[논문]신경망을 이용한 칼라와 텍스처 기반의 직물 감성 예측

김수정; 최영진; 김지인

[국내논문] 신경망을 이용한 칼라와 텍스처 기반의 직물 감성 예측
Prediction of Textile Emotion Based on Color and Texture Using Neural Networks 원문보기

김수정 (건국대학교) , 최영진 (건국대학교) , 김지인 (건국대학교)

사회가 개인화하고 사용자의 요구가 다양해짐에 따라, 사용자의 감성을 기반으로 하여 서비스를 제공하는 많은 연구와 응용 어플리케이션을 개발되고 있다. 그 중, 시각적인 정보에 대한 인간의 감성은 디자인, 패션, 상품개발과 같은 여러 분야에서 그 중요성이 부각되어 다각적인 측면으로 많은 연구가 진행되고 있다. 그러나, 그러한 연구들이 아직 괄목할 만한 성과를 내지 못하고 있다. 더욱이, 시각 정보로부터 유용한 요소를 추출하고, 감성을 예측하는 자동화된 시스템이 매우 미흡한 실정이다. 그러므로, 본 연구는 칼라와 텍스처를 자동으로 추출하고 그와 관련된 특정 감성에 대해 효율적으로 예측 가능한 직물감성 예측 신경망 시스템을 개발하였다. 또한 칼라와 텍스처와 같은 시각정보와 감성과의 관계를 규명하고자 각 시각 특징을 입력 값으로 하고, 감성 값을 출력 값으로 하는 신경망을 개발하였고 실험을 통해 각 감성에 따라 칼라와 텍스처 요소가 다르게 영향을 미친다는 사실을 증명할 수 있었다.

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

문제 정의

二!러므로, 본 논문은 직물 영상으로부터 요소를 추출하고, 그 요소롤 사용하여 직물 영상의 감성을 예측할 수 있는 자동화된 시스템을 제안하고, 실험을 통해 직물의 칼라와 텍스처 특징이 감성에 어떻게 영향을 미치는지를 조사하였다. □ 결과, 특정 요소에 상응하는 특정 감성이 있다는 사실을 증명하였다.
본 논문에서는 다충 퍼셉트론(M니tilayer Perceptron: MLP)을 이용하여 입력된 직물 영상을 보고 느끼는 감성을 예측하는 시스템을 개발한다[9] [10]. 제안된 시스템은 입력층, 은닉층, 출력증으로 구성되어 있으며 각 계층에서의 노드들은 완전 연결되어 있다.

제안 방법

감성과 각 요소와의 관계성을 조사하기 위해 3장에서 언급되었던 것과 같이 총 5번의 실험을 하였다. 각 실험은칼라 성분을 나타내는 평균값과 각 성분의 공간특징을 나타내는 텍스처 값을 사용하였다.
그러므로, 우리의 이전 연구[6]에서 SoenOI 정의한 감성과 170개의 다양한 데이터를 기반으로 그 관계를 조사하고 위한 fuzzy rule 기반 시스템을 개발하였다. 그러나, □ 시스템은 칼라와 텍스처에 영향을 받는 일부 감성에 대해서만 적용될 수 있다는 단점을 가지고 있었다.
본 연구에서는 기존의 연구에서 평가시스템을 fuzzy system에서 신경망 시스템으로 변경하였다. 제안된 시스템은 그림 2에서 보는 바와 같이 특징 추출 단계와 신경망기반 평가 단계로 구성되어 있다.
우리의 시스템은 시각정보로서 칼라와 칼라의 각 성분의 공간적 특징을 사용한다. 우선적으로, HSI 칼라모델이 RGB에 비해 인간 지각에 가깝기 때문에[2] [3], 디지털이 미지의 RGB 값을 HIS 값으로 변환한다[8].
제안된 시스템은 입력층, 은닉층, 출력증으로 구성되어 있으며 각 계층에서의 노드들은 완전 연결되어 있다. 이러한 신경망의 가중치를 학습하기 위해 직물 영상, 丨 와 설문조사를 똥해 그 영상에 색인된 감성 값, d의 쌍으로 구성된 ( l, d) 를 패턴으로 사용하여 BP알고리즘으로 학습한다.
신경망 시스템으로 변경하였다. 제안된 시스템은 그림 2에서 보는 바와 같이 특징 추출 단계와 신경망기반 평가 단계로 구성되어 있다. 특징추출 단계에서 우리는 입력 영상으로부터 칼라와 칼라성분의 공간적 특징을추출하고, 평가단계에서는 추출된 요소를 다양한 방식으로 조합하여 신경망을 이용하여 영상에 내포된 감성을 예측하였다.
시스템을 개발한다[9] [10]. 제안된 시스템은 입력층, 은닉층, 출력증으로 구성되어 있으며 각 계층에서의 노드들은 완전 연결되어 있다. 이러한 신경망의 가중치를 학습하기 위해 직물 영상, 丨 와 설문조사를 똥해 그 영상에 색인된 감성 값, d의 쌍으로 구성된 ( l, d) 를 패턴으로 사용하여 BP알고리즘으로 학습한다.
제안된 시스템은 그림 2에서 보는 바와 같이 특징 추출 단계와 신경망기반 평가 단계로 구성되어 있다. 특징추출 단계에서 우리는 입력 영상으로부터 칼라와 칼라성분의 공간적 특징을추출하고, 평가단계에서는 추출된 요소를 다양한 방식으로 조합하여 신경망을 이용하여 영상에 내포된 감성을 예측하였다. 또한, Z1 러한 실험결교를 분석하여 감성이 영향을 받는 중요 특징이 다르다는 사실을 발견하였다.

대상 데이터

본 논문에서는 직물 영상 이미지와 그에 대응하는 감성에 대한 정보를 수집하기 우I해, 그림 3과 같이 웹 시스템을개발하여 임의로 수집된 총 160장의 직물영상 대해 일반인 70명을 대상으로 설문 조사하였匚卜. 이러한 조사를 기반으로 우리는 160개의 직물 영상 중 80여장을 신경망의 가중치를 학습하기 위해 사용하였고, 나머지는 제안된 직물감성 예측 신경망 시스템의 성능을 평가하기 위해서 사용되었다.
70명을 대상으로 설문 조사하였匚卜. 이러한 조사를 기반으로 우리는 160개의 직물 영상 중 80여장을 신경망의 가중치를 학습하기 위해 사용하였고, 나머지는 제안된 직물감성 예측 신경망 시스템의 성능을 평가하기 위해서 사용되었다.

이론/모형

직물이나 패션분야에서 Kobayashi는 패션에서 사용되는 어휘를 중심으로 warm-cool, soft-hard, clear-grayish를 기본 축으로 하여 분포된 감성어휘 모형을 제시하였다 반면 Soene 서로 반대되는 개념을 가진 13개 쌍의 감성표현'을 개발하였다[2]. 본 연구에서는 SoenOI 사용한 감성표현이 유사한 다른 연구 [4]에서 많이 사용되고, 특정분야가 아닌 범용적인 분야에서 사용되어졌기 때문에, Soen에 의해 제시된 감성 표현을 사용하였다. 이러한 감성을 기반으로 칼라, 텍스쳐, 패턴로 대표되는 시각 특징과의 상관관계를 조사하고[2] 그를 기반으로 다양한 인식시스템이 개발되어지고 있다(3)⑸, 그 중, Soen과 김진우는 칼라와 텍스처를 가지고 감성 값과의 관계를 선형적인 regression equation으로 표현하였다.
이러한 영상들을 기반으로 우리는 슨1(1)에서 정의된 GLRLM(Gray Level Run Length Matrix) [8]을 이용하여각 성분의 공간적 밀도를 계산한다.

성능/효과

특징추출 단계에서 우리는 입력 영상으로부터 칼라와 칼라성분의 공간적 특징을추출하고, 평가단계에서는 추출된 요소를 다양한 방식으로 조합하여 신경망을 이용하여 영상에 내포된 감성을 예측하였다. 또한, Z1 러한 실험결교를 분석하여 감성이 영향을 받는 중요 특징이 다르다는 사실을 발견하였다.
또한기존 퍼지 시스템에서 텍스처의 영향을 받았던 감성인 ' strong-weak' 과 ' light-dark' 감성은 이 실험에서도 실험 1에 비해 텍스처 값을 이용했을 때 더 좋은 성능을 보여주었다.
우리가 제안한 시스템은 기존의 퍼지 기반의 평가 시스템이 약 88% 성능을 보인 것에 비해[6] 96% 의 성능 향상을 보여준다. 표 2는 기존 시스템과 본 연구에서 제안한시스템의 인식률을 보여준다.
우리가 제안한 직물감성 예측 신경망 시스템은 칼라요소에 대해 퍼지 규칙을 정의할 수 없었던 다른 감성들에 대해서 적용할 수 있었으며, 기존 퍼지시스템보다 더 좋은 96% 성능을 보여주었다. 이러한 결과는 우리가 제안한 시스템이 감성을 기반으로 하는 시스템을 개발 할 때 유용하게 적용될 수 았는 가능성을 제시한다'
□ 결과, 특정 요소에 상응하는 특정 감성이 있다는 사실을 증명하였다. 즉, 시각 정보를 모두 사용한 것보다 감성에 따라 적합한 시각특징을 사용했을 대 감성을 올바르게 예측할 수 있었다. 이는 우리가 감성 刀반 시스템을 개발 할 패, 적합한 감성을 추출하기 위해선 올바른 요소의 선택이 중요하다는 사실을 나타낸다.

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

[국내논문] 신경망을 이용한 칼라와 텍스처 기반의 직물 감성 예측
Prediction of Textile Emotion Based on Color and Texture Using Neural Networks 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 신경망을 이용한 칼라와 텍스처 기반의 직물 감성 예측 Prediction of Textile Emotion Based on Color and Texture Using Neural Networks 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 신경망을 이용한 칼라와 텍스처 기반의 직물 감성 예측
Prediction of Textile Emotion Based on Color and Texture Using Neural Networks 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper