태깅(Tagging) 기법을 활용한 소셜 웹 서비스 모델 제안

소개글

태깅(Tagging) 기법을 활용한 소셜 웹 서비스 모델 제안

목차

1. 서론

2. 연구개발 동향
2.1 이미지 검색 기술 동향
2.2 이미지 메타데이터 기술 동향
2.3 관련 연구(태깅 알고리즘)

3. 제안 서비스 모델 소개
3.1 SNS(Facebook)정보교환의 한계점
3.2 활용하는 알고리즘 소개
3.3 서비스 모델 제안

4. 서비스모델
4.1 이미지 분석을 통한 텍스트 추출 기법
4.2 텍스트의 랭킹화
4.3 제안 모델 시각화

5. 결론

6. 한계점

7. 추후연구

8. 역할분담

본문내용

산업정보프로젝트 보고서
태깅(Tagging) 기법을 활용한 소셜 웹 서비스 모델 제안
Social Web Service Model Proposal for Using Tagging Technology
멀티미디어 기기의 보급과 웹 애플리케이션의 확대로 인해서 온라인을 통한 사용자 생성 콘텐츠(User Created Contents, UCCs)공유가 활발해지고 있다. 특히 웹을 통한 이미지 공유는 사용자들이 가장 활발하게 이용하고 있는 분야 중에 하나이다. 효율적인 이미지 검색을 위한 태깅 기술은 이미지의 색상, 질감 그리고 형태 등의 분석을 통한 내용 기반 특징(content-based features)과 이미지 획득 과정에서 저장된 정보(Exchangeable Image File Format: EXIF)를 중심으로 연구되었다. 하지만 소셜 웹 사이트(social web site)의 등장으로 사용자에 의한 태그(tag)를 중심으로 대용량 이미지를 위한 자동 이미지 태깅 기술이 연구되고 있다. 우리 팀은 이를 기반으로 한 소셜 웹 서비스(Social web Service)모델을 제안하고자 한다.

<중 략>

6. 한계점
이미지 검색기술은 아직 현재까지 개발이 미숙하다. 세상에는 다양한 이미지에 수많은 의미가 담겨있다. 그러한 의미들과 뜻들을 모두 이미지 검색 및 분석을 통하여 텍스트화하는 것은 무리가 있는 것이 분명하다. 그렇기 때문에 아직 위 연구는 미숙한 점이 많다. 이미지에 대한 정확한 자동이미지 분석 텍스트 추출이 되지 않기 때문
에 사용자가 원하는 태깅을 할 수 없을 것이다. 뿐만 아니라, 본 연구는 사용자가 이미지를 보고 직관적으로 이미지에 대한 정보를 얻게 하는 것이지만, 반대로 사용자에게는 이러한 이미지에 대한 정보가 무의미할 수도 있다.
이번 연구를 진행하면서 가장 어려웠던 점은 이미지 자동 태깅 기법의 신뢰도가 크게 낮다는 점이었다. 태깅 기법의 가장 핵심이 되는 점은 이미지상에서 자동으로 태그되는 텍스트의 연관성을 99%까지 끌어 올릴 수 있어야 하지만, 현재까지 진행된 연구 논문들을 살펴보아도 그 정확성은 30%를 넘기기 힘든 수준이었다. 그 노이즈에 가장 문제가 되는 점은 이미지를 태깅하는 과정에서 사용자가 주관적인 견해를 갖고 태그를 하는 원인이 전체 노이즈발생의 40%를 차지하고 있다는 점이었다.[20]

참고 자료

Flickr blog, “3 Billon!”, November 2008. Available on http://blog.flickr.net/en/2008/11/03/3-billion/
이지연, “이용자 관점에서 본 이미지 색인의 객관성에 대한 연구”, 정보관리학회지, 제 19권 제3호, 2002.9,pp,123-144.
R.C. Veltkamp, M. Tanase, “Content-Based Image Retrieval System: A survey”, Technical Report UU-CS-2000-34, 2002.
고영만, “메타데이터 표준화와 메타데이터 레지스트리”, 국회도서관보, 제 42권 제 11호, 2005, 11, pp.18-26.
Japan Electronics and Information Technology Industries Associaion, “Exchangeable image file format for digital still cameras:Exif Version 2.2”, April 2002.
Digital Imageing Group. “DIG35 Specification-Metadata for Digital Images, Version 1.1”, April 2001.
Manjunath B.S et al. Introduction to MPEG-7: John Wiley and Sons, 2002.
Y. Mori, H. Takahashi and R. Oka, "Imageto-Word Transformation Based on Dividing and Vector Quantizing Images with Words," Proc. First Int’l Workshop Multimedia Intelligent Storageand Retrieval Management, 1999.
P. Duygulu, K. Barnard, N. de Freitas, and D.Forsythm "Object recognition as machine translation: Learning a lexicon for a fixed image vocabulary," Proc. European Conf. Computer Vision, pp.97-112, 2002.
D. Blei and M.I. Jordan, "Modeling Annotated Data," Proc. 26th Ann. Int’l ACM SIGIR Conf. Research and Development in Information Retrieval, pp.127-134, 2003.
C. Cusano, G. Ciocca and R. Schettini, "Image annotation using SVM," Proc. SPIE, vol.5304, pp. 330-338, 2003.
G. Carneiro and N. Vasconcelos, "Formulating semantic image annotation as a supervised learning problem," Proc. International Conference on Computer Vision and Pattern Recognition, 2005.
T. Yeh, K. Tollmar and T. Darrell, "Searching the Web with Mobile Images for Location Recognition," Proc. IEEE Int’l Conf. Computer Vision and Pattern Recognition, no.2, pp.76-81, 2004.
K. Weinberger, M. Slaney, and R. van Zwol, "Resolving Tag Ambiguity," Proc. ACM Multimedia, pp.111-119, 2008.
X.-J. Wang, L. Zhang, X. Li, and W.-Y. Ma, "Annotating Images by Mining Image Search Results," IEEE Trans. Pattern Analysis Machine Intelligence, vol.20, no.11, pp.1-14, 2008.
X. Li, C. G. M. Snoek, and M. Worring, "Learning Social Tag Relevance by Neighbor Voting," IEEE Trans. Multimedia, vol.11, no.7, pp.1310-1322, 2009.
D. Liu, X.-S. Hua, L. Yang, M. Wang, and H.-J. Zhang, "Tag ranking," Proc. WWW, 2009.
Y. Lu, L. Zhang, Q. Tian, and W.-Y.Ma, "What are the high-level concepts with small semantic gaps?," Proc. International Conference on Computer Vision and Pattern Recognition, 2008.
조선영, “Tag Refinement를 이용한 이미지 어노테이션”, 정보과학회논문지: 소프트웨어 및 응용 제39권 제8호(2012.8), pp613-620.
이시형, 노용만, “자동 이미지 태깅 기술 동향‘, 정보통신산업진흥원