| 1 |
1
입력부가 판별하고자 하는 초서체 또는 흘림체로 작성된 문자를 포함하는 문서의 이미지를 입력받는 단계;문자판별부가 입력받은 문서 이미지에 포함된 문자에 대하여 인공 신경망(artificial neural network)인 합성곱 신경망(convolutional neural network)을 이용하여 상기 문서 이미지에 포함된 문자와 대응하는 한자를 판별하는 단계; 및출력부가 판별한 한자를 외부로 출력하는 단계;를 포함하되,상기 문자판별부가 입력받은 문서 이미지에 포함된 문자에 대하여 인공 신경망을 이용하여 상기 문서 이미지에 포함된 문자와 대응하는 한자를 판별하는 단계는,상기 문서 이미지에 포함된 문자에 대한 데이터를 추출하는 단계;추출된 데이터로부터 상기 문자의 특징을 나타내는 적어도 하나의 분류 정보를 추출하는 단계;추출된 분류 정보를 합성곱 신경망(convolutional neural network)을 이용하여 상기 문서 이미지에 포함된 문자를 분류하는 단계;상기 문자의 분류결과에 따라 상기 문서 이미지에 포함된 문자에 대응하는 한자를 판별하는 단계; 및상기 문서 이미지에 포함된 문자를 판별한 한자로 변환하는 단계;를 포함하고,상기 추출된 데이터는 상기 문자의 부수 정보, 획수 정보 및 상기 문자를 표현할 수 있는 외형적 표기 정보 모두를 포함하고,상기 문자의 분류 정보는 상기 문자의 외형 중 모서리 및 선분의 형태 정보 또는 상기 모서리와 선분의 조합 정보를 포함하고,상기 추출된 분류 정보를 합성곱 신경망(convolutional neural network)을 이용하여 상기 문서 이미지에 포함된 문자를 분류하는 단계는, 상기 문서 이미지에 포함된 문자의 분류 정보를 합성곱 신경망을 이용하여 학습하고, 학습한 상기 합성곱 신경망의 실제 출력값을 기설정된 개수만큼 획득하는 단계; 획득한 상기 합성곱 신경망에 대한 적어도 하나의 실제 출력값과 기설정된 상기 합성곱 신경망의 이상 출력값 간에 유사도를 판단하는 단계; 및유사도 판단결과에 기초하여 상기 문서 이미지에 포함된 문자를 분류하는 단계;를 포함하고,상기 문자판별부가 입력받은 문서 이미지에 포함된 문자에 대하여 인공 신경망을 이용하여 상기 문서 이미지에 포함된 문자와 대응하는 한자를 판별하는 단계는,상기 문서 이미지에 포함된 문자에 대응하는 한자를 판별하지 못하는 경우, 상기 문서 이미지에 포함된 문자에 대하여 가우시안 부스팅(Gaussian boosting)기법을 이용하여 기계학습을 수행하는 단계;를 포함하고,상기 문서 이미지에 포함된 문자에 대하여 가우시안 부스팅(Gaussian boosting)기법을 이용하여 기계학습을 수행하는 단계는,상기 문서 이미지에 포함된 문자의 분류 정보를 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 학습하는 단계;학습한 상기 문자의 분류 정보와, 이전에 학습되어 기저장된 분류 정보를 비교하여, 상기 문자의 분류 정보로부터 상기 이전에 학습된 분류 정보와 동일한 분류 정보를 삭제하는 단계; 및상기 문서 이미지에 포함된 문자의 분류 정보 중 상기 이전에 학습된 분류 정보와 동일한 분류 정보가 삭제된 나머지 분류 정보를 저장부에 추가 저장하는 단계;를 포함하되,상기 문서 이미지에 포함된 문자의 분류 정보를 합성곱 신경망을 이용하여 학습하는 것은,상기 실제 출력값과 상기 합성곱 신경망의 이상 출력값의 유사도가 미리 정해진 유사도를 초과할 때까지 반복 학습하는 것이고,상기 문서 이미지에 포함된 문자의 분류 정보를 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 학습하는 것은,미리 정해지는 채널 값 및 픽셀 값의 조합을 이용하여 가우시안 확률을 계산하는 컨볼루션 연산을 수행하여 학습하는 것이고,상기 학습한 상기 문자의 분류 정보와, 이전에 학습되어 기저장된 분류 정보를 비교하여, 상기 문자의 분류 정보로부터 상기 이전에 학습된 분류 정보와 동일한 분류 정보를 삭제하는 것은, 상기 문자의 분류정보별 연산되는 복수개의 가우시안 분포 특징들을 미리 설정되는 기준값에 따라 비교하여 삭제하는 것인 초서체 또는 흘림체로 작성된 문자의 판별 방법
|
| 2 |
2
제1항에 있어서,상기 판별하고자 하는 초서체 또는 흘림체로 작성된 문자를 포함하는 문서의 이미지를 입력받는 단계를 수행하기 전,저장부가 복수 개의 초서체 또는 흘림체로 작성된 문자와, 이에 대응하는 한자를 상호 매칭하여 상기 복수 개의 초서체 또는 흘림체로 작성된 문자의 분류 정보 및 상기 문자와 매칭된 한자의 분류 정보를 데이터베이스 형태로 저장하는 단계;를 더 포함하는 것을 특징으로 하는 초서체 또는 흘림체로 작성된 문자의 판별 방법
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
제1항에 있어서, 상기 문서 이미지에 포함된 문자에 대하여 가우시안 부스팅(Gaussian boosting)기법을 이용하여 기계학습을 수행하는 단계는 상기 문서 이미지에 포함된 문자의 출처 정보 및 저자 정보 중 적어도 하나를 학습하는 단계;를 더 포함하는 것을 특징으로 하는 초서체 또는 흘림체로 작성된 문자의 판별 방법
|
| 9 |
9
삭제
|
| 10 |
10
제1항 내지 제2항, 제8항 중 어느 한 항에 따른 방법을 컴퓨터로 실행하기 위한 프로그램이 기록된 컴퓨터 판독가능 기록매체
|
| 11 |
11
판별하고자 하는 초서체 또는 흘림체로 작성된 문자를 포함하는 문서의 이미지를 입력받는 입력부;입력받은 문서 이미지에 포함된 문자에 대하여 인공 신경망(artificial neural network)인 합성곱 신경망(convolutional neural network)을 이용하여 상기 문서 이미지에 포함된 문자와 대응하는 한자를 판별하는 문자판별부; 및판별한 한자를 외부로 출력하는 출력부;를 포함하되,상기 문자판별부는상기 문서 이미지에 포함된 문자에 대한 데이터를 추출하는 데이터 추출모듈;추출된 데이터로부터 상기 문자의 특징을 나타내는 적어도 하나의 분류 정보를 추출하는 분류정보 추출모듈;추출된 분류 정보를 합성곱 신경망을 이용하여 상기 문서 이미지에 포함된 문자를 분류하는 분류모듈;상기 문자의 분류결과에 따라 상기 문서 이미지에 포함된 문자에 대응하는 한자를 판별하는 판별모듈; 및상기 문서 이미지에 포함된 문자를 판별한 한자로 변환하는 변환모듈;을 포함하고상기 추출된 데이터는 상기 문자의 부수 정보, 획수 정보 및 상기 문자를 표현할 수 있는 외형적 표기 정보 모두를 포함하고,상기 문자의 분류 정보는 상기 문자의 외형 중 모서리 및 선분의 형태 정보 또는 상기 모서리와 선분의 조합 정보를 포함하고,상기 분류모듈은,상기 문서 이미지에 포함된 문자의 분류 정보를 합성곱 신경망을 이용하여 학습하고, 학습한 상기 합성곱 신경망의 실제 출력값을 기설정된 개수만큼 획득하는 학습모듈; 및획득한 상기 합성곱 신경망에 대한 적어도 하나의 실제 출력값과 기설정된 상기 합성곱 신경망의 이상 출력값 간에 유사도를 판단하는 유사도 판단모듈;유사도 판단결과에 기초하여 상기 문서 이미지에 포함된 문자를 분류하는 문자 분류모듈;을 포함하고,상기 학습모듈은,상기 문서 이미지에 포함된 문자에 대응하는 한자를 판별하지 못하는 경우, 상기 문서 이미지에 포함된 문자에 대하여 가우시안 부스팅(Gaussian boosting)기법을 이용하여 기계학습을 수행하고, 상기 문서 이미지에 포함된 문자의 분류 정보를 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 학습하고, 학습한 상기 문자의 분류 정보와, 이전에 학습되어 기저장된 분류 정보와 비교하여, 상기 문자의 분류 정보로부터 상기 이전에 학습된 분류 정보와 동일한 분류 정보를 삭제한 후, 상기 문서 이미지에 포함된 문자의 분류 정보 중 상기 이전에 학습된 분류 정보와 동일한 분류 정보가 삭제된 나머지 분류 정보를 저장부에 추가 저장시키되,상기 문서 이미지에 포함된 문자의 분류 정보를 합성곱 신경망을 이용하여 학습하는 것은,상기 실제 출력값과 상기 합성곱 신경망의 이상 출력값의 유사도가 미리 정해진 유사도를 초과할 때까지 반복 학습하는 것이고,상기 문서 이미지에 포함된 문자의 분류 정보를 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 학습하는 것은,미리 정해지는 채널 값 및 픽셀 값의 조합을 이용하여 가우시안 확률을 계산하는 컨볼루션 연산을 수행하여 학습하는 것이고,상기 학습한 상기 문자의 분류 정보와, 이전에 학습되어 기저장된 분류 정보를 비교하여, 상기 문자의 분류 정보로부터 상기 이전에 학습된 분류 정보와 동일한 분류 정보를 삭제하는 것은, 상기 문자의 분류정보별 연산되는 복수개의 가우시안 분포 특징들을 미리 설정되는 기준값에 따라 비교하여 삭제하는 것인 초서체 또는 흘림체로 작성된 문자의 판별 시스템
|
| 12 |
12
제11항에 있어서,복수 개의 초서체 또는 흘림체로 작성된 문자와, 이에 대응하는 한자를 상호 매칭하여, 상기 복수 개의 초서체 또는 흘림체로 작성된 문자의 분류 정보 및 상기 문자와 매칭된 한자의 분류 정보를 데이터베이스 형태로 저장하는 저장부;를 더 포함하는 것을 특징으로 하는 초서체 또는 흘림체로 작성된 문자의 판별 시스템
|
| 13 |
13
삭제
|
| 14 |
14
삭제
|
| 15 |
15
삭제
|
| 16 |
16
삭제
|
| 17 |
17
삭제
|
| 18 |
18
제11항에 있어서,상기 학습모듈은상기 문서 이미지에 포함된 문자의 출처 정보 및 저자 정보 중 적어도 하나를 더 학습하는 것을 특징으로 하는 초서체 또는 흘림체로 작성된 문자의 판별 시스템
|
| 19 |
19
제11항에 있어서,상기 입력부는카메라 및 스캐너 중 적어도 하나를 포함하는 것을 특징으로 하는 초서체 또는 흘림체로 작성된 문자의 판별 시스템
|
