| 1 |
1
서버에서 대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법에 있어서,상기 대상 폰트 파일을 입력받는 단계;상기 입력받은 대상 폰트 파일 내 글자 영역을 식별하여 추출하는 단계;상기 추출된 대상 폰트 파일 내 글자 영역에서 글자를 추출 및 분류하는 단계;상기 분류된 글자를 인코딩하여 입력 특징이 압축된 제1 글자 정보를 생성하는 단계;상기 분류된 글자에 대응하는 표준 글자를 인코딩하여 입력 특징이 압축된 제2 글자 정보를 생성하는 단계;상기 생성된 제1 글자 정보와 제2 글자 정보에 기초하여 상기 분류된 글자의 글씨 특징을 추출하는 단계; 및상기 추출된 글씨 특징에 대한 대체 불가능한 토큰을 생성하여 블록체인에 저장하는 단계를 포함하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 2 |
2
제1항에 있어서,상기 입력받은 대상 폰트 파일 내 글자 영역을 식별하여 추출하는 단계는,OCR(Optimal Character Recognition)에 기초하여 이루어지는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 3 |
3
제2항에 있어서,상기 추출된 대상 폰트 파일 내 글자 영역에서 글자를 추출 및 분류하는 단계는,지역 기반 컨볼루션 신경망(RCNN: Region based Convolutional Neural Networks)를 포함한 기계 학습에 기반하여 이루어지는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 4 |
4
제3항에 있어서,상기 추출되는 글자는, 개별 이미지 형태를 가지는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 5 |
5
제4항에 있어서,상기 추출되는 글자는,상기 표준 글자를 참조하여 분류 및 라벨링되는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 6 |
6
제5항에 있어서,상기 추출되는 글자의 분류 신뢰도 값을 산출하는 단계; 상기 산출된 분류 신뢰도 값을 임계값과 비교하는 단계; 및상기 비교 결과, 상기 산출된 분류 신뢰도 값이 임계값 미만이면, 해당 글자는 다른 글자와 별도 프로세스 생성하여 처리하는 단계를 더 포함하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 7 |
7
제6항에 있어서,상기 별도 프로세스는,해당 글자에 대하여 기할당된 표준 글자와 유사 단어 또는 유사 분류를 참고하여 분류 판단하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 8 |
8
제5항에 있어서,상기 분류된 글자의 글씨 특징은,상기 생성된 제1 글자 정보에서 상기 생성된 제2 글자 정보와 중복되는 부분을 제거하여 추출되는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법
|
| 9 |
9
하드웨어인 컴퓨터와 결합되어, 상기 제1 항 내지 제8 항 중 어느 한 항의 대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 방법을 수행하기 위해 컴퓨터 판독 가능한 기록매체에 저장된, 컴퓨터 프로그램
|
| 10 |
10
표준 글자를 저장하는 데이터베이스; 및프로세서를 포함하되, 상기 프로세서는,상기 대상 폰트 파일을 입력받아 상기 대상 폰트 파일 내 글자 영역을 식별하여 추출하고, 상기 추출된 대상 폰트 파일 내 글자 영역에서 글자를 추출 및 분류하며, 상기 분류된 글자를 인코딩하여 입력 특징이 압축된 제1 글자 정보를 생성하고, 상기 분류된 글자에 대응하는 표준 글자를 인코딩하여 입력 특징이 압축된 제2 글자 정보를 생성하여, 상기 생성된 제1 글자 정보와 제2 글자 정보에 기초하여 상기 분류된 글자의 글씨 특징을 추출하고, 상기 추출된 글씨 특징에 대한 대체 불가능한 토큰을 생성하여 블록체인에 저장하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 11 |
11
제10항에 있어서,상기 프로세서는,OCR(Optimal Character Recognition)에 기초하여 상기 입력받은 대상 폰트 파일 내 글자 영역을 식별하여 추출하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 12 |
12
제11항에 있어서,상기 프로세서는,지역 기반 컨볼루션 신경망(RCNN: Region based Convolutional Neural Networks)를 포함한 기계 학습에 기반하여 상기 추출된 대상 폰트 파일 내 글자 영역에서 글자를 추출 및 분류하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 13 |
13
제12항에 있어서,상기 추출되는 글자는, 개별 이미지 형태를 가지는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 14 |
14
제13항에 있어서,상기 추출되는 글자는,상기 표준 글자를 참조하여 분류 및 라벨링되는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 15 |
15
제14항에 있어서,상기 프로세서는,상기 추출되는 글자의 분류 신뢰도 값을 산출하고, 상기 산출된 분류 신뢰도 값을 임계값과 비교하여, 상기 비교 결과, 상기 산출된 분류 신뢰도 값이 임계값 미만이면, 해당 글자는 다른 글자와 별도 프로세스 생성하여 처리하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 16 |
16
제15항에 있어서,상기 프로세서는,상기 별도 프로세스에서 해당 글자에 대하여 기할당된 표준 글자와 유사 단어 또는 유사 분류를 참고하여 분류 판단하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 17 |
17
제16항에 있어서,상기 프로세서는,상기 생성된 제1 글자 정보에서 상기 생성된 제2 글자 정보와 중복되는 부분을 제거하여 상기 분류된 글자의 글씨 특징을 추출하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 장치
|
| 18 |
18
글씨 특징 디지털화 처리를 요청하는 단말; 및서버를 포함하되, 상기 서버는,표준 글자를 저장하는 데이터베이스와, 상기 대상 폰트 파일을 입력받아 상기 대상 폰트 파일 내 글자 영역을 식별하여 추출하고, 상기 추출된 대상 폰트 파일 내 글자 영역에서 글자를 추출 및 분류하며, 상기 분류된 글자를 인코딩하여 입력 특징이 압축된 제1 글자 정보를 생성하고, 상기 분류된 글자에 대응하는 표준 글자를 인코딩하여 입력 특징이 압축된 제2 글자 정보를 생성하여, 상기 생성된 제1 글자 정보와 제2 글자 정보에 기초하여 상기 분류된 글자의 글씨 특징을 추출하고, 상기 추출된 글씨 특징에 대한 대체 불가능한 토큰을 생성하여 블록체인에 저장하는 프로세서를 포함하는,대상 폰트 파일로부터 글씨 특징을 디지털화 처리하는 시스템
|
