| 1 |
1
텍스트 영역 식별장치가, 대상 이미지에서 텍스트 영역을 식별하는 방법에 있어서,상기 대상 이미지로부터 복수의 패치 이미지들을 추출하는 단계;상기 복수의 패치 이미지들 각각이 텍스트 이미지로 분류될 확률을 계산하는 단계; 및상기 대상 이미지의 픽셀들 각각이 텍스트 영역으로 분류될 확률을 계산하는 단계;를 포함하며,상기 픽셀들 각각이 텍스트 영역으로 분류될 확률을 계산하는 단계는, 상기 복수의 패치 이미지들 가운데, 미리 정의된 픽셀을 포함하는 패치 이미지들이 상기 텍스트 이미지로 분류될 확률 값들에 기초하여, 상기 미리 정의된 픽셀이 텍스트 영역으로 분류될 확률을 계산하는 텍스트 영역을 식별하는 방법
|
| 2 |
2
청구항 1에 있어서,상기 복수의 패치 이미지들 각각은 복수의 픽셀들을 포함하도록 추출되는, 텍스트 영역을 식별하는 방법
|
| 3 |
3
청구항 2에 있어서,상기 복수의 패치 이미지들 각각은, 서로 인접한 패치 이미지들이 적어도 하나의 픽셀을 공유하도록 추출되는 텍스트 영역을 식별하는 방법
|
| 4 |
4
청구항 1에 있어서,상기 복수의 패치 이미지들 각각은, 상기 패치 이미지들 각각이 a×b 개의 픽셀을 포함하고, 패치 이미지들 각각의 시작 픽셀들이 각각 k×l 개의 픽셀만큼 이격되도록 추출되는 텍스트 영역을 식별하는 방법
|
| 5 |
5
청구항 1에 있어서,상기 복수의 패치 이미지들 각각이 텍스트 이미지로 분류될 확률은 심층 컨볼루셔널 신경망(Deep Convolutional Neural Networks)을 이용하여 계산되는 텍스트 영역을 식별하는 방법
|
| 6 |
6
청구항 5에 있어서,필터 커널을 이용하여 상기 패치 이미지에 대한 컨볼루션 이미지를 추출하는 단계; 및 상기 컨볼루션 이미지에 대한 풀링(pooling)을 실시하는 단계를 포함하는 텍스트 영역을 식별하는 방법
|
| 7 |
7
청구항 5에 있어서,복수의 테스트 이미지들을 이용하여, 상기 심층 컨볼루셔널 신경망을 학습시키는 단계;를 더 포함하는 텍스트 영역을 식별하는 방법
|
| 8 |
8
청구항 7에 있어서,상기 심층 컨볼루셔널 신경망을 학습시키는 단계는,상기 테스트 이미지에서 복수의 패치 이미지들을 추출하는 단계; 상기 테스트 이미지로부터 추출된 복수의 패치 이미지들 각각이 텍스트 이미지인지 여부에 대한 분류 정보를 수신하는 단계; 및 상기 분류 정보를 이용하여, 상기 심층 컨볼루셔널 신경망을 학습시키는 단계를 포함하는 텍스트 영역을 식별하는 방법
|
| 9 |
9
청구항 1에 있어서,상기 미리 정의된 픽셀이 텍스트 영역으로 분류될 확률을 계산하는 단계는,상기 미리 정의된 픽셀을 포함하는 패치 이미지들 각각이 상기 텍스트 이미지로 분류될 확률들의 제곱 합을 계산하는 단계; 및상기 확률들의 제곱 합을 정규화(normalize) 시키는 단계를 포함하는 텍스트 영역을 식별하는 방법
|
| 10 |
10
청구항 1에 있어서,상기 대상 이미지의 상기 픽셀들 각각이 상기 텍스트 영역으로 분류될 확률 값들로부터, 확률 분포맵을 생성하는 단계;상기 확률 분포맵의 행별로, 상기 픽셀들이 텍스트 영역으로 분류될 확률 값들을 합산함으로써, 수평 프로젝션 프로파일을 계산하는 단계;상기 확률 분포맵의 열별로, 상기 픽셀들이 텍스트 영역으로 분류될 확률 값들을 합산함으로써, 수직 프로젝션 프로파일을 계산하는 단계; 및상기 수평 프로젝션 프로파일 및 상기 수직 프로젝션 프로파일로부터 텍스트 영역을 결정하는 단계;를 더 포함하는 텍스트 영역을 식별하는 방법
|
| 11 |
11
대상 이미지에서 텍스트 영역을 식별하는 장치에 있어서,프로세서(processor); 및상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory);를 포함하고,상기 적어도 하나의 명령은, 상기 대상 이미지로부터 복수의 패치 이미지들을 추출하고; 상기 복수의 패치 이미지들 각각이 텍스트 이미지로 분류될 확률을 계산하고; 상기 대상 이미지의 픽셀들 각각이 텍스트 영역으로 분류될 확률을 계산하도록 수행되며,상기 각각의 픽셀이 텍스트 영역으로 분류될 확률의 계산은, 상기 복수의 패치 이미지들 가운데, 미리 정의된의 픽셀을 포함하는 패치 이미지들 각각이 상기 텍스트 이미지로 분류될 확률 값들로부터 상기 미리 정의된 픽셀이 텍스트 영역으로 분류될 확률을 계산함으로써 수행되는 텍스트 영역 식별 장치
|
| 12 |
12
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 패치 이미지들 각각이 복수의 픽셀을 포함하도록 상기 패치 이미지들을 추출하도록 실행되는 텍스트 영역 식별 장치
|
| 13 |
13
청구항 12에 있어서,상기 적어도 하나의 명령은,서로 인접한 패치 이미지들이 적어도 하나의 픽셀을 공유하도록 상기 패치 이미지들을 추출하도록 실행되는 텍스트 영역 식별 장치
|
| 14 |
14
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 패치 이미지들 각각이 a×b 개의 픽셀을 포함하고, 패치 이미지들의 은 k×l 픽셀만큼 이격 되도록 상기 패치 이미지들을 추출하도록 실행되는 텍스트 영역 식별 장치
|
| 15 |
15
청구항 11에 있어서,상기 적어도 하나의 명령은,심층 컨볼루셔널 신경망(Deep Convolutional Neural Networks)을 이용하여 상기 복수의 패치 이미지들 각각이 텍스트 이미지로 분류될 확률을 계산하도록 실행되는 텍스트 영역 식별 장치
|
| 16 |
16
청구항 15에 있어서,상기 적어도 하나의 명령은,필터 커널을 이용하여 상기 패치 이미지에 대한 컨볼루션 이미지를 추출하고, 상기 컨볼루션 이미지에 대한 풀링(pooling)을 실시하도록 실행되는 텍스트 영역 식별 장치
|
| 17 |
17
청구항 15에 있어서,상기 메모리는 복수의 테스트 이미지를 저장하며, 상기 적어도 하나의 명령은,복수의 테스트 이미지를 이용하여, 상기 심층 컨볼루셔널 신경망을 학습시키고, 학습 결과를 상기 메모리에 저장하도록 실행되는 텍스트 영역 식별 장치
|
| 18 |
18
청구항 17에 있어서,상기 적어도 하나의 명령은,상기 테스트 이미지에서 복수의 패치 이미지들을 추출하고, 상기 테스트 이미지로부터 추출된 복수의 패치 이미지들 각각이 텍스트 이미지인지 여부에 대한 분류 정보를 입력 받고, 상기 분류 정보를 이용하여 상기 심층 컨볼루셔널 신경망을 학습시키도록 실행되는 텍스트 영역 식별 장치
|
| 19 |
19
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 미리 정의된 픽셀을 포함하는 패치 이미지들 각각이 상기 텍스트 이미지로 분류될 확률들의 제곱 합을 계산하고, 상기 확률들의 제곱 합을 정규화(normalize) 시키도록 실행되는 텍스트 영역 식별 장치
|
| 20 |
20
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 픽셀들 각각이 상기 텍스트 영역으로 분류될 확률 값들로부터, 확률 분포맵을 생성하고, 상기 확률 분포맵의 행 별로, 상기 픽셀들이 텍스트 영역으로 분류될 확률 값들을 합산함으로써, 수평 프로젝션 프로파일을 계산하고, 상기 확률 분포맵의 열 별로, 상기 픽셀들이 텍스트 영역으로 분류될 확률 값들을 합산함으로써, 수직 프로젝션 프로파일을 계산하고, 상기 수평 프로젝션 프로파일 및 상기 수직 프로젝션 프로파일로부터 텍스트 영역을 결정하도록 실행되는 텍스트 영역 식별 장치
|
