딥 러닝을 이용한 문서 스캔 이미지 탐색 기술 (Document Scan Image Searching Technique using Deep Learning)

서지정보

· 발행기관 : 한국디지털포렌식학회
· 수록지 정보 : 디지털포렌식연구 / 15권 / 1호 / 1 ~ 11페이지
· 저자명 : 이수현, 김준수, 황현욱, 이해연

초록

IT 기술의 발전으로 많은 이미지 데이터들이 생산 및 유통되고 있어서, 디지털포렌식에서 처리해야 하는 데이터의 양이 급증하고 있어서 활용할 수 있는 인적 및 물적 자원의 한계에 도달하고 있다. 문서 스캔 이미지는 포렌식 분석의 주요한 대상으로서, 방대한 양의 이미지 데이터에서 문서 스캔 이미지들만을 탐색하는 것은 중요하지만, 범용적인 딥 러닝 기술의 경우 포렌식에서 요구하는 정확도를 충족하지 못하는 문제가 있다. 본 논문에서는 딥 러닝을 이용하여 문서 스캔 이미지를 탐색하는 기술에 대하여 설명하고, 실제 수집된 문서 스캔 이미지를 대상으로 탐색한 결과를 제시한다. 영상 인식과 분류에서 범용적으로 사용되는 컨볼루셔널 뉴럴 네트워크 기반의 딥 러닝 모델을 도입하였고, 문서 스캔 이미지 탐색에 적합하도록 컨볼루셔널 및 전연결 계층에 대한 설계를 하였으며, 활성화 함수 및 풀링 함수 등의 설정을 하였다. MSCOCO 데이터셋에서 가져온 일반 이미지들과 5종으로 정의하여 수집한 문서 스캔 이미지를 이용하여 데이터베이스를 구축하였고, 이를 바탕으로 제시한 딥 러닝 모델에 대하여 학습을 수행한 후에 탐색 성능에 대한 분석을 수행하였고 평균적으로 98.89%의 탐색 정확도를 달성하였다.

영어초록

As many images are created and distributed with advances in IT technology, the amount of data that must be processed with digital forensics is rapidly increasing and available human and material resources are reaching their limits. Document scan images are a major target of forensic analysis and it is important to search these images from a vast amount of images. However, general-purpose deep learning techniques do not meet the accuracy required for forensics. In this paper, we describe a document scan image searching technique using deep learning, and present the results of searching the actually collected document scan images as targets. A convolutional neural network-based deep learning model, which is commonly used in image recognition and classification, was adapted. To be suitable for document scan image searching, convolutional and fully-connected layers were designed and activation functions and pooling functions, etc. were set. A database was constructed using general images of MSCOCO dataset and document scan images collected as 5 types. After training the presented deep learning model using this database, the searching performance was analyzed and the average searching accuracy of 98.89% was achieved.

참고자료

· 없음