[222]딥러닝을 활용한 이미지 검색 포토요약과 타임라인 최종 20161024
•
28 j'aime•11,344 vues
[222]딥러닝을 활용한 이미지 검색 포토요약과 타임라인 최종 20161024
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à [222]딥러닝을 활용한 이미지 검색 포토요약과 타임라인 최종 20161024
Similaire à [222]딥러닝을 활용한 이미지 검색 포토요약과 타임라인 최종 20161024 (20)
Plus de NAVER D2
Plus de NAVER D2 (20)
[222]딥러닝을 활용한 이미지 검색 포토요약과 타임라인 최종 20161024
- 1. 딥러닝을 활용한 이미지 검색: 포토요약과 타임라인 조근희/김시연 NAVER Search
- 2. CONTENTS 1. 이미지 검색과 Deep Learning 2. Deep Learning을 이용한 이미지 검색 사용자 인터페이스 개선 - 포토요약(PhotoDigest) - 타임라인(ImageTimeline)
- 3. 1. 이미지 검색과 Deep Learning
- 4. 들어가기 전에 오늘 이야기할 이미지 검색은? Search by Image 이미지에 대한 Description 이 잘 되어야 한다. 개발 중 나아가 더 잘 보여 줄 수는 없을까? Search by Text Search by Text 이미지 검색 오늘의 주제
- 5. 이미지 Description 이미지에 대한 Description 이 잘 되려면? Description 을 잘 찾아야 … “공개된 Deep Learning 모델을 활용 한 이미지 검색 개선 사례 공유” Description 을 만들어 보자! Deep Learning 이 대세 이미지 인식 및 언어처리 기술 활용 : 일반적인 블로그 포스트
- 6. 오늘의 주제 이미지 검색 품질 개선 사례 4가지(간단히) 이미지 검색 인터페이스 개선 2가지(자세히) - 포토요약과 타임라인 “공개된 Deep Learning 모델을 활용한 이미지 검색 개선 사례 공유”
- 7. Background Deep Learning 모델과 학습 데이터 사용 CNN 기반 Deep Learning 모델 사용 공개 데이터 및 자체 구축 데이터 Topic Modeling 과 데이터 분석 Bag of Words(BoW), TF-IDF, Doc2Vec… K-Means/Agglomerative Clustering, Nearest Neighbor... http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/ Convolution Neural Network TF-IDF Model Doc2Vec Model
- 8. 문제 정의 및 데이터 대규모 데이터 및 이미지 대상 문제 정의 Wanted! 이 데이터 갖고 노실 분 찾 음문제 정의 하나의 이미지와 연관된 𝑚′ (𝑚′ < 𝑚)개의 문장 찾기 𝑚′개의 문장 중 이미지와 연관된 1개의 문장 선택하 기 이미지와 연관된 1개의 문장 중 𝑘 개의 단어 찾기 m개의 문장에 포함되지 않은 tag 부여 1개의 제목, 𝑛개의 이미지, 𝑚개의 문장 1 2 3 참고) 웹수집 문서 16B+ 대상 문서 및 이미지 추출된 Image-Text Pair 약 1.2B+건 최근 1년이내 생성/수정 블로그에서만 전체 2.6B+개의 이미지(2016.09기준) 뉴스/카페/블로그/포스트/폴라등 매일 약 2M 개의 이미지 4
- 9. 이미지 검색 Overview(Very High Level) Document Parser External Input Manager Analyzer/ Merger Meta Text Refiner Deep Image Tagger Learning To Rank 뉴스 카페 블로그 포스트 폴라 … Merged Storage Feature Storage Search Collection Training Collection
- 10. 이미지 검색과 Deep Learning Deep Learning 의 역할 Document Parser Meta Text Refiner Deep Image Tagger External Input Manager 문서 분석 Weakly labeled Image-Text Pair 생성 메타 텍스트 정제 Unsupervised Learning 기반 Image Annotation 이미지 태깅 Supervised Learning 기반 Image Annotation 정답 도구 활용 Training Data 구축 및 활용
- 11. 이미지 검색과 Deep Learning Deep Learning 의 역할 Document Parser Meta Text Refiner Deep Image Tagger External Input Manager 메타 텍스트 정제 이미지 태깅 정답 도구 활용문서 분석 Weakly labeled Image-Text Pair 생성
- 12. 문서 분석(Document Parser) Weakly labeled Image-Text Pair Generation 텍스트와 이미지로 구성된 하나의 문서에서 이미지의 연관 텍스트 추출하기 Body Text 1 Image 1 Text 2 Image 2 Text 3 Text 4 자그마한 산사… ‘안국사’도 그대 로… <p> </p> <p> </p> <p> </p> 고려 박달재 전투 의 영웅 ‘김취려’장 군의 기마상… Image 1 Visuall Distance: 3 Visual Distance: 0 div div div div p div p Image 1 Text 1 Text 2 Body Text 1 Image 1 Text 2 Tag Distance: 3 Tag Distance: 2 Visual Distance Tag Distance Title Title Semantic Distance
- 13. Image-Text Pair 생성과 평 가• 기본적으로 주변 텍스트 추출 기법 활용 • 보조적으로 Word2Vec 등의 Topic Modeling 기법을 이용한 의미적 분 석 • 반복적인 평가를 통한 부적합 케이스 분석 문서 분석(Document Parser)
- 14. 이미지 검색과 Deep Learning Deep Learning 의 역할 Document Parser Meta Text Refiner Deep Image Tagger External Input Manager 문서 분석 이미지 태깅 정답 도구 활용메타 텍스트 정제 Unsupervised Learning 기반 Image Annotation
- 15. 메타 텍스트 정제(Meta Text Refiner) Unsupervised Learning 기반 Image Annotation 여러 문서의 연관 텍스트와 자질을 조합하여 이미지를 설명하는 텍스트 추출하기 DocumentsQuery Search Images in Documents Deep Feature Extracting Clustering Text Modeling Keyword Tagging𝑞 = 𝑞𝑢𝑒𝑟𝑦 𝐷 𝑞 = {𝑑1, 𝑑2,…, 𝑑𝑖} 𝑤ℎ𝑒𝑟𝑒 𝑑 = {𝑇, 𝐼} 𝐼 𝑞 = {𝑖1, 𝑖2,…, 𝑖𝑗} 𝑇𝑘 = {𝑡1, 𝑡2,…, 𝑡 𝑚}𝑉𝑞 = {𝑣1, 𝑣2,…, 𝑣𝑗} 𝐶 𝑘 = {𝑣1, 𝑣2, … , 𝑣𝑙} where 𝑡 = {𝑤1, 𝑤2, … , 𝑤 𝑛} 𝑤 𝑥, 𝑤 𝑦, … 𝑓𝑜𝑟 𝐶 𝑘
- 17. 이미지 검색과 Deep Learning Deep Learning 의 역할 Document Parser Meta Text Refiner Deep Image Tagger External Input Manager 문서 분석 메타 텍스트 정제 정답 도구 활용이미지 태깅 Supervised Learning 기반 Image Annotation
- 18. 이미지 태깅(Deep Image Tagger) Supervised Learning 기반 Image Annotation 사전 학습된 딥러닝 모델을 이용하여 이미지를 설명하는 텍스트 추출하기 Classify Text Modeling Keyword Tagging Learning Classifier Training Data Blog Data 1.5K Classes
- 20. 이미지 검색과 Deep Learning Deep Learning 의 역할 Document Parser Meta Text Refiner Deep Image Tagger External Input Manager 문서 분석 메타 텍스트 정제 이미지 태깅 정답 도구 활용 Training Data 구축 및 활용
- 21. 정답 도구(Answering Tool) Training Data 구축 및 활용 평가자에 의한 대표 이미지 선정 및 Training Data 확보 Evaluator Query Search Select Representative Image Sorting by Similarity Final Search Result Existing Search Result Extracting Deep Feature Calculate Similarity𝑞 = 𝑞𝑢𝑒𝑟𝑦 𝐼 𝑞 = {𝑖1, 𝑖2,…, 𝑖𝑖} 𝑉𝑞 = {𝑣1, 𝑣2,…, 𝑣𝑖} 𝐼 𝑞 = [𝑖1, 𝑖2,…, 𝑖𝑗] 𝐼′ 𝑞 = [𝑖1, 𝑖2,…, 𝑖 𝑘]𝐴 𝑞 = 𝑚𝑒𝑑𝑖𝑎𝑛 𝑣𝑎𝑙𝑢𝑒 𝑜𝑓 𝑠𝑒𝑎𝑟𝑐ℎ 𝑞𝑢𝑒𝑟𝑦 𝑞
- 23. 2. Deep Learning을 이용한 사용자 인터페이스 개선
- 25. 포토요약(PhotoDigest) 이란? 식당/미용실/명소의 리뷰와사진을 분석, 주제별로 구성하여 제공 식당 명소미용실 ?
- 26. 맛집뷰의 탄생 중구 난방의 검색결과, 정리해서 보여 줄 수 없을까? 네이버 블로그 내 맛집 이미지를 모아 분류 및 클러스터링 음식, 메뉴판, 식당 외/내부 이미지 위주
- 27. Can we do better? 이미지 분석 및 언어 처리의 Orchestration 인터페이스도 바꾸고 이름도 붙이자 잘 모여있는 이미지 검색 결과 사용자들이 주로 관심 갖는 클러스터 이미지 분석 개선 언어 처리 ClusteringClassification Annotation
- 28. Deep Feature 추출과 분류 Deep learning 모델과 학습 데이터 범용 데이터를 학습시킨 VGGNet16 모델의 FC7 Layer 추출 deep feature 사용 Classifier and classes deep feature 분류를 위해 OVA(one vs all) 기반 multiclass SVMs 사용 내부, 외부, 메뉴, 음식, 사람, 동물, 건물등으로 분류 SVM http://courses.media.mit.edu/2006fall/mas622j/Projects/aisen-project/#node_bib_4
- 29. Clustering 및 Annotation ‘음식’ 클래스의 Clustering 클러스터 내 이미지 수를 반영하는 동적 클러스 터 수에 따라 Agglomerative clustering 적용 NAVER 언어처리를 이용한 word 추출1 텍스트 마이닝 및 통계 분석 이용2: TFIDF weight, P Value from Chi-square, Standardized Pearson Residual 대표 키워드 추출 Agglomerative Clustering 𝑇1 = {𝑡1, 𝑡2,…, 𝑡𝑖} 𝐶1 = {𝑣1, 𝑣2, … , 𝑣𝑖} where 𝑡 = {𝑤1, 𝑤2, … , 𝑤 𝑘} w, w, … for C1 𝐶2 = {𝑣1, 𝑣2, … , 𝑣𝑗} 𝑇2 = {𝑡1, 𝑡2,…, 𝑡𝑗} where 𝑡 = {𝑤1, 𝑤2, … , 𝑤𝑙} 𝑤, 𝑤, … 𝑓𝑜𝑟 𝐶2 1 2
- 30. 랭킹 및 서비스 확장 식당에서 미용실/명소까지 식당/미용실/명소에 적용, 서비스별 서로 다른 클러스터 랭킹 식당 미용실 명소 다출처 우선 시술사진 우선 대표 이미지 유사도 우선
- 31. Appendix: VGGNet Finetuning(1/3) Food101 데이터로 VGGNet Finetuning 요리가 확대된 이미지에 대해 좋은 Clustering 품질을 보임
- 32. Appendix: VGGNet Finetuning(2/3) Food101 데이터로 VGGNet Finetuning 요리가 아닌 이미지에 대해 Clustering 품질 저하
- 33. Appendix: VGGNet Finetuning(3/3) Food101 데이터로 VGGNet Finetuning 음식 이미지임에도 저품질을 보이는 경우 101개 클래스와 매우 다른 음식인 경우 국내 음식 데이터 분류에 적합하지 않음!
- 34. Summary 이미지 분석과 Text mining의 조합은 강력하다 Deep feature vector 의 Numerical attribute 는 이미지 데이터 분석에 매우 적합 유사 이미지를 군집화하기위해 감독학습 기법과 비감독학습 기법을 이용 전통적인 Text mining 기법은 image recognition 의 품질 개선에 기여 정제되지 않은 사용자 데이터로부터 정제된 검색 결과를 생성 On-going work on active learning Meta Text Refiner (Unsupervised Learning) Deep Image Tagger (Supervised Learning) Training Data 는 자란다!
- 35. 이미지 타임라인 (Image Timeline For Celebrity)
- 36. 누가 찍든 여러 날을 찍어도 찍을 때 마다 새로운 트와이스 “트와이스” 와 “정식당” 은 같은가? 많은 사람이 여러 날을 찍어도, 공통적인 사진이 많아야하는 정식당
- 37. “트와이스” 이미지를 잘 보여주는 방법 “이벤트” 를 “타임라인"으로 같은 날짜, 같은 장소에서 찍힌 “인물” 이미지를 모아서 시간이 흘러가는 대로 보여주자 트와이스 앨범 쇼 잠실 야구장 공연 ... 2016.04.25 2016.05.31 ... 트와이스 앨범 쇼케이스 잠실 야구장 공연 ... 2016.04.25 2016.05.31 ...
- 38. 이미지 타임라인 유명인의 이미지를 이벤트별로 묶어서 시간순으로 제공 일반 통합 검색 스타 통합 검색 이미지 탭 검색
- 39. “트와이스” 이미지 정리하기 Visual Summarization Event Detection 다양한 사진을 다채롭게 정리하자 유명인의 이벤트를 찾아서
- 40. “트와이스” 이미지 정리하기 Visual Summarization Event Detection 다양한 사진을 다채롭게 정리하자 유명인의 이벤트를 찾아서
- 41. “EVENT DETECTION”? 같은 “EVENT”를 중심으로 문서를 클러스터링 하는 것 같은 Event를 다루는 문서인지 판정하여 분류하는 것이 핵심. New 분류 Class : 0 Class : 1 Event
- 42. “인물(다수/복수)”, “시간”, “장소(물리적)” 가 분명한 것 “EVENT”? 인물 이미지를 보는 사용자에게 의미가 있는 “EVENT” 시상식 등 행사 공항 패션 열애설화보
- 43. n개의 이미지 ( n >=1 ) m개의 문장 (0 <= m <=3) 1개의 제목 + 서로 다른 어휘 + 기자님들의 사소한 실수 포토 뉴스 데이터 http://m.entertain.naver.com/read?oid=117&aid=0002814145 http://m.entertain.naver.com/read?oid=117&aid=0002814124
- 44. 데이터 전처리 형태소 분석을 통한 메타데이터 추출 1. “누구” 것인 지 분명히 알아야하니까 2. 텍스트가 너무 짧고 너무 비슷해서 제목, 본문의 TF, 조사의 위치 이용 가장 중요할 것으로 추측되는 명사구 추출
- 45. 분류하기 : 같은 이벤트/다른이벤트 결정 트리를 이용한 분류 BagOfWords로 메타데이터, 본문에서 distance vector 추출하여 학습 Article 인명 명사구 장소 명사구 본문 Article Article Article Class : 같은 이벤트 Class : 다른 이벤트
- 46. 왜 텍스트만 썼지? Doc2Vec Feature ? 같은 “EVENT” 라면 비슷한 공간에 사상되겠지? : 뉴스 기사 약 94만건 제목/본문 학습 참고 : 뉴스 클러스터링 개선을 위한 문서 임베딩 및 이미지 분석 자질의 활용 – HCLT2015, 김시연, 김상범 이벤트는 같아도, 기사의 목적이 다른 경우(예: 사실 전달/작품 리뷰) 성능 저하 발생 Le, Quoc V., and Tomas Mikolov. "Distributed representations of sentences and documents." arXiv preprint arXiv:1405.4053 (2014).
- 47. 왜 텍스트만 썼지? Visual Feature ? 같은 “EVENT” 라면 옷차림이나 헤어스타일이 비슷하지 않을까? : AlexNet FC 7 layer feature 사용 다른 이벤트여도, 비슷한 옷차림/헤어스타일/포즈일 경우 성능 저하 발생 거리 - 0.022 Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks." Advances in neural information processing systems. 2012. 참고 : 뉴스 클러스터링 개선을 위한 문서 임베딩 및 이미지 분석 자질의 활용 – HCLT2015, 김시연, 김상범
- 48. “EVENT”의 동일함을 찾는 Task에선, 여전히 “단어” 자체가 중요 “이미지” 의 유사도는 FP/FN 야기 가능성 존재 예쁘다”와 “아름답다”가 같은 곳에 사상되는게 중요한게 아님 명백한 “사실"을 알 수 있어야 함 같은 이벤트여도 이미지가 다르고, 다른 이벤트여도 이미지가 비슷할 수 있음 Visual Feature은 Text가 하지못한 Outlier 제거 시 활용 참고 : 뉴스 클러스터링 개선을 위한 문서 임베딩 및 이미지 분석 자질의 활용 – HCLT2015, 김시연, 김상범
- 49. 이미지를 Event로 모아서 보면?
- 50. “트와이스” 이미지 정리하기 Visual Summarization Event Detection 다양한 사진을 다채롭게 정리하자 유명인의 이벤트를 찾아서
- 51. 비슷한 이미지끼리 모으기 Visual Feature : AlexNet FC7 feature using caffe [7.686 598, 0, 0, .... ] Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks." Advances in neural information processing systems. 2012.
- 52. 비슷한 이미지끼리 모으기 2단계 K-means Clustering 임의의 k로 K-means Clustering Cluster 정리 Cluster 간 거리 item과 Cluster 중심과의 거리 재 정리한 Central를 입력, K-means Clustering
- 53. 클러스터링한 이미지를 보면? 클러스터 이미지를 그냥 보여주면 중복 같고, 지루하고….
- 54. c@1, i@1 c@1, i@2 c@2, i@1 c@2, i@2 c@3, i@1 c@3, i@2 c@4, i@1 Ranking + Diversification Cluster 간 Ranking : 어떤 종류의 이미지가 좋은 가? Cluster 응집도, Image 개수 고려, Collage Image 고려 Cluster 내 Image Ranking : 각 종류별로 더 좋은 이미지는? Image 품질, Cluster 중심과의 거리, Cluster 내 타 Image 과의 거리 @1@2 @3 @4
- 55. “Event” 설명문 찾기 본문내 문장을 가지고 Clustering, 가장 중심에 있는 문장 선 택이미지만 주면 무슨 이벤트 인지 모르니까 걸그룹 트와이스의 멤버 쯔위가 31 일 잠실 구장에서 진행된… 2016 프로야구 KIA와 LG의 경기가 31일 오후 서울 잠실… 31일 오후 서울 송파구 잠실 야구장에 서 열린 ‘2016 타이어뱅크’…
- 56. Event Card EVENT DATE EVENT DESCRIPTION EVENT IMAGES
- 57. 이미지 타임라인 Event Card == 문서 인 Search By Text
- 58. Summary “Text + Image” For Service 서비스를 위한 기술의 선택과 활용 전통적인 Text mining 기법으로 데이터 한계 극복 Deep feature vector 활용으로 유사 이미지 군집 및 다양성을 고려한 랭킹 적용
- 59. Q&A
- 60. Thank You
Notes de l'éditeur
- 이미지와 텍스트를 어떻게 활
- 4가지 결론만, 2가지 시행착오
- 외부 공개 도구의 경우 부트스크랩등으로 포장을 하기도 하지만 개발자에게는 있어보이는 스타일
- 중고차
- 사람이 찍는 것 > 이제 전혀 어색한 것이 아님
- To sum up, I’d like to emphasize that Cnn 기반 딥러닝 모델 공개 학습 데이터 인기많은 vgg Topic modeling 과 data mining 여기서 다루지 않음