Abstract
Limited materials to make coins for countries and designs suitable for hand-carry make the shape, size, and color of coins similar. This similarity makes that it is difficult for visitors to identify each country's coins. To solve this problem, we propose the coin classification method using CNN effective to image processing. In our coin identification method, we collect the training data by using web crawling and use OpenCV for preprocessing. After preprocessing, we extract features from an image by using three CNN layers and classify coins by using two fully connected network layers. To show that our model designed in this paper is effective for coin classification, we evaluate our model using eight different coin types. From our experimental results, the accuracy for coin classification is about 99.5%.
각국에서 통용되는 동전 제작에 사용되는 제한된 종류의 재질과 동전의 휴대성 등을 고려한 디자인은 각국의 통화가 달라도 동전의 모양, 크기, 색상을 비슷하게 하였다. 이로 인해 여러 국가를 방문하는 사람은 비슷한 모양의 여러 나라 동전을 식별하는 것에 어려움을 겪는다. 이러한 문제를 해결하기 위해 본 논문에서는 이미지 처리에 효과적인 합성곱 신경망(CNN)을 이용한 동전 분류 방법을 제안한다. 동전 분류를 위한 학습 이미지는 웹 크롤링을 이용하여 수집하고, 이미지 전처리를 위해 OpenCV를 사용하였다. 전처리가 완료된 이미지를 대상으로 특징 추출을 위해 세계층의 합성곱 계층을 사용하였고, 분류를 위해 두 계층의 완전연결 신경망을 사용하였다. 본 논문에서 설계한 모델이 동전 분류에 효과가 있음을 보이기 위해 여덟 종류의 동전을 대상으로 시험하였다. 실험 결과에 의하면 동전 분류의 정확도는 약 99.5%이다.