Detailed Information

Cited 0 time in webofscience Cited 0 time in scopus
Metadata Downloads

자막 검출 CNN 모델을 이용한 동의 및 비동의 동영상자동 분류 포렌식

Full metadata record
DC Field Value Language
dc.contributor.author안상근-
dc.contributor.author황진권-
dc.contributor.author김준수-
dc.contributor.author황현욱-
dc.contributor.author이해연-
dc.date.accessioned2024-10-04T09:00:16Z-
dc.date.available2024-10-04T09:00:16Z-
dc.date.issued2024-08-
dc.identifier.issn1976-5304-
dc.identifier.issn2713-931X-
dc.identifier.urihttps://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/28886-
dc.description.abstract동영상을 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.-
dc.format.extent15-
dc.language한국어-
dc.language.isoKOR-
dc.publisher한국디지털포렌식학회-
dc.title자막 검출 CNN 모델을 이용한 동의 및 비동의 동영상자동 분류 포렌식-
dc.title.alternativeAutomatic Agreed or Non-agreed Video Classification Forensics through Caption Detection CNN Model-
dc.typeArticle-
dc.publisher.location대한민국-
dc.identifier.doi10.22798/kdfs.2024.18.3.72-
dc.identifier.bibliographicCitation디지털포렌식연구, v.18, no.3, pp 72 - 86-
dc.citation.title디지털포렌식연구-
dc.citation.volume18-
dc.citation.number3-
dc.citation.startPage72-
dc.citation.endPage86-
dc.identifier.kciidART003117872-
dc.description.isOpenAccessN-
dc.description.journalRegisteredClasskci-
dc.subject.keywordAuthor동의 및 비동의 동영상 분류-
dc.subject.keywordAuthor자막 검출-
dc.subject.keywordAuthorCNN-
dc.subject.keywordAuthor멀티미디어 포렌식-
dc.subject.keywordAuthorAgreed or Non-Agreed Video Classification-
dc.subject.keywordAuthorCaption Detection-
dc.subject.keywordAuthorCNN-
dc.subject.keywordAuthorMultimedia Forensics-
Files in This Item
There are no files associated with this item.
Appears in
Collections
ETC > 1. Journal Articles

qrcode

Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.

Altmetrics

Total Views & Downloads

BROWSE