| 1 |
1
설비제원 이미지를 전처리하는 전처리부; 상기 전처리부에 의해 전처리된 상기 설비제원 이미지에서 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 검출부; 상기 검출부에 의해 검출된 영역을 텍스트로 변환하는 인식부; 및상기 인식부에 의해 인식된 텍스트로부터 타겟 정보(target information)를 추출하는 정보 추출부를 포함하는 설비제원 인식 장치
|
| 2 |
2
제 1 항에 있어서, 상기 검출부는 상기 전처리부에 의해 전처리된 상기 설비제원 이미지에서 텍스트의 위치를 어피너티 스코어(Affinity Score) 및 리젼 스코어(Region Score) 중 적어도 하나를 학습하여 검출하는 것을 특징으로 하는 설비제원 인식 장치
|
| 3 |
3
제 2 항에 있어서, 상기 검출부는 상기 설비제원 이미지 내 각 픽셀에 대한 문자의 중심에 가까울수록 1에 가깝고 멀수록 0에 까운값으로 상기 리젼 스코어를 학습하는 것을 특징으로 하는 설비제원 인식 장치
|
| 4 |
4
제 2 항에 있어서, 상기 검출부는 상기 설비제원 이미지 내 각 글자들의 중심점들에 대하여 각 글자가 하나의 단어 또는 문장인지 파악하기 위해 텍스트와 텍스트의 중심인 확률을 상기 어피너티 스코어로 학습하는 것을 특징으로 하는 설비제원 인식 장치
|
| 5 |
5
제 1 항에 있어서, 상기 검출부는 트랜스퍼 러닝(Transfer Learning) 기법을 적용하여 전이학습을 수행하는 것을 특징으로 하는 설비제원 인식 장치
|
| 6 |
6
제 1 항에 있어서, 상기 검출부는 상기 설비제원 이미지 내 텍스트에 따라 하이퍼 파라미터 최적화(Hyper Parameter Optimization;HPO)를 수행하는 것을 특징으로 하는 설비제원 인식 장치
|
| 7 |
7
제 1 항에 있어서, 상기 인식부는 ASN(Attention Based Semantic Reasoning Networks)을 이용하여 상기 검출부에 의해 검출된 텍스트가 있는 영역을 텍스트로 변환하는 것을 특징으로 하는 설비제원 인식 장치
|
| 8 |
8
제 7 항에 있어서, 상기 인식부는 상기 설비제원 이미지 내 텍스트를 분류하는 형태로 학습하며, 임베딩 로스(Embedding loss)와 리저닝 로스(Reasoning loss) 및 퓨전 로스(Fusion loss)를 산출한 후, 상기 임베딩 로스와 리저닝 로스 및 퓨전 로스의 합을 최종 로스(Final Loss)로 학습하는 것을 특징으로 하는 설비제원 인식 장치
|
| 9 |
9
제 1 항에 있어서, 상기 정보 추출부는 상기 인식부에 의해 인식된 텍스트에 대해 자음과 모음 단위로 표식을 붙인 고(tokenize), 상기 타겟 정보와의 에디트 거리(edit distance)를 산출하여 상기 타겟 정보의 위치를 추출하는 것을 특징으로 하는 설비제원 인식 장치
|
| 10 |
10
전처리부가 설비제원 이미지를 전처리하는 단계; 검출부가 상기 전처리부에 의해 전처리된 상기 설비제원 이미지에서 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계;인식부가 상기 검출부에 의해 검출된 영역을 텍스트로 변환하는 단계; 및정보 추출부가 상기 인식부에 의해 인식된 텍스트로부터 타겟 정보(target information)를 추출하는 단계를 포함하는 설비제원 인식 방법
|
| 11 |
11
제 10 항에 있어서, 상기 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계는, 상기 전처리부에 의해 전처리된 상기 설비제원 이미지에서 텍스트의 위치를 어피너티 스코어(Affinity Score) 및 리젼 스코어(Region Score) 중 적어도 하나를 학습하여 검출하는 것을 특징으로 하는 설비제원 인식 방법
|
| 12 |
12
제 11 항에 있어서, 상기 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계는, 상기 설비제원 이미지 내 각 픽셀에 대한 문자의 중심에 가까울수록 1에 가깝고 멀수록 0에 까운값으로 상기 리젼 스코어를 학습하는 것을 특징으로 하는 설비제원 인식 방법
|
| 13 |
13
제 11 항에 있어서, 상기 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계는, 상기 설비제원 이미지 내 각 글자들의 중심점들에 대하여 각 글자가 하나의 단어 또는 문장인지 파악하기 위해 텍스트와 텍스트의 중심인 확률을 상기 어피너티 스코어로 학습하는 것을 특징으로 하는 설비제원 인식 방법
|
| 14 |
14
제 10 항에 있어서, 상기 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계는, 트랜스퍼 러닝(Transfer Learning) 기법을 적용하여 전이학습을 수행하는 것을 특징으로 하는 설비제원 인식 방법
|
| 15 |
15
제 10 항에 있어서, 상기 설비제원에 해당하는 텍스트가 있는 영역을 검출하는 단계는, 상기 설비제원 이미지 내 텍스트에 따라 하이퍼 파라미터 최적화(Hyper Parameter Optimization;HPO)를 수행하는 것을 특징으로 하는 설비제원 인식 방법
|
| 16 |
16
제 10 항에 있어서, 상기 영역을 텍스트로 변환하는 단계는, ASN(Attention Based Semantic Reasoning Networks)을 이용하여 상기 검출부에 의해 검출된 텍스트가 있는 영역을 텍스트로 변환하는 것을 특징으로 하는 설비제원 인식 방법
|
| 17 |
17
제 16 항에 있어서, 상기 영역을 텍스트로 변환하는 단계는, 상기 설비제원 이미지 내 텍스트를 분류하는 형태로 학습하며, 임베딩 로스(Embedding loss)와 리저닝 로스(Reasoning loss) 및 퓨전 로스(Fusion loss)를 산출한 후, 상기 임베딩 로스와 리저닝 로스 및 퓨전 로스의 합을 최종 로스(Final Loss)로 학습하는 것을 특징으로 하는 설비제원 인식 방법
|
| 18 |
18
제 10 항에 있어서, 상기 텍스트로부터 목표 정보를 추출하는 단계는, 상기 인식부에 의해 인식된 텍스트에 대해 자음과 모음 단위로 표식을 붙인 고(tokenize), 상기 타겟 정보와의 에디트 거리(edit distance)를 산출하여 상기 타겟 정보의 위치를 추출하는 것을 특징으로 하는 설비제원 인식 방법
|
