이종 문자가 혼합된 필기체 이미지 대상 글자 인식기의 구현 (Implementation of Character Recognizer for Heterogeneous Character Set)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 8호 / 1284 ~ 1293페이지
· 저자명 : 김홍숙, 김정시

초록

본 논문에서는 한글, 영문, 숫자 및 특수 기호 4종의 글자들이 혼합된 필기체 이미지를 입력으로 하는 글자 인식 엔진의 구현 과정에 대하여 설명한다. 심층 학습 기반 신경망 모델 학습을 위한 대용량 데이타셋은 폰트 기반의 글자 이미지를 기반으로 데이타 증강 기법을 통하여 확보하였다. 글자 인식 엔진의 핵심부인 CNN 기반 심층신경망 모델은 고성능 GPU가 장착된 데스크톱에서 학습하였다. 학습이 완료된 신경망 모델의 인식 정확도는Top-1 accuracy 0.98의 성능을 보였다. 데스크톱에서 학습된 모델은 상대적으로 컴퓨팅 리소스가 한정된 임베디드시스템상에서 실행할 수 있도록 추론 기능만을 포함하는 심층 신경망 모델로 이식하였다. 임베디드 시스템에 이식된 심층 신경망 모델은 낱글자 인식 및 간단한 양식 내의 단어 인식을 위한 응용 프로그램에서 글자 인식 엔진으로 활용되었다.

영어초록

In this paper, we present the implementation process of the character recognition engine that inputs hand-written images where four types of characters, Hangul, English, numbers, and special symbols, were mixed. Big data sets for training deep neural network models were prepared through data augmentation techniques based on font-based character images. The CNN-based deep neural network model, the core part of the character recognition engine, was trained on a desktop with a high-performance GPU. The recognition accuracy of the trained neural network model showed a performance of Top-1 accuracy of 0.98 . The model trained on the desktop was ported to a lightweight neural network model that includes only inference capabilities, so that it could be executed on an embedded system of relatively limited computing resources. In the embedded system, the trained model was utilized as a character recognition engine in application programs for individual character recognition and word recognition in a simple form of table.

참고자료

· 없음