심층학습 전처리를 통한 도면 문자 인식 성능 개선

Q: 이 논문에서 정의한 광학 문자 인식(OCR)이란 무엇인가?

필기체 또는 인쇄된 문서에서 문자나 숫자를 인식하는 기술을 의미한다. 본 연구에서는 특히 기계 부품 서비스 도면 내의 숫자 데이터를 추출하기 위해 심층 학습 기반의 모델과 전처리 기법을 결합하여 활용하는 방식으로 정의하고 적용한다.

Q: 수학적 형태학 필터링 전처리가 LSTM OCR 성능에 어떤 영향을 미치는가?

연구 결과, 수학적 형태학 필터링을 통해 도면의 지시선과 도형을 제거함으로써 오검출과 오인식을 줄였다. 이를 통해 기존 LSTM OCR 대비 F1 척도 성능이 약 6.95% 개선되었으며, 도면 1장당 평균 처리 시간을 약 3.01초 단축시키는 효과를 거두었다.

이상협; 송종관; 윤병우; 박장식

doi:10.5302/J.ICROS.2019.18.0204

추천

검색

질문

자료유형: 학술저널

저자정보: 이상협 (경성대학교) 송종관 (경성대학교) 윤병우 (경성대학교) 박장식 (경성대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제25권 제3호

발행연도: 2019.3

수록면: 241 - 248 (8page)

DOI: 10.5302/J.ICROS.2019.18.0204

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

An OCR(Optical Character Recognition) based on deep learning for recognition of characters and numbers on drawings for machine maintenance, is proposed. The proposed pre-processing uses mathematical morphology operation to reduce false detection and recognition due to the leading lines and small parts of the drawings. The LSTM model is used to train and infer drawings of parts book. The results of experiments show that the proposed OCR improves the performance by 6.95 % compared to the classical LSTM In addition, the processing speed is improved compared to the conventional approaches.

#optical character recognition #deep learning #LSTM #pre-processing #mathematical morphology filtering

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2019-003-000504841

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)