지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이강배
- 발행연도
- 2020
- 저작권
- 동아대학교 논문은 저작권에 의해 보호받습니다.
이용수63
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
지난 몇 년간 인공지능 분야는 비약적인 발전을 이룩하였다. 현재도 인공지능을 활용한 연구는 꾸준히 진행되고 있으며 다양한 분야에 적용되고 있다. 특히 컴퓨팅 성능의 향상으로 인해 컴퓨터 비전 분야에서 그 활용 영역이 꾸준히 넓어지고 있다. 그 중 본 연구에서는 이미지 텍스트 인식에 관련된 연구를 수행하였다. 이미지 속 텍스트 인식에 관련한 선행 연구는 OCR(Optical Character Recognition)이 있으며 오늘 날 이미지 데이터를 활용해 텍스트를 검출하는 대표적인 기법이라고 할 수 있다. 하지만 OCR은 일정한 규격에서 벗어나거나 이미지의 변형이 있을 경우 인식률이 떨어진다. 또한, OCR의 경우 다양한 글씨체를 인식하는 문제에서 한계점이 있다. 이러한 한계점을 해결하기 위해 선행연구에서는 인공신경망 기법 중 하나인 딥 러닝을 적용하였다. 하지만 선행연구의 텍스트 인식 범위는 대부분 영어 및 숫자에 그쳐 한글 인식과 관련된 연구는 미흡하다. 따라서 본 연구에서는 기존의 한글 OCR의 한계점을 극복하기 위해 딥 러닝 기법을 활용한 개선된 OCR을 제안하였다.
본 연구에서는 선행연구에서 제안된 알고리즘 성능을 개선하기 위해 새로운 알고리즘 구조를 제안하였으며 한글 데이터 학습을 통해 OCR의 인식 범위를 확대하였다. 따라서 본 연구에서 제안된 알고리즘의 경우 영어, 숫자 인식뿐만 아니라 한글 인식까지 포함한다. 본 연구를 통해 개선된 텍스트 인식 알고리즘 제시할 뿐 아니라 텍스트 인식 범위를 한글까지 확장할 수 있다.
본 연구에서는 선행연구에서 제안된 알고리즘 성능을 개선하기 위해 새로운 알고리즘 구조를 제안하였으며 한글 데이터 학습을 통해 OCR의 인식 범위를 확대하였다. 따라서 본 연구에서 제안된 알고리즘의 경우 영어, 숫자 인식뿐만 아니라 한글 인식까지 포함한다. 본 연구를 통해 개선된 텍스트 인식 알고리즘 제시할 뿐 아니라 텍스트 인식 범위를 한글까지 확장할 수 있다.
목차
Ⅰ. 서론 11. 연구의 배경과 목적 12. 연구 범위 및 연구 방법 3Ⅱ. 이론적 배경 및 선행연구 검토 41. OCR 42. 딥 러닝 71) 딥 러닝이란 72) Convolutional Neural Network 93. 딥 러닝을 활용한 텍스트 인식 111) 텍스트 검출 112) 텍스트 인식 13Ⅲ. 한글 인식을 위한 알고리즘 구축 151. 데이터 설명 152. Convolution Recurrent Neural Network 163. Bottle-Convolution Recurrent Neural Network 22Ⅳ. 학습 및 성능 평가 271. 평가 방법 및 학습 방법 271) 실험환경 272) 평가 방법 283) 학습 방법 302. 알고리즘 성능 평가 311) CRNN과 Bottle-CRNN 성능비교 312) 한글 인식 성능 검증 33Ⅴ. 결론 및 향후 연구방향 351. 결론 352. 한계점 및 향후 연구방향 36참고문헌 37영문초록 40
최근 본 자료
댓글(0)
0