자막 검출 CNN 모델을 이용한 동의 및 비동의 동영상자동 분류 포렌식Automatic Agreed or Non-agreed Video Classification Forensics through Caption Detection CNN Model
- Other Titles
- Automatic Agreed or Non-agreed Video Classification Forensics through Caption Detection CNN Model
- Authors
- 안상근; 황진권; 김준수; 황현욱; 이해연
- Issue Date
- Aug-2024
- Publisher
- 한국디지털포렌식학회
- Keywords
- 동의 및 비동의 동영상 분류; 자막 검출; CNN; 멀티미디어 포렌식; Agreed or Non-Agreed Video Classification; Caption Detection; CNN; Multimedia Forensics
- Citation
- 디지털포렌식연구, v.18, no.3, pp 72 - 86
- Pages
- 15
- Journal Title
- 디지털포렌식연구
- Volume
- 18
- Number
- 3
- Start Page
- 72
- End Page
- 86
- URI
- https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/28886
- DOI
- 10.22798/kdfs.2024.18.3.72
- ISSN
- 1976-5304
2713-931X
- Abstract
- 동영상을 이용한 디지털 범죄가 증가하고 있지만 방대한 데이터 규모로 인해 인력 및 자원 측면에서 분석에 제약이 있어서 멀티미디어 포렌식에 인공지능을 도입하는 추세이다. 본 논문에서는 동영상에 포함된 자막 검출을 기반으로 동의 및 비동의 동영상을 분류하여 포렌식 분석 대상을 선별하는 알고리즘을 제안한다. 동의 및 비동의 동영상의 기준을 정의하고 동영상을 세그먼트 단위로 분할하여 동영상 데이터셋을 구축하였다. 자막 검출을 위해서 CNN 모델을 설계하여 최적화를 수행한 후에 동영상에 적용하여 자막 검출 비율에 대한 임계값을 기준으로 동의 및 비동의 분류를 수행하였다. 또한 성능 향상을 위한 다양한 실험과 분석을 수행하였다. 그 결과에 따르면 설계한 자막 검출 CNN 모델은 98.1% 정확도를 보였고, 제안한 동의 및 비동의 동영상 분류 알고리즘은 95.9% 정확도를 나타냈다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - ETC > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.