세미-마르코프 조건 랜덤 필드 기반의수화 적출
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 조성식 | - |
dc.contributor.author | 이성환 | - |
dc.date.accessioned | 2021-09-08T23:12:06Z | - |
dc.date.available | 2021-09-08T23:12:06Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2009 | - |
dc.identifier.issn | 1229-6848 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/121499 | - |
dc.description.abstract | 수화 적출이란 연속된 영상에서 수화의 시작과 끝점을 찾고, 이를 사전에 정의된 수화 단어로 인식하는 방법을 말한다. 수화는 매우 다양한 손의 움직임과 모양으로 구성되어 있고, 그 변화가 다양하여 적출에 많은 어려움이 있다. 특히, 다양한 길이의 궤적 정보로 구성된 수화는 길이가 긴 수화에 대해 짧은 길이를 갖는 수화가 인식에 필요한 정보를 추출하기 어려운 문제점 있다. 본 논문에서는 다양한 길이를 갖는 입력 데이터의 특징을 반영할 수 있는 Semi-Markov Conditional Random Field에 기반하여 다양한 수화의 길이에 강인하게 수화를 적출하는 방법을 제안한다. 성능 평가를 위해 미국 수화와 한국 수화 데이터베이스를 사용하여 연속된 수화 영상에서의 수화 적출 성능을 평가하였고, 실험 결과 기존의 Hidden Markov Model과 Conditional Random Field보다 뛰어난 성능을 보였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보과학회 | - |
dc.title | 세미-마르코프 조건 랜덤 필드 기반의수화 적출 | - |
dc.title.alternative | Sign Language Spotting Based on Semi-Markov Conditional Random Field | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 이성환 | - |
dc.identifier.bibliographicCitation | 정보과학회논문지 : 소프트웨어 및 응용, v.36, no.12, pp.1034 - 1037 | - |
dc.relation.isPartOf | 정보과학회논문지 : 소프트웨어 및 응용 | - |
dc.citation.title | 정보과학회논문지 : 소프트웨어 및 응용 | - |
dc.citation.volume | 36 | - |
dc.citation.number | 12 | - |
dc.citation.startPage | 1034 | - |
dc.citation.endPage | 1037 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART001396459 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | Sign language recognition | - |
dc.subject.keywordAuthor | sign language spotting | - |
dc.subject.keywordAuthor | CRF(conditional random field) | - |
dc.subject.keywordAuthor | semi-CRF(semi-Markov conditional random field) | - |
dc.subject.keywordAuthor | 수화인식 | - |
dc.subject.keywordAuthor | 수화적출 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.