• Journal of Korea Multimedia Society
• /
• v.10 no.6
• /
• pp.699-706
• /
• 2007

This article is an approach to improving the clustering of Web images by using high-level semantic features from text information relevant to Web images as well as low-level visual features of image itself. These high-level text features can be obtained from image URLs and file names, page titles, hyperlinks, and surrounding text. As a clustering algorithm, a self-organizing map (SOM) proposed by Kohonen is used. To evaluate the clustering efficiencies of SOMs, we propose a simple but effective measure indicating the accumulativeness of same class images and the perplexities of class distributions. Our approach is to advance the existing measures through defining and using new measures accumulativeness on the most superior clustering node and concentricity to evaluate clustering efficiencies of SOMs. The experimental results show that the high-level text features are more useful in SOM-based Web image clustering.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.636-642
• /
• 2007

산업 전반에 적용되는 과학, 공학 분야에는 그 목적에 따라 다양한 형태의 정보가 발생한다. 정보는 이용하는 목적에 따란 가공하는 형식과 표현하는 방식이 달라지며, 정보에 직접적으로 접근하는 사용자에게 어떻게 효과적으로 전달할 것인가 하는 문제는 정보 관리 분야에서 매우 중요한 이슈가 되고 있다. 정보를 사용자에게 보다 명확하게 전달하고, 관리하기 위해서는 원천 데이터를 가공하여 가시화(visualization)하는 과정을 거친다. 정보가시화는 원천데이터를 데이터모델로 정리한 후, 가시화구조(visual structure)로 재정의 한다. 실질적인 가시적 결과는 가시화 구조의 데이터들을 정보모델(information model)상에 반영할 때 이루어진다. 본 논문에서는 건물내부에서 진행되는 행사에 대한 시간-공간적인 정보를 정리한 도표 메타포(table metaphor)를 초기 데이터 모델로 사용하여 가시화 하는 과정을 수행한다. 정보 가시화 과정과 저작 과정은 증강현실(augmented reality) 환경에서 이루어진다. 행사가 진행되는 장소의 건물 구조도(map)상에서 각 장소에서 발생하는 정보들을 재배열하고 정리함으로써, 저작자로 하여금 정보 그 자체에 대한 이해뿐만이 아니라, 해당 정보에 대한 공간적인 이해도 함께 가능하게 한다. 이 같은 몰입형(immersive) 저작시스템은 정보에 대한 공간적인 분배가 필요한 저작에서는 매우 유용하며, 저작하는 환경 자체가 가시화의 결과물이 되므로 정보 저작에 대한 가시적 이해를 최대화 시킬 수 있다.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.181-183
• /
• 2015

최근 자연어 처리 분야에서 딥 러닝이 많이 사용되고 있다. 자연어 처리에서 딥 러닝의 성능 향상을 위해 단어의 표현이 중요하다. 단어 임베딩은 단어 표현을 인공 신경망을 이용해 다차원 벡터로 표현한다. 본 논문에서는 word2vec의 Skip-gram과 negative-sampling을 이용하여 단어 임베딩 학습을 한다. 단어 임베딩 학습 데이터로 한국어 어휘지도 UWordMap의 용언의 필수논항 의미 제약 정보를 이용하여 구성했으며 250,183개의 단어 사전을 구축해 학습한다. 실험 결과로는 의미 제약 정보를 이용한 단어 임베딩이 유사성을 가진 단어들이 인접해 있음을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.577-579
• /
• 2003

본 논문에서는 생체인식 분야 중 얼굴인식의 검색 정확성 향상 및 검색 시간을 단축하기 위한 단계로 인종별 얼굴영상 데이터베이스에 대한 군집화 기법을 연구하였다. 우선, 일반적으로 얼굴 및 이미지 검색에 사용되는 다양한 특징을 추출하고, 추출한 다차원의 특징 데이터들로부터 다 인종 얼굴 데이터를 유사한 인종별로 정확하게 군집화 하기 위해 최적의 특징벡터를 자동으로 선택 할 수 있는 방법을 제안하였다. 군집결과 분석을 위해 자기 조직화 지도 모형을 이용하였는데, 이는 2차원 분석 및 가시화에 유용하며, 학습 후 코드북벡터를 사용하여 유사한 의미간의 거리부터 검색할 수 있는 특징을 가지고 있다. 특징추출에 관한 실험결과 인종별 구분을 위한 특징벡터로는 웨이블릿 주파수 성분(lowpass 성분)과 CbCr 특징벡터가 인종별 군집화에 가장 유용한 특징으로 선택되었으며. 추출된 특징을 바탕으로 semantic map을 구성하여 제안방법의 효율성을 제시하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• v.16 no.7
• /
• pp.2154-2168
• /
• 2022

Our work addresses the issues associated with usage of the semantic features by Bag of Words model, which requires construction of the dictionary. Extracting the relevant features and clustering them into code book or dictionary is computationally intensive and requires large storage area. Hence we propose to use a simple distribution of multiple shape based features, which is a mixture of gradients, radius and slope angles requiring very less computational cost and storage requirements but can serve as an equivalent image representative. The experimental work conducted on PASCAL VOC 2007 dataset exhibits marginally closer performance in terms of accuracy with the Bag of Word model using Self Organizing Map for clustering and very significant computational gain.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.727-730
• /
• 2024

최근 딥러닝 기술이 급속히 발전하며 현대 사회의 다양한 응용분야에서 빠르게 적용되고 있다. 특히 영상 기반의 딥러닝 기술은 자연어 처리와 함께 인공지능 기술의 핵심 연구 분야로 많은 연구가 진행되고 있다. 논문에서는 최근 많은 연구가 진행되고 있는 영상의 의미적 분할 (Semantic Segmentation) 성능을 향상하기 위한 연구를 진행한다. 특히 모델에서 고정밀의 의미적 분할을 수행할 수 있도록 추가적인 정보로써 의사 깊이맵 (Pseudo Depth-Map)을 활용하는 방법을 제안하였다. 더불어, 의사 깊이맵을 모델 상에서 효과적으로 학습시키기 위하여 다중 디코더 모델과 학습 효율을 높이는 학습 스케줄링 전략을 제안한다. 의사 깊이맵과 다중 디코더 모델 기반의 제안 모델은 기존 의미적 분할 모델과 비교하여 iIoU 기준 2%의 성능 향상을 보였다.

• Journal of the Korean Society for Library and Information Science
• /
• v.40 no.2
• /
• pp.103-123
• /
• 2006

Assuming that the knowledge creation and retrieval functions could be the most important factors for a successful knowledge management(KM) especially during the promotion stage of KM, this study suggests an e-learning application as one of best methods for producing knowledge and also the integrated knowledge repository model in which learning, knowledge. and information objects can be semantically associated through topic map-based knowledge map. The traditional KM system provides a simple directory-based knowledge map. which can not provide the semantic links between topics or objects. The proposed model can be utilized as a solution to solve the above-mentioned disadvantages of the traditional models. In order to collect the basic data for the proposed model, first, case studies utilizing interviews and surveys were conducted targeting at three Korean insurance companies' knowledge managers(or e-learning managers) and librarians. Second, the related studies and other topic map-based pilot systems were investigated.

• Journal of Digital Convergence
• /
• v.9 no.3
• /
• pp.235-247
• /
• 2011

The Mind is a still vastly vague and unknown notion. But the more we view this phenomenon with multi-faceted viewpoints and depth, the more we discourse of the Mind with profundity and develop the concept of the Mind with more objectivity which will become that much more perfect. This article proposes to capture the Theory of the Mind, to some extent, in various academic fields and in parallel studies to organize the whole perspectives of the Mind in form of a digital knowledge Mind Map and present a thinkable model of the topology of the Mind.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• v.11 no.10
• /
• pp.4968-4986
• /
• 2017

In this paper, we primarily address the difficulty of automatic generation of a plausible depth map from a single image in an unstructured environment. The aim is to extrapolate a depth map with a more correct, rich, and distinct depth order, which is both quantitatively accurate as well as visually pleasing. Our technique, which is fundamentally based on a preexisting DepthTransfer algorithm, transfers depth information at the level of superpixels. This occurs within a framework that replaces a pixel basis with one of instance-based learning. A vital superpixels feature enhancing matching precision is posterior incorporation of predictive semantic labels into the depth extraction procedure. Finally, a modified Cross Bilateral Filter is leveraged to augment the final depth field. For training and evaluation, experiments were conducted using the Make3D Range Image Dataset and vividly demonstrate that this depth estimation method outperforms state-of-the-art methods for the correlation coefficient metric, mean log10 error and root mean squared error, and achieves comparable performance for the average relative error metric in both efficacy and computational efficiency. This approach can be utilized to automatically convert 2D images into stereo for 3D visualization, producing anaglyph images that are visually superior in realism and simultaneously more immersive.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.36 no.6
• /
• pp.545-554
• /
• 2018

As the map paradigm shifts from analog to digital, the LOD (Level Of Detail) of spatial information needs to be redefined. In this study, we propose 4- dimensional indoor LOD model which can be used in digital map environment. For this purpose, the limitation of the previous research is derived through study of related works, and based on this, four different LODs are defined such PLOD (Position accuracy LOD) based on position accuracy, GLOD (Geometric LOD) based on shape representation, CLOD (Complete LOD) based on generalization, and SLOD (Semantic LOD) based on theme accuracy. In addition, we describe the relationships among the four different LODs, and explain how to express the indoor LOD using the four different LODs and show examples. In the future, the case studies of indoor LOD adoption for various indoor services and the study of method for applying CLOD and SLOD to each feature should be performed to verify the feasibility and validity of proposed indoor LOD.