-
公开(公告)号：KR1020070011092A
公开(公告)日：2007-01-24
申请号：KR1020060049037
申请日：2006-05-30
IPC: H04N21/8543 , H04N21/235 , H04N1/41
CPC classification number: H04N21/435 , G06F17/30017 , G06F17/30265 , G06F17/3028 , H04N21/235 , H04N21/2383 , H04N21/2743 , H04N21/4131 , H04N21/8153 , H04N21/84
Abstract: A method and apparatus for encoding multimedia contents, and a method and a system of applying encoded multimedia are provided to effectively browse or share multimedia contents even when a user does not have a special application or when the multimedia contents encoding apparatus does not include a function of using meta data. A method of encoding multimedia contents includes steps of separating media data and meta data from the multimedia contents, generating meta data conforming to a predetermined standard format using the separated meta data, and encoding the media data and the meta data conforming to the standard format to generate a multimedia application format file including a header having information indicating the media data, the meta data and the media data. The meta data conforming to the standard format includes media album meta data.
Abstract translation: 提供一种用于编码多媒体内容的方法和装置，以及应用编码多媒体的方法和系统，以便即使当用户没有特殊应用时或者当多媒体内容编码装置不包括功能时，也可有效地浏览或共享多媒体内容 使用元数据。 一种编码多媒体内容的方法包括以下步骤：从多媒体内容中分离媒体数据和元数据，使用分离的元数据生成符合预定标准格式的元数据，以及将符合标准格式的媒体数据和元数据进行编码 生成包括具有指示媒体数据，元数据和媒体数据的信息的头的多媒体应用格式文件。 符合标准格式的元数据包括媒体专辑元数据。
-
公开(公告)号：KR1020030084418A
公开(公告)日：2003-11-01
申请号：KR1020020023129
申请日：2002-04-26
Applicant: 한국전자통신연구원 , 한국과학기술원 , 주식회사 코아브리드
IPC: G06F17/30
Abstract: PURPOSE: A search preference item defining and a multimedia contents search structure are provided to define and describe a user search preference item for referring to user characteristics in performing a contents based search operation so that it enables a user to search for desired contents more correctly. CONSTITUTION: The structure comprises a query input module(100), a user search preference description module(200), a query contents adaptation module(300), a search execution module(400), a specific value database(500), a search result adaptation module(600) and a search result output module(700). If a user inputs query contents at the query input module(100), the query contents with the user search preference, output by the user search preference description module(200), is transmitted to the query contents adaptation module(300). The adapted characteristic value of the query contents is transmitted to the search execution module(400), and is compared with the characteristic value stored at the database(500). The compared result is transmitted to the search result adaptation module(600), and is adapted according to the user search preference. Finally, the search result is output by the search result output module(700).
Abstract translation: 目的：提供定义的搜索优选项目和多媒体内容搜索结构，以定义和描述用于在执行基于内容的搜索操作时参考用户特征的用户搜索偏好项，使得其能够更准确地搜索期望的内容。 构成：该结构包括查询输入模块（100），用户搜索偏好描述模块（200），查询内容适配模块（300），搜索执行模块（400），特定值数据库（500），搜索 结果适配模块（600）和搜索结果输出模块（700）。 如果用户在查询输入模块（100）输入查询内容，则由用户搜索偏好描述模块（200）输出的具有用户搜索偏好的查询内容被发送到查询内容适配模块（300）。 将查询内容的适应特征值发送到搜索执行模块（400），并与存储在数据库（500）的特征值进行比较。 将比较结果发送到搜索结果适配模块（600），并根据用户搜索偏好进行调整。 最后，搜索结果输出模块（700）输出搜索结果。
-
公开(公告)号：KR102216279B1
公开(公告)日：2021-02-17
申请号：KR1020190008006
申请日：2019-01-22
Applicant: 한국과학기술원
Abstract: 본발명은딥 네트워크를이용하여유방종괴의모양(shape) 및경계(margin)에대한시각적증거를해석하는방법및 그시스템에관한것으로, 타겟종괴특성을인코딩하는단계, 상기인코딩된타겟종괴특성에대응하는모양특성및 경계특성의종괴이미지를생성하는단계및 상기종괴이미지와종괴특성샘플을입력으로하는딥 네트워크를이용하여타겟종괴에대한시각적증거(visual evidence)를측정하는단계를포함한다.
-
-
-
Patent Agency Ranking
公开(公告)号：KR1020170112857A
公开(公告)日：2017-10-12
申请号：KR1020160063555
申请日：2016-05-24
Applicant: 한국과학기술원
Abstract: 미세얼굴다이나믹의딥 러닝분석을통한미세표정인식방법및 장치가개시된다. 본발명의일 실시예에따른미세표정학습방법은입력비디오에서미리정의된미세표정들에대한프레임들을추출하고, 상기추출된프레임들에대한공간적인특징을학습하여공간적인학습모델을생성하는단계; 및상기생성된공간적인학습모델을이용하여상기입력비디오의모든프레임들에대한공간적인특징을추출하고, 상기모든프레임들에대해추출된공간적인특징을이용하여시간적인학습모델을생성함으로써, 상기미세표정들각각을학습하는단계를포함한다.
Abstract translation: 公开了一种通过精细面部动态的深度分析精细面部识别的方法和装置。 根据本发明的一个实施例细表达式学习方法包括提取装置，用于在输入视频的预先定义的精细表达该帧的步骤，并且通过学习的空间特性对所提取帧生成空间学习模型 。 并且使用所生成的空间学习模型来提取输入视频的所有帧的空间特征并且使用所提取的空间特征来生成所有帧的时间学习模型， 并学习每一个美好的表达。
-
57.发明公开
公开(公告)号：KR1020170106755A
公开(公告)日：2017-09-22
申请号：KR1020160030246
申请日：2016-03-14
Applicant: 한국과학기술원
Abstract: 감성 TV를위한표정인식기반스테레오스코픽 3D 콘텐츠에기인한시각피로도측정방법은상기 3D 콘텐츠가시청자에게제공될때의상기시청자의얼굴영상을획득하는단계; 상기얼굴영상에대해얼굴영역검출/정규화를수행하는단계; 얼굴기하학(geometry) 또는모양(appearance) 중적어도어느하나에기초하여, 상기정규화가수행된얼굴영상으로부터표정특징을추출하는단계; 및상기표정특징에기계학습알고리즘을적용하여상기시청자의불편감여부를판단하는단계를포함한다.
Abstract translation: 一种基于情感TV的面部表情识别来测量立体3D内容引起的视觉疲劳的方法，包括以下步骤：当向观看者提供3D内容时，获取观看者的脸部图像; 在人脸图像上执行人脸区域检测/标准化; 基于面部几何形状或外观中的任何一个从规范化的面部图像中提取面部特征; 并且将机器学习算法应用于面部特征以确定观看者是否不舒服。
-
公开(公告)号：KR1020170091469A
公开(公告)日：2017-08-09
申请号：KR1020160012541
申请日：2016-02-01
Applicant: 한국과학기술원
Abstract: 피부색모델과모션정보를융합한관심영역을이용한얼굴검출방법및 장치가개시된다. 본발명의일 실시예에따른얼굴검출방법은입력된비디오영상에대하여, 피부색정보와모션정보에기초하여관심영역을설정하는단계; 및상기설정된관심영역에기초하여얼굴을검출하는단계를포함하고, 상기관심영역을설정하는단계는상기입력된비디오영상에대하여, 미리결정된피부색모델을만족하는상기피부색정보에대응하는픽셀영역을결정하는단계; 및상기결정된픽셀영역에대한모션정보를이용하여상기관심영역을설정하는단계를포함할수 있다.
-
公开(公告)号：KR101730964B1
公开(公告)日：2017-04-27
申请号：KR1020150077219
申请日：2015-06-01
Applicant: 한국과학기술원
IPC: G07D5/00
Abstract: 본발명에따른이진화패턴을이용한동전인식방법은, 동전영역에대응하게세그먼테이션된사각형의동전영상을획득하는과정과, 획득된상기동전영상으로부터미분영상을생성하는과정과, 생성된상기미분영상으로부터동심원형태의고리(ring) 내분할된서브영역들에대한에지강도변화패턴의추출을통해영역이진화패턴을추출하는과정과, 추출된상기영역이진화패턴과트레이닝용동전영상의기준이진화패턴간의비유사도측정을통해동전의종류를분류하는과정을포함할수 있다.
Abstract translation: 根据本发明的使用二值图案的硬币识别方法包括以下步骤：获取与硬币区域对应的分段四边形的四边形图像;从获得的硬币图像生成差分图像; 通过提取同心环中划分的子区域的边缘强度变化图案并且将提取的二值化图案与提取的二值化图案的参考二值化图案进行比较并训练硬币图像来提取区域二值化图案， 它可能包括通过测量分类硬币类型的过程。
-
公开(公告)号：KR101681233B1
公开(公告)日：2016-12-12
申请号：KR1020140091821
申请日：2014-07-21
Applicant: 한국과학기술원
Abstract: 본발명에따르면, 저에너지및 저해상도얼굴검출에있어서, 입력영상에대해얼굴검출을위한윈도우크기에해당하는해상도까지영상을줄이면서윈도우를슬라이딩하여얼굴을검출하며, 얼굴검출에있어서는각 윈도우의구조적특성과분산을이용하여사전필터링을수행하여얼굴이포함되지않은윈도우를빠르게제거하고, 사전필터링을통과한윈도우에대해서는국부블록질감특징과특징템플릿과매칭하여최종관심영역을추출한후 관심영역에대해서만상대적으로계산량이큰 분류기를사용하여얼굴을검출함으로써저 에너지또는저 해상도를가지는얼굴및 사람을보다효율적으로검출할수 있다.
Abstract translation: 本发明在检测低能量和低分辨率的脸部时，包括以下步骤：在将图像滑动到与用于检测脸部的窗口大小相对应的窗口大小的分辨率下进行检测; 使用结构特征和每个窗口在检测面部的分布来执行先前的过滤操作以快速移除不包括脸部的窗口; 将局部块纹理特征与相对于已经通过先前过滤操作的窗口的特征模板进行匹配以提取最终感兴趣的区域; 并且仅使用感兴趣区域，使用具有相对较大计算量的分类器来检测脸部，从而更有效地检测脸部和具有低能量或低分辨率的人物。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.027 seconds)
