지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 낭종호
- 발행연도
- 2020
- 저작권
- 서강대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 유튜브나 인스타그램과 같은 멀티미디어 컨텐츠 플랫폼을 주축으로 미디어에 대한 수요가 급속하게 증가하고 있으며 최근 조사 [1] 에 따르면 인터넷 트래픽의 80%는 비디오 컨텐츠가 될 것이라고 예측하고 있다. 이에 따라 멀티미디어 컨텐츠 제작자의 저작권 보호나 불법 컨텐츠의 유포와 같은 문제들이 발생하고 있다. 이러한 문제를 해결하기 위해 컨텐츠의 내용에 기반한 고유의 식별자를 추출하는 방법들이 제안되었지만 기존의 연구들은 미리 정해진(Simulated)된 변형에 대하여 고안되었기 때문에 실제 공유되고 있는 비디오에 대해서는 복사 검출에 실패하는 경우가 발생하였다.본 논문에서는 실제 사용되고 있는 다양한 변형에 강인한 Fingerprint의 추출을 위해 딥러닝(Deep Learning)기반의 고수준 특징을 융합한 세그먼트(Segment) 수준의 Fingerprint 추출방법을 제안한다. 프레임 정보에 대한 융합방법으로 TIRI [2]를 이용한 데이터 수준의 융합과 특징벡터에 대한 풀링(Pooling)을 이용한 특징벡터 수준의 융합을 제안하며 유튜브를 기반으로 수집한 비디오 부분 복사 검출 데이터셋인 VCDB [3]를 이용하여 제안한 방법들의 성능을 분석한다. 최종적으로 샘플링한 5장의 프레임의 특징벡터를 Max 풀링으로 융합하여 비디오 부분 복사 검출 문제에서 66%의 성능을 얻었다.
목차
1. 서론 12. 연구 배경 32.1. 문제 정의 32.2. 관련 연구 62.2.1. Handcraft 기반 비디오 부분 복사 검출방법 72.2.2. 딥러닝 기반 비디오 부분 복사 검출방법 92.3. 기존 연구에 대한 문제점 분석 123. 요구사항 분석 및 설계 153.1. 설계상의 요구사항 153.2. 비디오 부분 복사 검출을 위한 CNN 기반의 세그먼트 Fingerprint 추출방법 173.2.1. 데이터 수준의 융합방법 설계 213.2.2. 특징벡터 수준의 융합방법 설계 223.3. 딥러닝 모델의 학습을 위한 프레임 샘플링 방법 243.4. 비디오 부분복사 검출방법 설계 274. 실험 환경 및 분석 304.1. 실험 환경 및 데이터 분석 304.2. 실험 및 성능 분석 324.2.1. 기존 연구와의 비교 및 평가방법에 대한 검증 324.2.2. 세그먼트 Fingerprint를 이용한 부분 복사 검출 성능 분석 344.3. 기존 연구와의 비교 분석 415. 결론 및 향후 과제 446. 참고 문헌 46
최근 본 자료
댓글(0)
0