼굴의 비율이 달라지는 것은 막기 위해 Beagle 견종의 경우, 다수의 검색된 Beagle 이미지를 토대로 평균적인 Beagle의 얼굴이미지 데이터를 계산하여 벡터 데이터(SVG) 파일로 생성하였다. 인간의 이미지 데이터는 앞서 언급한 픽사베이(pixabay.com)에 공개되어 있는 얼굴 DB를 이용하였다. 테스트에 사용한 인간 얼굴 데이터는 두 눈을 기준으로 최대한 정면의 얼굴 데이터를 추출하여 다양한 얼굴의 표본 획득을 기준으로 구성한 것이다.
com)에 공개되어 있는 얼굴 DB를 이용하였다. 테스트에 사용한 인간 얼굴 데이터는 두 눈을 기준으로 최대한 정면의 얼굴 데이터를 추출하여 다양한 얼굴의 표본 획득을 기준으로 구성한 것이다. 따라서 비교 분석에서 사용한 데이터 기준은 오른쪽 왼쪽 두 눈이 보이는 정면 구도를 중심으로 정면 이미지를 추출하여 사용하였다.
테스트에 사용한 인간 얼굴 데이터는 두 눈을 기준으로 최대한 정면의 얼굴 데이터를 추출하여 다양한 얼굴의 표본 획득을 기준으로 구성한 것이다. 따라서 비교 분석에서 사용한 데이터 기준은 오른쪽 왼쪽 두 눈이 보이는 정면 구도를 중심으로 정면 이미지를 추출하여 사용하였다. 실험방식으로는 주성분 분석(Principle Component Analysis, PCA)을 활용하였다.
분석방법은 사람의 눈, 코, 입의 비율과 개의 눈, 코, 입 비율을 주성분 분석(PCA)을 이용하여 가장 크게 차이가 나타나는 요소를 확인하고자 한다. 이를 위하여 인간과 동물의 얼굴에서 공통된 위치점 17개를 설정하였다(Table 2). 각 각 살펴보면 얼굴 윤곽의 왼쪽 끝(P1), 얼굴 윤곽의 오른쪽 끝(P2), 얼굴 윤곽의 위쪽 끝(P3), 얼굴 윤곽의 아래쪽 끝(P4), 왼쪽 눈의 왼쪽 끝(P5), 왼쪽 눈의 오른쪽 끝(P6), 왼쪽 눈의 위쪽 끝(P7), 왼쪽 눈의 아래쪽 끝(P8), 오른쪽 눈의 왼쪽 끝(P9), 오른쪽 눈의 오른쪽 끝(P10), 오른쪽 눈의 위쪽 끝(P11), 오른쪽 눈의 아래쪽 끝(P12), 미간(P13), 코(P14), 입(P15), 왼쪽 눈의 좌표로 계산되어진 눈의 중심점(P16) 및 오른쪽 눈의 좌표로 계산되어진 눈의 중심점(P17)으로 총 17개로 구성된다.
6에서 인간의 영역과 가까운 개(견종)를 선택하면 되고 동물성을 많이 추구하려면 인간의 영역과는 먼 위치의 견종을 선택하면 된다. 따라서 본 논문에서는 동물을 개로 한정하여 현재 분류된 344 여종중 시각화형태의 확연한 차이를 보이는 개(견종) 100종과 인간데이터를 대상으로 실험을 하였다. 이를 기반으로 인간과 개(견종)의 특징 차이와 각 견종 간의 얼굴 특징의 차이를 주성분 분석(PCA)을 기반으로 분석하였다.

이론/모형

, Ltd)는 엑셀 형태로 정리된 분석 데이터만 있으면 별도의 코딩 없이 분석 결과를 확인할 수 있어 편리하게 주성분 분석을 진행할 수 있다[7]. 따라서 본 연구에서는 THiRA-Anlaytics에서 제공하는 주성분 분석을 이용하였다. THiRA-Anlaytics는 통계 머신러닝 기반 분석 툴이며 분석을 위한 프로그래밍이 필요하지 않은 User-Interface와 결과를 쉽게 확인할 수 있는 비주얼한 환경을 제공한다(Fig.
따라서 비교 분석에서 사용한 데이터 기준은 오른쪽 왼쪽 두 눈이 보이는 정면 구도를 중심으로 정면 이미지를 추출하여 사용하였다. 실험방식으로는 주성분 분석(Principle Component Analysis, PCA)을 활용하였다. 얼굴에서 외형적 형태에 영향을 미치는 중요비율 요소 5개를(Table 4)를 분석하고 결과를 살펴보았다(PCA Test 1).

성능/효과

앞의 길이 요소는 얼굴 세로 길이, 눈의 가로 길이(눈 크기를 대변), 미간 길이와 미간 중심에서의 입과 코간의 거리이며 이것이 인간과 개 그리고 견종 간의 구분하는 중요한 요소임을 확인 할 수 있다. 즉, 본 연구에서는 인간의 눈, 코, 입의 비율과 개의 눈, 코, 입 비율을 주성분 분석을 이용한 결과 가장 크게 차이가 나는 요소는 얼굴에서 세로길이와 눈의 크기, 미간의 길이와 미간과 다른 부위의 길이가 중요하다는 사실을 확인하였다. 이로써 인간의 특성을 많이 가미한 동물의인화 캐릭터를 생성 할 경우 Fig.
모든 경우를 포함한 주성분 분석(PCA) Test 2에서는 알고 있는 지식과는 다른 결과를 확인하였다. 캐릭터의 얼굴 디자인에서 얼굴 형태와 더불어 중요 부위인 눈, 코, 입의 위치와 비율이 캐릭터의 특징과 성격을 나타내는데 중요하지만 특히 각 부위의 비율보다는 얼굴에서 세로길이와 눈의 크기, 미간의 길이와 미간과 다른 부위의 길이 중요하다는 사실을 확인하였다.

후속연구

본 논문의 실험 결과는 앞으로 캐릭터 디자인과 동물의인화에서 기존의 캐릭터디자이너의 감에 의존하여 진행되던 캐릭터얼굴설계 작업을 수치화하여 진행할 수 있다. 또한 자동화된 캐릭터 디자인에서 얼굴 생성의 파라미터로 활용될 수 있다.
또한 자동화된 캐릭터 디자인에서 얼굴 생성의 파라미터로 활용될 수 있다. 본 논문에서는 얼굴데이터의 비율 요소를 고려하였으나 중요 얼굴부위의 절대적인 위치에 대한 비교도 필요하다고 사료된다.
본 논문은 인간과 개(견종)의 얼굴만 비교하였으나 향후, 여타 의인화에 사용한 포유류 동물의 비율요소 분석도 앞으로 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	캐릭터산업에서 의인화는 어떤 장점이 있는가?	캐릭터산업은 의인화된 캐릭터가 대다수이며 전통적으로 인간의 감성에 동물 얼굴을 차용하여 만든 의인화된 캐릭터를 주인공으로 한 작품도 다수를 차지한다[2]. 의인화는 일반적으로 동물의 성격과 특성을 인간캐릭터에 자연스럽게 녹여 넣어 캐릭터의 성격이나 행동을 이해시키데 편리한 장점이 있다. 동물의인화 캐릭터설계의 경우, 캐릭터 디자이너가 동물의 특징을 기반으로 인간의 감성을 가미하여 디자인을 설계하였기 때문에 캐릭터 디자이너의 경력과 감각만을 의존하는 경향이 있었다.
	동물의인화 캐릭터설계의 경우, 어떠한 경향이 있었는가?	의인화는 일반적으로 동물의 성격과 특성을 인간캐릭터에 자연스럽게 녹여 넣어 캐릭터의 성격이나 행동을 이해시키데 편리한 장점이 있다. 동물의인화 캐릭터설계의 경우, 캐릭터 디자이너가 동물의 특징을 기반으로 인간의 감성을 가미하여 디자인을 설계하였기 때문에 캐릭터 디자이너의 경력과 감각만을 의존하는 경향이 있었다. 특히, 캐릭터 의인화는 의인화에 사용된 동물에 대한 특징을 캐릭터에서 자연스럽게 표현되므로 캐릭터의 성격 표현이나 스토리 연출에 효과적이다.
	주성분 분석을 하는데 사용되는 정확한 분석을 할 수 있는 툴에는 어떤 것들이 있는가?	주성분 분석(Principle Component Analysis, PCA)을 위해서는 정확한 분석을 할 수 있는 툴이 필요하다. THiRA-Anlaytics, Matlab과 Python등 다수의 프로그래밍 랭귀지는 주성분 분석을 할 수 있는 라이브러리나 툴박스를 제공한다. Matlab, Python은 분석을 위한 많은 시간이 소요되며 결과를 확인하는 과정에서도 데이터를 그래프로 표시하기 위한 별도의 코딩이 필요하다.

참고문헌 (9)

Y. Lee and J. Kim, “A Study on the Step of Anthropomorphic Animal Characters in Animation,” Journal of Korea Multimedia Society, Vol. 12, No. 11, pp. 1661-1670, 2009.
Y. Lee and S. Kim, “Optimal Proportions for the Facial Features of Cats,” International Journal of Multimedia and Ubiquitous, Vol. 11, No. 11, pp. 375-382, 2016.
Y. Lee, S. Kim, and S. Park, “Design of Morphing System for Anthropomorphic Animal Characters,” International Journal of Multimedia and Ubiquitous, Vol. 10, No. 5, pp. 197-206, 2015.
C.M. Bishop, Pattern Recognition and Machine Learning, Springer Verlag, Berlin, 2018.
A.C. Muller and S. Guido, Introduction to Machine Learning with Python, O'REILLT, California, 2017.
KKF, FCI BREED STANDARD, Korea Kennel Federation, Dongdaemun-gu, Seoul, 2017.
Thira-analytics(2018), https://thirautech.com (accessed April 24, 2020).
Canis Lupus Familiaris(2018), http://www.doopedia.co.kr/doopedia (accessed August 24, 2019).
Image Datas(2012), https://pixabay.com (accessed May 24, 2019).

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증