[논문]개념간 유사성 측정을 이용한 개념 기반 이미지 검색

조미영; 최춘호; 신주현; 김판구

개념간 유사성 측정을 이용한 개념 기반 이미지 검색
Concept based Image Retrieval Using Similarity Measurement Between Concepts 원문보기

조미영 (조선대학교 전자계산학과) , 최춘호 (조선대학교 전자계산학과) , 신주현 (조선대학교 전자계산학과) , 김판구 (조선대학교 전자계산학과)

기존의 개념 기반 이미지 검색에서는 이미지의 의미적 내용 인식을 위해 일반적으로 어휘적 정보나 텍스트 정보를 이용했다. 이러한 텍스트 정보 기반 이미지 검색은 전통적인 검색 방법인 키워드 검색 기술을 그대로 사용하여 쉽게 구현할 수 있으나 텍스트의 개념적 매칭이 아닌 스트링 매칭이므로 주석처리된 단어와 정확한 매칭이 없다면 찾을 수가 없었다. 이에 본 논문에서는 ontology의 일종인 WordNet을 이용하여 깊이 정보량 링크 타입, 밀도 등을 고려한 개념간 유사성 측정으로 패턴 매칭의 문제를 해결하고자 했다. 또한 키워드로 주석처리 되어 있는 Microsofts Design Gallery Live의 이미지를 이용하여 개념간 유사성 측정법을 실질적으로 개념 기반 이미지 검색에 적용해 보았다.

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

문제 정의

단어의 개념적 접근을 위한 개념간 유사성 측정에 해 논하기 전에 측정시 고려될 수 있는 톡징들에간략히 살펴보겠다. 크게 다섯가지로 분류되는 각각의 특징들의 정의와 유사성 측정시 미치는 영향은 다옴과 같다.
본 논문에서는 WordN色상에서 개념간의 유사성 측정을 이용한 개념 기반 이미지 검색을 제안했다. 단순 패 턴(스트링)매칭에 의한 텍스트 기반 검색의 단점을 보완할 수 있었을 뿐만 아니라 검색어의 개넘적 접근을 통해 개념적으로 가장 유사한 이미지를 검색할 수 있었다.
본 논문에서는 주석 처리된 이미지 정보의 검색을 위한 정성적 측정에 대한 해결 방안을 찾고자 했다. Ontology의 일종으로 일반적으로 사용되는 WwdNet을 이용하여 개념 기반 유사도 탐색을 위한 개념간 유사성 계산 수식을 유도했다.
검색시 질의어와 관련된 어휘들의 Chain들과의 의미적 유사도 측정을 위한 척도를 제시하고 있다. 이 연구 또한 이미지 시각 데이터에 의미를 부여하여 의미기반 이미지 정보검색이 이루어지도록 하는 방법을 제안하고 있다고 볼 수 있다.

제안 방법

본 논문에서는 주석 처리된 이미지 정보의 검색을 위한 정성적 측정에 대한 해결 방안을 찾고자 했다. Ontology의 일종으로 일반적으로 사용되는 WwdNet을 이용하여 개념 기반 유사도 탐색을 위한 개념간 유사성 계산 수식을 유도했다. 또한 이를 이용해 개념 기반이미지 정보 색인 및 검색이 되도록 했다.
Ontology의 일종으로 일반적으로 사용되는 WwdNet을 이용하여 개념 기반 유사도 탐색을 위한 개념간 유사성 계산 수식을 유도했다. 또한 이를 이용해 개념 기반이미지 정보 색인 및 검색이 되도록 했다.
Frew 의 연구[5]에서는 분류된 이미지에 주석을 닮으로서 얻는 장점을 제시하고 있다. 먼저 이미지 분류를 위해 자연사진을 담은 데이터베이스에서 신경망과 Case기반 기법을 적용했으며, Shape template와 같은 이미지 인식 기법의 잘못을 지적하고 있다. 이 연구는 이미지 데이터에 대한 시각적 특성 (Size, Center of mass, Surrounding color discontinuity)을 고려하고 있으며, 25가지의 미리 분류돤 클래스로 나누었다.
(5) 링크 타입(link type)-인접한 두 노드 사이의 관계로 WordNet상에는 상/하의어(IS_A) 관계를 비롯하여 전체/부분, 반의 등과 같은 여러 관계들이 존재한다. 유사성 측정시 이들 각 관계에 대해 다론 가중치 고려하여 계산한다.
먼저 이미지 분류를 위해 자연사진을 담은 데이터베이스에서 신경망과 Case기반 기법을 적용했으며, Shape template와 같은 이미지 인식 기법의 잘못을 지적하고 있다. 이 연구는 이미지 데이터에 대한 시각적 특성 (Size, Center of mass, Surrounding color discontinuity)을 고려하고 있으며, 25가지의 미리 분류돤 클래스로 나누었다. 또한 의미기반 검색을 위하여 WordNet을 사용해 주석 처리된 언어적 특성 또한 이용 한다.

대상 데이터

실험을 위해 본 논문에서는 약 60, 000 개의 명사 synset으로 구성된 WordNet 1.6 버전을 이용하였으며, 분야별로 카테고리화되어 있는 Microsofts Design Gallery Live(http:〃dgl.microsoft.com)의 약 2,300개 가량 의 동•식물 이미지를 이용했다. 이미지의 대부분은 일 정하지 않은 배경의 컬러 이미지로 각 이미지당 3〜5개 정도의 키워드로 주석 처리되어 있다.

데이터처리

각 이미지의 하단부의 값은 이미지의 키워드들과 검색어간의 개념간 유사성 측정 후 그 측정치들의 평균치로 이를 기준으로 정렬하였다. 굵은 선으로 표시된 이미지는 "fowls"이라는 키워드가 포함된 이미지로 다른 이미 지들 보다 좀더 상위 그룹에 나타났다.

성능/효과

(3) 밀도(density)-부모 노드의 정보량과 자식 노드의 정보량의 차로 차이가 작을수록 두 노드간에 더 밀접 하다.
본 논문에서는 WordN色상에서 개념간의 유사성 측정을 이용한 개념 기반 이미지 검색을 제안했다. 단순 패 턴(스트링)매칭에 의한 텍스트 기반 검색의 단점을 보완할 수 있었을 뿐만 아니라 검색어의 개넘적 접근을 통해 개념적으로 가장 유사한 이미지를 검색할 수 있었다.

후속연구

향후 연구 과제로는 키워드뿐만 아니라 컬러, 질감 등 다른 저차원 특징과 결합한 이미지의 의미적 내용인식으로 의미 기반 이미지 검색이 되도록 하는 것이다.

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

개념간 유사성 측정을 이용한 개념 기반 이미지 검색
Concept based Image Retrieval Using Similarity Measurement Between Concepts 원문보기

초록
AI-Helper