| 1 |
1
(a) 서버에 의해, 다수의 필기 샘플이 포함된 데이터 셋이 활용되어 복수 개의 서로 다른 유형의 기계학습 모델이 생성되는 단계;(b) 단말기 상에 겹쳐진 글씨를 포함하는 필기가 입력되는 단계;(c) 상기 복수 개의 기계학습 모델이 적용되는 단계; (d) 상기 복수 개의 기계학습 모델 중 어느 하나가 선택되는 단계; 및(e) 상기 선택된 하나의 기계학습 모델이 사용되어 상기 겹쳐진 글씨가 겹쳐진 상태가 아닌 각각 분리된 상태의 텍스트로 인식되는 단계;를 포함하며,상기 서버는 번역기 및 상기 번역기와 연결된 복수 개의 스트림을 포함하는 스트림부를 더 포함하고,상기 겹쳐진 글씨는 번역기를 통해 입력된 값이 해석되며,상기 해석된 값은 상기 스트림부로 전달되어 각각의 스트림과 연결된 기계학습 모델이 적용되어 상기 겹쳐진 글씨가 각각 분리된 상태로 인식되는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 2 |
2
제 1 항에 있어서,상기 (d) 단계에서 상기 선택된 하나의 기계학습 모델은 상기 복수 개의 기계학습 모델 중 결과 출력 속도가 가장 빠른 것인,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 3 |
3
제 1 항에 있어서,상기 (d) 단계에서 상기 선택된 하나의 기계학습 모델은 상기 복수 개의 기계학습 모델 중 결과의 정확도가 가장 높은 것인, 복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 4 |
4
제 1 항에 있어서,상기 (c) 단계에서 상기 복수 개의 기계학습 모델이 적용되는 동안에 상기 (d) 단계에서 상기 하나의 기계학습 모델이 선택될 경우에, 나머지 기계학습 모델의 적용이 정지되는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 5 |
5
제 1 항에 있어서,상기 복수 개의 기계학습 모델은 회귀(Regression), 콘볼루션 신경망(Convolutional Neural Network, CNN), 레스넷(ResNet) 및 캡스넷(CapsNet) 중 적어도 어느 하나를 포함하는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 6 |
6
제 1 항에 있어서,(f) 상기 필기 및 상기 텍스트가 상기 데이터 셋에 추가로 저장되어 갱신되는 단계; 및 (g) 상기 서버에 의해, 상기 갱신된 데이터 셋이 활용되어 복수 개의 서로 다른 유형의 기계학습 모델이 생성되는 단계;를 더 포함하는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법
|
| 7 |
7
제 1 항 내지 제 6 항 중 어느 한 항에 따른 복수 개의 기계학습 모델을 사용한 실시간 필기 인식 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
|
| 8 |
8
겹쳐진 글씨를 포함하는 필기가 입력되는 단말기; 및상기 단말기와 통신 가능한 서버;를 포함하고,상기 서버는,복수 개의 기계학습 모델, 및 데이터 셋과 상기 복수 개의 기계학습 모델을 저장하는 메모리;를 포함하고,상기 복수 개의 기계학습 모델 중 어느 하나가 선택되고 사용되어 상기 겹쳐진 글씨가 겹쳐진 상태가 아닌 각각 분리된 상태의 텍스트로 인식되며,상기 서버는 번역기 및 상기 번역기와 연결된 복수 개의 스트림을 포함하는 스트림부를 더 포함하고,상기 겹쳐진 글씨는 번역기를 통해 입력된 값이 해석되며,상기 해석된 값은 상기 스트림부로 전달되어 각각의 스트림과 연결된 기계학습 모델이 적용되어 상기 겹쳐진 글씨가 각각 분리된 상태로 인식되는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 시스템
|
| 9 |
9
삭제
|
| 10 |
10
제 8 항에 있어서,상기 번역기는 자바 가상 머신인,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 시스템
|
| 11 |
11
제 8 항에 있어서, 상기 복수 개의 기계학습 모델은 회귀, 콘볼루션 신경망, 레스넷 및 캡스넷 중 적어도 어느 하나를 포함하는,복수 개의 기계학습 모델을 사용한 실시간 필기 인식 시스템
|
