주 메뉴 열기

바뀜

 
[[영상 처리]] 분야에서는 영상의 분할, 라벨링 문제에서 조건부 무작위장을 이용하는것이 효율적이라 알려져 있다. 특히 이들을 PET 영상에서 뇌의 각 영역들을 분할하거나, 암 세포 등의 병변을 분할해내는데에 활용한 연구들이 있다.<ref>김선월, and 조완현. "의료영상분할을 위한 조건부 랜덤 필드 모델링." 한국멀티미디어학회 학술발표논문집 (2009): 641-642.</ref><ref>Lee, Chi-Hoon, et al. "Segmenting brain tumors with conditional random fields and support vector machines." Computer vision for biomedical image applications. Springer Berlin Heidelberg, 2005. 469-478.</ref><br>
또한 [[컴퓨터 비전]] 분야에서는 카메라를 통해 입력되는 영상 시퀀스로부터 자동으로 사람의 행위를 구별하거나<ref>김혜숙, and 김인철. "시점 불변인 특징과 확률 그래프 모델을 이용한 인간 행위 인식." 정보과학회논문지 41.11 (2014): 927-934.</ref>, 제스쳐 인식 모델로서 조건부 무작위장을 활용한 예<ref>허세경, et al. "특징 변환과 은닉 마코프 모델을 이용한 팔 제스처 인식 시스템의 설계." 정보처리학회논문지. 소프트웨어 및 데이터 공학 2.10 (2013): 723-730.</ref>, 그리고 조건부 무작위장을 이용한 객체 분할로 2D 동영상을 3D 동영상으로 변환한 연구 등을 찾아볼 수 있었다.<ref>이상학. "학습기반의 객체분할과 Optical Flow 를 활용한 2D 동영상의 3D 변환." 한국인터넷방송통신학회 논문지 11.3 (2011): 129-135.</ref>
[[자연어 처리]] 분야에서 대화에서 화자의 의도를 통계적으로 예측하기 위한 모델로서 활용되기도 하는 한편, 문서의 범주화, 절인식 등의 구문분석에 이용되는 등 다양한 활용의 예를 찾아볼 수 있다.<ref>김동현, 김학수, and 서정연. "목적지향 대화에서 화자 의도의 통계적 예측 모델." 정보과학회논문지: 소프트웨어 및 응용 35.9 (2008): 554-561.</ref><ref>김학수. "능동학습법을 이용한 한국어 대화체 문장의 효율적 의미 구조 분석." 정보과학회논문지: 소프트웨어 및 응용 35.5 (2008): 306-312.</ref><ref>임석향, et al. "언어 모델을 이용한 유해 문서 분류." 한국정보과학회 학술발표논문집 36.1C (2009): 301-304.</ref><ref>배원식, and 차정원. "TextRank 알고리즘을 이용한 문서 범주화." 정보과학회논문지: 컴퓨팅의 실제 및 레터 16.1 (2010): 110-114.</ref><ref>정헌영, et al. "의견의 주체를 찾기 위한 후보어휘의 의견주체점수 부여 방법과 Self-training." 한국정보과학회 학술발표논문집 36.1C (2009): 341-345.</ref>
 
 
=== 해외에서의 연구 ===

편집

40