메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김규연 (한국과학기술원) 윤성의 (한국과학기술원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제27권 제12호
발행연도
2021.12
수록면
578 - 583 (6page)
DOI
10.5626/KTCP.2021.27.12.578

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

이미지를 매개로 하는 멀티모달 반지도학습
김규연 ,  윤성의 정보과학회 컴퓨팅의 실제 논문지 2021.12 학술저널

2020

이미지를 매개로 한 멀티모달 반지도학습 모델
김규연 ,  윤성의 한국정보과학회 학술발표논문집 2020.12 학술대회자료

초록· 키워드

오류제보하기
멀티모달 데이터를 활용하는 학습 방법은 다양한 형태로 존재하는 데이터를 서로 연관 지어 상호검색을 위한 특징을 추출하거나, 다양한 형태의 데이터를 종합적으로 요구하는 새로운 태스크를 수행하기 위해 사용된다. 현재까지, 이미지와 텍스트 및 이미지와 소리 데이터 간의 멀티모달 학습을 수행하는 연구가 진행되어왔다. 이에 더 나아가, 본 논문에서는 이미지를 중심으로 소리 및 텍스트 데이터를 상호 고려하는 반지도학습 방법을 적용한 모델을 제시한다. 해당 모델은 이미지, 소리, 텍스트를 자유로이 수용하여 각각에 대한 특징을 추출할 수 있다. 덧붙여, 멀티모달 학습에 통상적으로 사용되는 단순 랭킹 손실함수의 한계점을 보완한, 마진값이 이미지 피처 간 유사도에 따라 변하는 가변 마진 랭킹 손실함수를 적용하여 모델을 학습시킨다. 최종적으로, 위 방법을 통해 학습한 모델의 표현력을 평가하기 위해, 제로-샷텍스트-비디오 검색 성능을 중심으로 이종 데이터 간 상호검색 성능을 정량적으로 분석한다.
#딥 러닝 #멀티모달 학습 #반지도학습 #가변 마진 랭킹 손실함수 #데이터 상호검색 #deep learning #multimodal learning #half-supervised learning #versatile margin ranking loss #cross-modal retrieval

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 실험 방법
4. 결과
5. 결론
References

참고문헌 (14)

참고문헌 신청
R. Arandjelovic and A. Zisserman, "Objects that Sound," ECCV, 2018. google schola K. Lee, X. Chen, G. Hua, H. Hu, and X. He, "Stacked Cross Attention for Image-Text Matching," ECCV, 2018. google schola A. Owens and A. A. Efros, "Audio-Visual Scene Analysis with Self-Supervised Multisensory Features," ECCV, 2018. google schola Y. Aytar, C. Vondrick, and A. Torralba, "See, Hear, and Read: Deep Aligned Representations," arXiv, 2017. google schola J. Alayrac, A. Recasens, R. Schneider, R. Arandjelovic, J. Ramapuram, J. D. Fauw, L. Smaira, S. Dieleman, and A. Zisserman, "Self-Supervised MultiModal Versatile Networks," NeurIPS, 2020. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

멀티 모달 대조 학습 및 딥 해싱을 이용한 효율적인 교차 모달 검색 기법
유사라 ,  류혜원 ,  이기용 한국정보과학회 학술발표논문집 2023 .06
Transformer를 사용한 이미지 캡셔닝 및 비디오 캡셔닝
김기덕 ,  이근후 한국컴퓨터정보학회 학술발표논문집 2023 .01
딥 러닝 기반 이미지 생성 모델을 활용한 객체 인식 사례 연구
강다빈 ,  홍지수 ,  김재홍 외 3명 한국방송미디어공학회 학술발표대회 논문집 2022 .11
Consistency Regularization을 적용한 멀티모달 한국어 감정인식
김정희 ,  강필성 대한산업공학회지 2021 .12
이미지 특징점 탐지 및 특징량 추출 알고리즘 추천 모델 개발
김영우 ,  김덕수 ,  김승희 한국정보기술학회논문지 2021 .04

최근 본 자료

전체보기

댓글(0)

0