• Annual Conference of KIPS
• /
• 2015.04a
• /
• pp.674-675
• /
• 2015

최근 이미지가 가지는 의미적 정보를 온톨로지로 어노테이션한 후 이미지를 분류하고 검색하는 방법들이 제안되고 있다. 하지만 이미지 검색이 어노테이션된 데이터에 SPARQL 질의를 통해 이루어지기 때문에 질의 결과와 일치하는 이미지들만 검색이 된다. 본 논문에서는 기존의 의미 기반 질의 방식이 아닌 이미지에 어노테이션된 온톨로지를 이용하여 유사 이미지를 검색하는 시스템을 제안한다. 설계된 시스템은 이미지가 가지는 태그 정보를 RDF 온톨로지로 확장하는 기존 연구에 추가적으로 온톨로지 유사 매칭 알고리즘을 사용하여 사용자가 원하는 유사 이미지를 검색할 수 있도록 한다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.45 no.1
• /
• pp.11-24
• /
• 2008

Region-based image retrieval techniques, which divide image into similar regions having similar characteristics and examine similarities among divided regions, were proposed to support an efficient low-dimensional color indexing scheme. However, color image segmentation techniques are required additionally. The problem of segmentation is difficult because of a large variety of color and texture. It is known to be difficult to identify image regions containing the same color-texture pattern in natural scenes. In this paper we propose an automatic color image segmentation algorithm. The colors in each image are first quantized to reduce the number of colors. The gray level of image representing the outline edge of image is constructed in terms of Fisher's multi-class linear discriminant on quantized images. The gray level of image is transformed into a binary edge image. The edge showing the outline of the binary edge image links to the nearest edge if disconnected. Finally, the final segmentation image is obtained by merging similar regions. In this paper we design and implement a region-based image retrieval system using the proposed segmentation. A variety of experiments show that the proposed segmentation scheme provides good segmentation results on a variety of images.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.69-72
• /
• 2024

모델 역추론 공격은 공격 대상 네트워크를 훈련하기 위해 사용되는 훈련 데이터셋 중 개인 데이터셋을 공개 데이터셋을 사용하여 개인 훈련 데이터셋을 복원하는 것이다. 모델 역추론 방법 중 적대적 생성 신경망을 사용하여 모델 역추론 공격을 하는 과거의 논문들은 딥러닝 모델 전체의 역추론에만 초점을 맞추기 때문에, 이를 통해 얻은 원본 이미지의 개인 데이터 정보는 제한적이다. 따라서, 본 연구는 대상 모델의 중간 출력을 사용하여 개인 데이터에 대한 더 품질 높은 정보를 얻는데 초점을 맞춘다. 본 논문에서는 적대적 생성 신경망 모델이 원본 이미지를 생성하기 위해 사용되는 계층별 역추론 공격 방법을 소개한다. MNIST 데이터셋으로 훈련된 적대적 생성 신경망 모델을 사용하여, 원본 이미지가 대상 모델의 계층을 통과하면서 얻은 중간 계층의 출력 데이터를 기반으로 원본 이미지를 재구성하고자 한다. GMI 의 공격 방식을 참고하여 공격 모델의 손실 함수를 구성한다. 손실 함수는 사전 손실 및 정체성 손실항을 포함하며, 역전파를 통해서 원본 이미지와 가장 유사하게 복원할 수 있는 표현 벡터 Z 를 찾는다. 원본 이미지와 공격 이미지 사이의 유사성을 분류 라벨의 정확도, SSIM, PSNR 값이라는 세 가지 지표를 사용하여 평가한다. 공격이 이루어지는 계층에서 복원한 이미지와 원본 이미지를 세 가지 지표를 가지고 평가한다. 실험 결과, 공격 이미지가 원본 이미지의 대상 분류 라벨을 정확하게 가지며 원본 이미지의 필체를 유사하게 복원하였음을 보여준다. 평가 지표 또한 원본 이미지와 유사하다는 것을 나타낸다.

• Science of Emotion and Sensibility
• /
• v.10 no.4
• /
• pp.631-637
• /
• 2007

This research focuses on similarity evaluation of images according to tones of images. Color space of images were converted RGB color space into HSI color space. The information entropy criteria has been taken for evaluating similarity of images for digital library. The similarity was then calculated by combining correlation coefficients and information entropy. Those two values are further analyzed with a relation to human sensibility.

• Journal of KIISE:Databases
• /
• v.36 no.5
• /
• pp.366-373
• /
• 2009

In this paper, we propose a similarity search algorithm for image databases. One of the central problems regarding content-based image retrieval (CBIR) is the semantic gap between the low-level features computed automatically from images and the human interpretation of image content. Many search algorithms used in CBIR have used the Minkowski metric (or $L_p$-norm) to measure similarity between image pairs. However those functions cannot adequately capture the aspects of the characteristics of the human visual system as well as the nonlinear relationships in contextual information. Our new search algorithm tackles this problem by employing new similarity measures and ranking strategies that reflect the nonlinearity of human perception and contextual information. Our search algorithm yields superior experimental results on a real handwritten digit image database and demonstrates its effectiveness.

• Annual Conference of KIPS
• /
• 2024.10a
• /
• pp.727-729
• /
• 2024

본 연구는 상세 페이지 이미지의 도용을 방지하기 위한 이미지 유사도 확인 기술을 개발하는 것을 목표로 한다. 이를 위해 이미지 검색 모델 Unicom을 사용하여 제품 이미지 간의 유사도를 측정하고, 도용 가능성이 높은 상위 10개의 이미지를 반환하는 시스템을 설계한다. 학습에는 Stanford Online Products(SOP) 데이터셋과 In-Shop 데이터셋을 사용하였으며, 테스트는 국내 온라인 쇼핑몰에서 수집된 제품 이미지와 상세 이미지 데이터를 통해 이루어졌다. 성능 평가는 Rank-k accuracy를 사용하여 측정하였으며, Rank-10 기준으로 높은 정확도를 기록하였다. 본 연구는 이미지 검색 모델을 활용하여 온라인 쇼핑몰에서 발생할 수 있는 이미지 도용 문제를 효과적으로 탐지하고, 지적재산권 보호를 강화할 수 있는 도구를 제안한다.

• Journal of KIISE:Databases
• /
• v.30 no.5
• /
• pp.464-475
• /
• 2003

few sample objects and compressed histogram information of image databases. The histogram information is used to estimate the selectivity of spherical range queries and a small number of sample objects is used to compensate the selectivity error due to the difference of the similarity measures between meta server and local image databases. An extensive experiment on a large number of image data demonstrates that our proposed method performs well in the distributed heterogeneous environment.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.21-23
• /
• 1999

기존 이미지 데이터베이스 검색 시스템은 질의 결과로 유사도가 높은 이미지들을 모아 제시해 준다. 그런데, 질의 결과로 제시되는 이미지는 전부 같은 크기의 이미지로 표시되고 일차원적으로 단순 나열하기 때문에 결과 이미지의 의미 파악이나 질의 처리 과정의 정보를 확인하는 것이 명확하지 않다. 또한 하나의 화면에 나타낼 수 있는 이미지의 수도 매우 제한된다. 따라서 본 논문은 이미지가 표현되는 화면 공간을 5개의 Wave로 나누고, 유사도 순서로 영역 크기를 할당하여 질의 결과 이미지들을 이차원으로 배열하여 제시하고 관리하는 방안을 제안하는 것이다. 그래서 한정된 화면 공간의 활용도를 극대화하고, 질의 결과에 대한 사용자 인지도를 높이며, 질의 결과의 유사도 정보를 유추하거나 분석하기가 용이한 방안이 될 것이다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.367-370
• /
• 2003

최근 급속하게 증가하는 멀티미디어 정보를 효율적으로 다루기 위하여 멀티미디어 데이터에 대한 표현을 표준화하는 MPEG-7 표준안이 제정되었다 본 논문에서는 표준안의 Visual Descriptor 중 Edge Histogram Descriptor(EHD)에 기반한 효과적인 내용기반 이미지 검색 시스템을 설계한다. EHD의 경우 질의 이미지와 데이터베이스의 이미지 간의 유사도 연산을 통해 검색을 하는데 모든 이미지에 대해 연산을 수행하는 것은 비효율적이다. 저장된 에지 히스토그램 정보를 ‘이미지 당 빈 값’에서 ‘빈 값 당 이미지’ 정보로 매핑하는 Lookup Table를 이용하여 유사도 연산을 수행할 이미지 범위를 한정함으로써 검색 효율을 높일 수 있는 검색 방법을 제안한다.

• Annual Conference of KIPS
• /
• 2002.11a
• /
• pp.39-42
• /
• 2002

본 논문에서는 내용 기반 이미지 검색 및 필터링 시스템을 위한 카테고리 식별 방법을 제안한다. 제안된 방법에서는 식별 가능한 카테고리를 사전에 정의하고, 정의된 카테고리를 대표할 수 있는 이미지들을 수집한다. 다음으로, 이들로부터 다중의 내용 기반 특징값을 추출하고, 추출된 특징값들로 카테고리 데이터베이스를 구성한다. 카테고리를 식별할 질의 이미지가 입력으로 들어오면, 질의 이미지로부터 추출된 다중 특징값들을 각 카테고리의 단일 특징값과 각각 비교함으로써, 카테고리를 대표하는 다중의 유사도 거리값을 측정한다. 각 카테고리를 대표하는 다중의 유사도 거리값들은 두 가지 연산 방법에 의해 조합되는데, 조합 방법은 각각의 단일 특징값이 각 카테고리 식별에 미치는 영향을 고려하여 정의된다. 최종적으로, 각 카테고리의 조합된 유사도 거리값을 비교한 다음, 가장 유사도가 큰 카테고리를 해당 질의 이미지의 카테고리로 식별한다.