특히, 영상정보에서 객체를 인식하는 기술은 매우 중요한 핵심 기술이 되었다.
지금은 객체를 인식하는 것에서 발전하여 다양한 객체가 존재하는 영상정보에서
상황을 인식하고 판단할 수 있게 발전시키기 위한 연구가 진행되고 있다.
장면 설명을 하는 방식에서 발전하여 객체 간의 관계를 나타내는 정보를 포함하고
장면 설명을 마우스 트레이스와 매핑시켜 동작이나 상황 정보를 쉽게 제공할 수 있게 되었다. 이러한 노력 들은 영상 데이터의 상황을 판단하고 설명할 수 있도록
학습과 판단에 효율적인 방법을 하기 위한 것이다.
본 고에서는 대표적인 학습용 영상 데이터인 COCO, Open Image, Visual Genome에 대해 살펴보고
새로 추가된 영상 데이터 구성과 특성을 설명하고자 한다.
앞으로, 더욱 효율적으로 학습하고 판단이 가능한 발전된 영상 데이터 셋을 만들기 위한
노력이 계속 될 것이며, 발전된 영상 데이터 셋은 더욱더 많은 분야에 인공지능이 활용되고 신뢰성을 높이는 중요한 기반이 될 것이다.
<목차>
Ⅰ. 서론
Ⅱ. COCO
Ⅲ. Open Image
Ⅳ. Visual Genome
Ⅴ. 결론
* 출처 : 정보통신기획평가원 / 주간기술동향 1988호
* 자세한 내용은 첨부파일을 참고하여 주시기 바랍니다.
추천 리포트
-
[동향보고서] 임베디드 인공지능 SW 기술맵 동향
-
[동향보고서] 미국 CSET, 인공지능 인력 보고서 발표
-
[동향보고서] 인공지능 프로세서 컴파일러 개발 동향
-
[동향보고서] 국가 인공지능 연구지수 : 혁신을 향한 경쟁
-
[코센리포트] 인공지능과 언어 모델
-
[동향보고서] 병렬 컴퓨팅 기반 인공지능 프로세서 기술 동향
-
[동향보고서] 미래 인공지능 기술과 서비스 생태계
-
[동향보고서] 미국, 인공지능 시스템의 사이버 보안 강화 방안 발표
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)