메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제14권 제1호
발행연도
2019.1
수록면
93 - 101 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
태양광 전력 체계의 활용이 일반화되고 있다. 본 논문에서는 자동차 번호판 등 숫자 인식 장치에 적용 가능한 시스템의 구성을 제안하고 제안하는 숫자 인식 방법의 성능을 보이고자 한다. 딥러닝 방식 중에서 CNN(Convolution Neural Network)은 인간의 시각 시스템처럼 영상의 특징 추출을 피라미드 형식으로 구체화하면서 정합하는 인공 신경망 구조이다. 최근들어 이러한 특성은 다양한 영상 분석 응용에서 좋은 결과를 보이고 있다. 본 논문에서는 CNN의 입력으로 오프라인 필기 이미지를 사용하였다. CNN은 입력 영상이 담고 있는 노이즈, 에지, 획 정보 등을 추출하기 위한 2D 이미지 컨벌루션 연산을 진행하며, 이 과정은 신경망 구성을 복수의 은닉 레이어로 구성하였다. 이미지의 특징 추출과 그룹핑을 거쳐서 정량화된 중간 결과는 완전 접속 형태로 구성된 신경망의 입력으로 제공된다. 완전 접속 신경망은 학습 과정을 거쳐서 기 구축한 학습 모델을 이용하여 최적의 정합을 찾아 그 라벨로 분류하여 출력한다. 우리가 구현한 CNN의 숫자 인식 성능을 객관적으로 측정하기 위하여 전세계적으로 인증되고 있는 MNIST 데이터셋을 사용하였다. 그 중에서 60,000개의 자료를 학습에 사용하였고 10,000개 샘플을 측정용 자료로 구분하여 측정하였다. 실험의 편의를 위하여 학습 사이클을 2회 반복으로 제한한 후에 인식 실험을 진행하였다. 일반적으로 한정된 형태의 학습 샘플은 오인식이나 미인식의 결과를 도출하기도 한다. 이를 개선하기 위하여 학습에 사용될 이미지 자료의 형태에 몇 가지 왜곡 변형 필터를 적용하여 입력 자료를 확장하고 재학습을 진행하도록 한 후에 각각의 인식률을 측정하였다. 비교 실험한 결과 변형적용 후 인식률은 98.04% 로 개선 효과를 얻었다.

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0