| 1 |
1
대상 이미지에서 문자열을 식별하는 방법에 있어서,상기 대상 이미지로부터 미리 정해진 간격으로 복수의 제1 부분 이미지들을 추출하는 단계;상기 복수의 제1 부분 이미지들 각각이 문자로 분류될 확률을 계산하여, 제1 확률 맵을 생성하는 단계;상기 제1 확률 맵에 기초하여, 상기 대상 이미지에서 문자열의 세로 방향 위치를 추정하는 단계;상기 세로 방향 위치를 기준으로 복수의 제2 부분 이미지들을 추출하는 단계;상기 복수의 제2 부분 이미지들 각각이 문자 또는 배경으로 분류될 확률을 계산하여, 제2 확률 맵을 생성하는 단계;상기 제2 확률 맵에 기초하여, 상기 문자열의 위치 및 문자 간격을 획득하는 단계;를 포함하는 문자열 식별 방법
|
| 2 |
2
청구항 1에 있어서,상기 문자열의 세로 방향 위치를 추정하는 단계는,상기 제1 확률 맵의 각 행(row)에 포함된 픽셀들이 텍스트 영역으로 분류될 확률 값들을 합산함으로써, 가로 투영 프로파일을 계산하고, 상기 가로 투영 프로파일에 기초하여, 상기 문자열의 세로 방향 위치를 추정하는 문자열 식별 방법
|
| 3 |
3
청구항 1에 있어서,상기 제2 부분 이미지들을 추출하는 단계는, 상기 대상 이미지에서, 상기 세로 방향 위치를 기준으로 적어도 하나의 서브 이미지를 추출하고, 상기 적어도 하나의 서브 이미지에서 상기 제2 부분 이미지들을 추출하는 문자열 식별 방법
|
| 4 |
4
청구항 1에 있어서,상기 제2 부분 이미지들 사이의 간격은, 상기 제1 부분 이미지들 사이의 간격보다 작게 설정되는 문자열 식별 방법
|
| 5 |
5
청구항 1에 있어서,상기 제2 확률 맵을 생성하는 단계는,상기 제2 부분 이미지들 각각이 배경 또는 문자들 각각으로 분류될 확률 값들을 나타내는 확률 벡터들을 계산함으로써, 상기 제2 확률 맵을 생성하는 문자열 식별 방법
|
| 6 |
6
청구항 5에 있어서,상기 문자열의 가로 위치 및 문자 간격을 결정하는 단계는, 상기 제2 확률 맵의 인접한 픽셀들에 대응하는 확률 벡터들의 합으로부터 중첩 확률 맵을 생성하고, 상기 중첩 확률 맵으로부터 문자열의 가로 위치 및 문자 간격을 결정하는 문자열 식별 방법
|
| 7 |
7
청구항 6에 있어서,상기 중첩 확률 맵은 수학식 1에 의해 생성되는 문자열 식별 방법
|
| 8 |
8
청구항 6에 있어서,상기 중첩 확률 맵은 수학식 2에 의해 생성되는 문자열 식별 방법
|
| 9 |
9
청구항 6에 있어서,상기 문자열의 위치 및 문자 간격을 획득하는 단계는, 상기 중첩 확률 맵에 기초하여, 문자열의 위치 및 문자 간격에 따른 문자열 평가 점수를 계산함으로써, 상기 문자열의 위치 및 문자 간격을 획득하는 문자열 식별 방법
|
| 10 |
10
청구항 9에 있어서,상기 문자열의 위치 및 문자 간격을 획득하는 단계는, 상기 문자열 평가 점수가 최대가 되도록 하는 문자열의 위치 및 문자 간격을 획득하는 문자열 식별 방법
|
| 11 |
11
청구항 1에 있어서,상기 제2 확률 맵을 계산하는 단계는, 심층 컨볼루셔널 신경망(Deep Convolutional Neural Networks)을 이용하여 상기 제2 부분 이미지들 각각이 문자 또는 배경으로 분류될 확률을 계산하는 문자열 식별 방법
|
| 12 |
12
청구항 11에 있어서,상기 제2 확률 맵을 계산하는 단계는,필터 커널을 이용하여 상기 제2 부분 이미지에 대한 컨볼루션 이미지를 추출하는 단계 및 상기 컨볼루션 이미지에 대한 풀링(pooling)을 실시하는 단계를 포함하는 문자열 식별 방법
|
| 13 |
13
청구항 11에 있어서,복수의 학습 이미지들 및 상기 복수의 학습 이미지들에 대한 라벨링 정보를 포함하는 학습 데이터를 이용하여, 상기 심층 컨볼루셔널 신경망을 학습시키는 단계;를 더 포함하는 문자열 식별 방법
|
| 14 |
14
청구항 13에 있어서,상기 복수의 학습 이미지들 중 문자로 라벨링된 학습 이미지의 일부를 잘라내거나, 상기 문자로 라벨링된 학습 이미지를 확장하여 추가 학습 이미지를 생성함으로써, 학습 데이터를 확장하는 단계;를 더 포함하는 문자열 식별 방법
|
| 15 |
15
청구항 14에 있어서,상기 학습 데이터를 확장하는 단계는, 상기 추가 학습 이미지의 크기를 미리 정해진 크기로 변경하는 문자열 식별 방법
|
| 16 |
16
철강 영상에 포함된 문자열을 식별하는 방법에 있어서,상기 철강 영상으로부터 미리 정해진 간격으로 복수의 제1 부분 이미지들을 추출하는 단계;상기 복수의 제1 부분 이미지들 각각이 문자로 분류될 확률을 계산하여, 제1 확률 맵을 생성하는 단계;상기 제1 확률 맵에 기초하여, 상기 철강 영상에서 문자열의 세로 방향 위치를 추정하는 단계;상기 세로 방향 위치를 기준으로 복수의 제2 부분 이미지들을 추출하는 단계;상기 복수의 제2 부분 이미지들 각각이 문자 또는 배경으로 분류될 확률을 계산하여, 제2 확률 맵을 생성하는 단계;상기 제2 확률 맵의 인접한 픽셀들에 대응하는 확률 벡터들의 합으로부터 중첩 확률 맵을 생성하는 단계;상기 중첩 확률 맵에 기초하여, 문자열의 위치 및 문자 간격에 따른 문자열 평가 점수를 계산하는 단계; 및상기 제2 확률 맵에 기초하여, 상기 문자열의 위치 및 문자 간격을 획득하는 단계;를 포함하는 문자열 식별 방법
|
| 17 |
17
청구항 16에 있어서,상기 중첩 확률 맵은 수학식 3에 의해 생성되는 문자열 식별 방법
|
| 18 |
18
청구항 17에 있어서,상기 문자열 평가 점수는 수학식 4에 의해 계산되는 문자열 식별 방법
|
| 19 |
19
청구항 18에 있어서,상기 문자열의 위치 및 문자 간격을 획득하는 단계는, 상기 문자열 평가 점수가 최대가 되도록 하는 문자열의 위치 및 문자 간격을 획득하는 문자열 식별 방법
|
| 20 |
20
대상 이미지에서 문자열을 식별하는 장치에 있어서, 프로세서(processor); 및상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory);를 포함하고,상기 적어도 하나의 명령은, 상기 대상 이미지로부터 미리 정해진 간격으로 복수의 제1 부분 이미지들을 추출하고; 상기 복수의 제1 부분 이미지들 각각이 문자로 분류될 확률을 계산하여, 제1 확률 맵을 생성하고; 상기 제1 확률 맵에 기초하여, 상기 대상 이미지에서 문자열의 세로 방향 위치를 추정하고; 상기 세로 방향 위치를 기준으로 복수의 제2 부분 이미지들을 추출하고; 상기 복수의 제2 부분 이미지들 각각이 문자 또는 배경으로 분류될 확률을 계산하여, 제2 확률 맵을 생성하고; 상기 제2 확률 맵에 기초하여, 상기 문자열의 위치 및 문자 간격을 획득하도록 수행되는 문자열 식별 장치
|
