[논문]텍스트 정보와 시각 정보를 이용한 결정 규칙 기반의 웹 이미지 자동주석

박주현; 최기석; 낭종호

텍스트 정보와 시각 정보를 이용한 결정 규칙 기반의 웹 이미지 자동주석
Decision Rule based Web Image Annotation using Textual and Visual Information 원문보기

박주현 (서강대학교 컴퓨터공학과) , 최기석 (서강대학교 컴퓨터공학과) , 낭종호 (서강대학교 컴퓨터공학과)

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

문제 정의

그러나 기존의 웹 이 미지 자동 주석 방법들[1, 2, 3]은 모호한 주석 선택 기준과 이 미지로부터 추출된 시 각 정보를 사용하지 않거 나 사용하더 라도 개 념 간의 시 각적 특성 차이를 고려 치 않아 주석 선택의 정 확성 이 그리 높지 않다는 문제점을 가지고 있다. 본 논문에서는 이 미지를 포함하고 있는 웹 문서의 텍스트 정보와 시 각 정보를 함께 이용하여 웹 이미지에 대한 주석 선택의 정확성을 높일 수 있는 방법을 제안한다. 제안한 웹 이미지 자동 주석 방법은 웹 문서 구조 분석 에 의한 주석 단계와 시 각 정보에 의한 필터 링 단계의 두 단계 과정으로 주석을 단다.

제안 방법

주석의 정확성을 높이기 위해 후보 이미지 집합은 시각정보에 의한 2차 필터링 과정을 거치게 된다. 본 논문에서는 이미 지 클러 스터 링을 위한 시 각정 보로서 MPEG-7시 각정보 기술자중 Dominant Color(DC), Color Lay-out(CL), Color Structure(CS), Edge Histogram(EH)을 사용하였다. 하지만 4개의 기술자 모두가 모든 개념에 대한 이미지들을 클러스터 링하는데 좋은 성능을 보여주지 않기 때문에 효과적 이미지 클러스터 링을 위해서는 각 개념에 따라 좋은 클러스터 링 결과를 보여줄 수 있는 개념에 적합한 기술자를 선택해야만 한다.
(표 1)은 이러한 네 가지 카테고 리 들을 기반으로 정의 된 이미 지 와 단어 간의 관계 속성 을 보여준다. 제안한 16가지 관계 속성에 근거하여 임의의 이미지o와 임의의 주석 c 쌍을 선택할 것인지의 여부를 판단하는 규칙(Rule)을 만들어야 한다. 본 논문에서는 이러한 규칙을 효과적으로 생성하기 위해 C₄.
제안한 방법의 성능을 평가하기 위해 15, 185장의 이미지를 수집하여 실험하였고, 성능 평가 방법으로는 수집된 이미지들을 주요 개 념 별로 정답 집합(Ground truth)를 만들어 정확률(Precision)을 측정하였다. (그림 1)에서처 럼 훈련에 의해 생성된 결정 규칙만을 이용하여 주석을 달 경우 평균 82%의 정확률을 보여주었다 여기에, 시각 정보에 의한 필터 링 과정을 추가할 경우 정확률을 평균 92%로 향상시 킬 수 있었다 제안한 웹 이미지 자동 주석 방법은 본 연구팀에서 개발한 웹 이미지 검색 시스템[6]에 적용하여 그 유용성을 검증하였다.
본 논문에서는 이 미지를 포함하고 있는 웹 문서의 텍스트 정보와 시 각 정보를 함께 이용하여 웹 이미지에 대한 주석 선택의 정확성을 높일 수 있는 방법을 제안한다. 제안한 웹 이미지 자동 주석 방법은 웹 문서 구조 분석 에 의한 주석 단계와 시 각 정보에 의한 필터 링 단계의 두 단계 과정으로 주석을 단다.

이론/모형

하지만 4개의 기술자 모두가 모든 개념에 대한 이미지들을 클러스터 링하는데 좋은 성능을 보여주지 않기 때문에 효과적 이미지 클러스터 링을 위해서는 각 개념에 따라 좋은 클러스터 링 결과를 보여줄 수 있는 개념에 적합한 기술자를 선택해야만 한다. 본 논문에서는 각개 념 에 적합한 좋은 기술자를 선택 하기 위해서 클러 스터 링 결과 평가 척도인 CH Index[5]를 사용하였다. 클러스터 링 시 이용할 임의의 두 이 미지 oi, oj간 거리 d(oi, oj) 는 CH Index를 가중치로 한 4가지 기술자의 가중치 합으로 계산한다.
제안한 16가지 관계 속성에 근거하여 임의의 이미지o와 임의의 주석 c 쌍을 선택할 것인지의 여부를 판단하는 규칙(Rule)을 만들어야 한다. 본 논문에서는 이러한 규칙을 효과적으로 생성하기 위해 C₄.5[4] 알고리즘을 이용하는 결정 트리(Decision Tree)를 사용하였다. 결정 트리는 <A1, A2, A3, …, A15, A16, SelectImage=yes or no >와 같이 표현되는 다수의 훈련용 샘플에 의해서 구축된다.

성능/효과

주요 개 념 별로 정답 집합(Ground truth)를 만들어 정확률(Precision)을 측정하였다. (그림 1)에서처 럼 훈련에 의해 생성된 결정 규칙만을 이용하여 주석을 달 경우 평균 82%의 정확률을 보여주었다 여기에, 시각 정보에 의한 필터 링 과정을 추가할 경우 정확률을 평균 92%로 향상시 킬 수 있었다 제안한 웹 이미지 자동 주석 방법은 본 연구팀에서 개발한 웹 이미지 검색 시스템[6]에 적용하여 그 유용성을 검증하였다.
정확성이 높은 규칙에 의해 선택된 이미지와 주석의 연관 정도가 정확성 이 낮은 규직에 의해 선택된 이미지와 주석의 연관 정도보다 더 가까울 것이라 예상할 수 있다. 본 논문에서는 90% 신뢰 구간 안에서 각 규칙의 정확성을 평가하였으며 이를 이미지와 선택된 주석간의 연관 정도 w°c로 정의하였다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

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

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].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증

텍스트 정보와 시각 정보를 이용한 결정 규칙 기반의 웹 이미지 자동주석
Decision Rule based Web Image Annotation using Textual and Visual Information 원문보기