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
- 따라서, 본 논문에서는 이러한 경우의 분류 결과를 보이는 상황에 대하여 각 객체별 특징 정보에 대한 가중치를 부여, 객체 간 차이를 극대화시킴으로써 올바른 컨셉을 찾도록 유도한다.
- 본 논문에서, 우리는 풍부한 이미지 어노테이션을 위하여 SVM 과 온톨로지를 이용한 새로운 프레임워크를 제안하였다. 본 연구에서는 SVM 과 수정 모듈을 통하여 이미지 객체의 컨셉을 구분하고, 추론 규칙들을 이미지에 적용함으로써 고수준 의미 관계들을 추출하였다.
- 본 연구에서는, 그림 8과 같은 생태계 온톨로지를 이용하여 생태계와 관련된 고수준 의미 정보를 추론하는 과정에 대하여 기술한다. 생태계 온톨로지와 같은 도메인 종속적인 온톨로지는 직접 제작하여 사용하거나, 기존에 존재하는 온톨로지를 상속하여 사용할 수도 있다.
- 그 후에, 이러한 중간수준 컨셉의 집합들이 객체 SVM 분류자에 의하여 '호랑이’, ’말’과 같은 객체컨셉으로 분류되어진다. 특히, 이 과정에서 SVM 이 잘못된 분류결과를 도출 할 수도 있기 때문에, 이러한 오류를 수정할 수 있는 수정모듈을 제안한다. 두번째로, 의미 처리 모듈에서는 이미지 분류단계에서 생성된 각종 시각 정보들과 이미지 어노테이션온톨로지, 생태계 온톨로지를 이용하여 이미지 안에 존재하는 객체들 간의 다양한 고수준 의미 관계를 추론한다.
가설 설정
- 본연구는 다음과 같은 장점을 가진다. 첫째, 본 시스템은 이미지 DB 상의 다양한 의미 프로세싱을 지원한다. 둘째, 본 연구에서 제안한 수정 모듈을 기존의 SVM 을 이용한 이미지 어노테이션의 정확성을 더욱 향상시킬 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.