디지털 라이브러리[ 검색결과 ]
다중 스케일 객체 검출을 위한 Graph Convolution Network 기반의 특성 맵 융합 기법
http://doi.org/10.5626/JOK.2022.49.8.627
FPN (Feature Pyramid Network)은 객체 검출의 다중 스케일 문제를 해결하기 위한 특성 맵 융합 기법이다. 그러나, FPN은 인접한 해상도에 초점을 맞추어 특성 맵 융합을 수행하기 때문에 인접하지 않은 계층에 포함된 의미 정보가 희석되는 문제가 있다. 본 논문에서는 다중 스케일 객체 검출을 위한 Graph Convolution Network (GCN) 기반의 특성 맵 융합 기법을 제안한다. 제안된 GCN 기반 방법은 학습 가능한 인접 행렬 가중치에 따라 모든 계층의 특성 맵 정보를 동적으로 융합한다. 인접 행렬 가중치는 객체의 스케일 정보를 적응적으로 반영하기 위해 다중 스케일 attention 메커니즘을 기반으로 생성된다. 특성 맵 융합 과정은 인접 행렬과 특성 노드 행렬 간 행렬 곱 연산을 통해 수행된다. 실험을 통해 기존 FPN 방법보다 PASCAL-VOC 벤치마크 데이터 셋에서 다중 스케일 객체 검출 성능을 향상시키는 것을 보임으로서 제안 기법의 성능을 검증하였다.
온라인 방송에서 시청자 반응 및 의도 기반의 실시간 광고 서비스를 위한 데이터 모델링 기법
http://doi.org/10.5626/JOK.2020.47.11.1086
기존의 광고 서비스와 사용자의 인터랙션은 제한적이다. 개인화된 광고 서비스를 제공하기 위해, 광고 시스템은 사용자의 프로파일 및 사용자-컨텐츠 관계에 기초하여 사용자의 선호도를 예측해야 한다. 사용자의 선호도를 예측하기 위한 방법으로 추천 기법에 대한 많은 연구가 진행되어 왔다. 그러나, 기존의 추천 시스템은 계산 복잡도가 높은 매트릭스를 연산을 수행하기 때문에 실시간 선호도 예측을 보장하기 어렵다. 본 논문에서는 미디어 컨텐츠 시청자의 반응 및 의도 기반의 실시간 광고 서비스를 위한 데이터 모델링 기법을 제안한다. 사용자 선호도를 실시간으로 예측하기 위해 사용자 히스토리 데이터는 트리구조로 구성된다. 트리 구조는 데이터 탐색 및 비교를 로그 시간 복잡도 이내에 수행 가능하다. 추천의 정확도를 향상시키기 위하여 사용자의 긍정적인 평가와 부정적인 평가를 모두 고려한 추천 알고리즘을 제안한다. 마지막으로, 실제 데이터를 통해 제안하는 추천 기법의 성능을 다양한 방법을 통해 평가한다.
