• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권7호
• /
• pp.476-486
• /
• 2002

컴포넌트 기반 개발(CBD : Component Based Development)은 비즈니스 시스템의 요구를 해결할 수 있는 최상의 전략적 방법으로 빠르게 확산되고 있다. 이는 CBD가 소프트웨어 컴포넌트의 조립을 통해 어플리케이션 개발이 가능한 새로운 패러다임으로서, 비즈니스 프로세스의 빠른 변화에 능동적으로 대처하며, 증가되는 생산성 향상의 요구를 충족시킬 수 있기 때문이다. 특히, 컴포넌트 저장소는 컴포넌트의 개발과 유통 그리고 재사용을 위해 가장 중요한 부분으로 컴포넌트 그 자체뿐 아니라 컴포넌트 개발의 각 단계로부터 생산된 결과물들을 저장하고 관리할 수 있다. 본 논문에서는 CBD 프로세스의 효과적인 지원을 위해 컴포넌트 저장소 구축을 중심으로 실제적인 적용 기술을 제시하고 이를 바탕으로 컴포넌트 저장소 관리 시스템(CRMS : Component Repository Management System)의 프로토터이핑을 개발한다. CRMS는 컴포넌트 아키텍쳐에 기반하여 다양한 컴포넌트의 형상을 관리하며, 어플리케이션 개발자들은 자신의 프로젝트에 이용하기 위한 컴포넌트를 검색하고 관련 이해 정보를 획득할 수 있다 본 논문을 통해 CBD 환경을 실제화 하는 공용 컴포넌트 저장소 구축으로의 실제적 접근을 제시함으로써 컴포넌트 개발을 지원하는 CBD 프로세스 및 컴포넌트의 저장소에 대한 선행 연구로 이용하고자 한다.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권4호
• /
• pp.372-383
• /
• 2006

이미지 데이타베이스 분야에 대한 다양한 기법들 가운데, 내용 기반 영상 검색 기법 (Content Based Image Retrieval)은 대용량의 영상을 효율적으로 검색하고 탐색할 수 있도록 한다. 기존의 내용 기반 영상 검색 시스템은 사용자가 입력한 질의 이미지에서 낮은 레벨의 특성 (low-level feature)을 추출하고 그에 기반하여 데이타베이스로부터 유사한 영상을 검색한다. 하지만 컴퓨터에서 사용하는 낮은 레벨의 특성은 실제 인간이 영상을 인식하는 방법과 다르게 영상을 인식한다는 단점이 있다. 이러한 단점을 보완하기 위하여 각 특성에 대한 가중치를 적합성 피드백 (relevance feedback)을 통하여 재조정하는 기법이 개발되었다. 기존의 특성 가중치 조정 (feature re-weighting) 기법은 모든 영상에 대하여 특성은 항상 고정된 길이의 벡터 데이타로 표현된다고 가정한다, 이러한 가정을 전제로 하여 기존의 기법은 특성 표현 (feature representation)의 각 부분을 n 차원 공간의 각 축에 할당한다. 하지만 특성 표현 기법의 발전에 따라 가변적인 길이의 벡터로 표현되는 특성이 출현하였으며 이로 인하여 기존의 제한된 길이의 벡터로 표현되는 특성 표현에 기반한 특성 가중치 조정 기법의 유효성은 감소하게 되었다. 본 논문에서는 가변적인 크기의 벡터로 표현되는 특성에 대해서도 특성 가중치를 효과적으로 조정할 수 있는 기법을 제안한다. 본 기법은 특성에 기반하여 계산된 질의 영상과 데이타베이스 내부의 영상간의 거리와 양방향 신뢰구간을 이용하여 특성 가중치를 조정한다. 이 때 각 특성의 거리 계산 방법에 대해서는 제한을 두지 않는다. 또한 각 특성의 표현에 있어서도 고정적인 크기뿐만이 아니라 가변적인 크기의 데이타 역시 사용할 수 있도록 한다. 본 논문에서는 실험을 통하여 제안한 기법의 유효성을 입증하였으며, 다른 연구 결과와의 비교를 통하여 제안한 기법의 성능이 보다 우수함을 보였다.

• 방송공학회논문지
• /
• 제19권5호
• /
• pp.578-589
• /
• 2014

윈도우 영상은 흔히 컴퓨터에서 응용프로그램을 실행하였을 때, 모니터를 통해 출력되는 화면을 의미하여, 웹페이지, 동영상 플레이어 및 여러 가지 응용프로그램을 모두 포함한다. 웹페이지는 다른 어플리케이션에 비해 다양한 종류의 정보를 다양한 형태로 전달한다. 이러한 웹페이지와 같은 윈도우 영상은 카메라로부터 획득할 수 있는 자연영상과 달리 텍스트, 로고, 아이콘 및 하위 영상과 같은 여러 가지 요소들을 포함하고 있고, 각 요소들은 서로 다른 형식의 정보를 사용자에게 전달한다. 그러나 텍스트와 영상은 정보가 다른 형태로 제공되기 때문에, 엄연히 다른 특성을 가지고 있는 요소들을 지역적으로 분리할 필요성이 있다. 본 논문에서는 윈도우 영상을 지역적인 특성에 따라 다수의 블록으로 분할한 후, 분할된 각 영역을 배경, 텍스트, 하위영상으로 분류하였다. 이러한 분류기법을 통해 분류된 하위 영상은 3D입체영상 변환, 영상 검색, 영상 브라우징등과 같은 응용을 가질 수 있다. 영상을 분류하는 방법에는 여러 가지가 존재할 수 있으나, 본 논문에서는 기계학습 기반의 알고리즘이 하위 영상 검출에도 좋은 접근법이 될 수 있음을 증명하기 위해 AdaBoost를 이용하였고, 실험결과로부터 93.4%의 검출률, 13%의 거짓 긍정률을 보임으로서, 이를 입증하였다.