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
- 이를 위해 기존의 키워드 기반 영상 검색 접근방법에 대해서도 가볍게 다루었으며, 장면-문장 조인트 임 베딩을 하기 위해 필요한 문장 임베딩 기술과 영상임 베딩 기술에 대해서도 소개하였다. 또한, 최신의 관련 연구 소개 및 저자가 속한 기관에서 개발한 영상 검색 엔진을 소개하고 검색 결과의 예제를 살펴 보았다.
- 본 고에서는 영상 검색 서비스를 위해 필요한 기술을 소개하고자 한다. 특히 기존의 키워드 기반 검색 기술을 영상 검색에 활용하였을 때 겪게 되는 문제점과 이를 해결하기 위해 몇 년 전부터 두각을 나타내고 있는 심층학습 기반의 영상 검색 기술을 살펴보기로 한다.
- 보여주는 것이다. 본 고에서는 영상 검색 서비스의 내부 과정에서 사용되는 기술, 특히 키워드기반의 영상 검색과 심층학습을 이용한 영상 검색기술에 대하여 좀 더 자세히 알아보려고 한다.
- 본 고에서는 영상에 대한 메타데이터 수동 태깅 입력이 없어도 온전히 영상을 이해하고 질의문을 분석하여 영상 검색을 수행하는 조인트 임베딩 기반 영상 검색 기술에 대하여 소개하였다. 이를 위해 기존의 키워드 기반 영상 검색 접근방법에 대해서도 가볍게 다루었으며, 장면-문장 조인트 임 베딩을 하기 위해 필요한 문장 임베딩 기술과 영상임 베딩 기술에 대해서도 소개하였다.
- 영상 검색기능을 제공하는 기술이다. 본 고에서는 해당 기술에 대한 상세한 기술적 명세보다는 비전문가도 이해할 수 있는 기술의 개념적 설명과 기능 위주로 다루고자 한다. 영상에 대한 심층 학습기반 영상 검색 기술을 소개하기 전에 이해를 돕기 위하여 <그림 2>를 이용하여 어떤 부분이 주요 이슈인지 파악해 보기로 한다.
- 영상에 대한 심층 학습기반 영상 검색 기술을 소개하기 전에 이해를 돕기 위하여 를 이용하여 어떤 부분이 주요 이슈인지 파악해 보기로 한다.
- 소개하고자 한다. 특히 기존의 키워드 기반 검색 기술을 영상 검색에 활용하였을 때 겪게 되는 문제점과 이를 해결하기 위해 몇 년 전부터 두각을 나타내고 있는 심층학습 기반의 영상 검색 기술을 살펴보기로 한다.
가설 설정
- 벡터를 얻을 수 있음을 알아보았다. 사람이 이해할 수 없는 숫자로만 구성된 각각의 벡터에는 문장과 영상에 대한 이해 정보가 압축되어 포함되어있을 것으로 가정을 하고, 동일한 벡터 공간에 두 개의 벡터를 놓고 의미적으로 연관된 벡터 간에는 코사인 유사도 값이 높게 계산되도록 신경망을 학습하는 조인트 임베딩 모델을 구축하여야 한다.<그림 3>의 개념도에서 문장과 영상이 각각임베딩되어 만나는 지점이라고 할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.