본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

Abstract

목차

1. 서론 9

2. 배경지식 12

2.1. 사진 데이터베이스 12

2.2. k-최 근접 이웃 알고리즘(k-NN) 13

2.3. 특징 추출 알고리즘(Feature Detection algorithm) 15

2.3.1. SIFT 15

2.3.2. SURF 16

2.4. F-measure 16

3. 연구 동기 및 관련 연구 18

4. 제안기법 22

4.1. 사진 추출 22

4.2. 태그의 후보 순위 결정 25

4.3. 태그 추천 27

5. 실험 및 분석 28

5.1. 실험환경 29

5.2. 실험 결과 및 분석 31

6. 결론 35

참고 문헌 36

이력서 41

표목차

[표 1] 주어진 쿼리에 대한 4가지의 검색 결과 집합 17

[표 2] 대표적인 다섯 가지 세계 관광지에 대한 Flickr 검색 결과 개수 23

[표 3] Flickr 검색 결과 개수(n)에 따른 k값 24

[표 4] SIFT와 SURF의 성능 비교 26

[표 5] 각 추천 개수의 전체 평균 F-measure 값 31

그림목차

[그림 1] Flickr 웹 사이트 13

[그림 2] 쿼리 포인트와 최 근접 이웃 14

[그림 3] Flickr에서 자주 사용되는 태그 분석 결과(2010년 4월) 18

[그림 4] 촬영자가 멀리 있는 피사체를 찍는 경우. 21

[그림 5] 지역 명 및 랜드마크 태그 설문조사 웹 사이트 28

[그림 6] 각 추천 개수의 추출 개수(k) 별 평균 F-measure 31

[그림 7] 추천 개수의 변동 계수(CV) 32

[그림 8] SIFT와 SURF 사용에 대한 run time 비교 33

[그림 9] SIFT와 SURF 사용에 대한 F-measure 값 비교 33

초록보기

 With the development of technology, large amounts of picture contents are being produced and users can attach various tags to the picture. Among picture tags, most users consider location-specific tags to be the most important. Since GPS devices are increasing, it has become easy to attach GPS information to pictures. But GPS coordinates are not intuitive to users and they are difficult to use in keyword searches. It is necessary to transform to more informative and user-friendly landmark name. Reverse geocoding can provide a location tag that users can easily understand. However when a subject is far from where the picture is taken, the difference is so big that it may raise the problem of matching the subject and the actual location information from GPS.

In this paper, we propose a method that suggests tags of a picture from GPS coordinates included in the picture. First, the number of pictures, which will be extracted from the picture database, is reduced by using k-nearest neighbor algorithm. And tags extracted from searched pictures are become candidate tags. The recommended rank of each tag is calculated from the frequency of candidate tags and the similarity between the photographer's picture and the searched pictures. Finally, arbitrary numbers of tags are recommended which have the highest ranking order.

The performance evaluation was done by getting the F-measure which was based on the collected tags from surveys. The F-measure evaluation mostly indicated a level of 0.6 or above, suggesting that suitable tag recommendation had been achieved.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기