이미지 유사도 측정을 위한 CNN 기반 이미지 임베딩 모델 비교 분석

서민지; 이기용; Minji Seo; Ki Yong Lee

EIRIC MENU

전자정보연구정보센터

로그인

닫기

한글제목(Korean Title)	이미지 유사도 측정을 위한 CNN 기반 이미지 임베딩 모델 비교 분석
영문제목(English Title)	Comparative Analysis of CNN-based Image Embedding Models for Image Similarity Measurement
저자(Author)	서민지 이기용 Minji Seo Ki Yong Lee
원문수록처(Citation)	VOL 46 NO. 01 PP. 0751 ~ 0753 (2019. 06)
한글내용 (Korean Abstract)	이미지 간 유사도를 판단하고자 하는 경우 단순히 픽셀 단위의 이미지를 비교하거나 이미지 사이의 거리를 측정하는 방법만으로는 이미지 간 유사도를 판단하기 어렵다. 특히 이미지의 픽셀 단위 비교만으로는 서로 다른 위치에 존재하는 유사한 패턴을 파악하기 어렵다. 이 문제를 해결하기 위해, 단순히 이미지 사이의 픽셀 비교가 아닌 이미지가 지닌 특징을 벡터로 임베딩하는 유사 이미지 검색 연구들이 존재한다. 본 논문에서는 이미지의 특징을 추출하기 위해 합성곱 신경망(convolutional neural network, CNN)을 이용하고, 추출한 특징을 이미지 유사도 측정에 사용한다. 본 논문에서는 일반적인 전결합 레이어 (fully-connected layer)를 가진 합성곱 신경망 모델, GAP 레이어(global average pooling layer)를 지닌 합성곱 신경망 모델, 그리고 합성곱 신경망 기반의 오토인코더(autoencoder) 모델을 각각 학습시켜 이미 지로부터 특징 벡터를 추출하고 이렇게 추출한 특징 벡터를 사용하여 유사한 이미지를 검색하는 성능을 비교한다. 각각의 방법으로 추출한 특징 벡터를 사용하여 유클리디안 거리(euclidean distance) 및 코사인 유사도(cosine similarity)를 통해 유사한 이미지를 검색한 실험 결과 각각 98.8%, 98.5%, 76.8%의 정확도를 보였다. 본 논문에서 실험한 모델을 통해 입력으로 주어지는 이미지와 가장 유사하다고 판단되는 이미지부터 유사하지 않다고 판단되는 이미지를 유사도 순으로 얻을 수 있다.
영문내용 (English Abstract)
키워드(Keyword)
원문	PDF 다운로드