Convergence Security Journal (융합보안논문지)

Korea convergence Security Association (한국융합보안학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on How to Build an Optimal Learning Model for Artificial Intelligence-based Object Recognition

인공지능 기반 객체 인식을 위한 최적 학습모델 구축 방안에 관한 연구

  • 양환석 (중부대학교/정보보호학과)
  • Received : 2023.11.28
  • Accepted : 2023.12.28
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

The Fourth Industrial Revolution is bringing about great changes in many industrial fields, and among them, active research is being conducted on convergence technology using artificial intelligence. Among them, the demand is increasing day by day in the field of object recognition using artificial intelligence and digital transformation using recognition results. In this paper, we proposed an optimal learning model construction method to accurately recognize letters, symbols, and lines in images and save the recognition results as files in a standardized format so that they can be used in simulations. In order to recognize letters, symbols, and lines in images, the characteristics of each recognition target were analyzed and the optimal recognition technique was selected. Next, a method to build an optimal learning model was proposed to improve the recognition rate for each recognition target. The recognition results were confirmed by setting different order and weights for character, symbol, and line recognition, and a plan for recognition post-processing was also prepared. The final recognition results were saved in a standardized format that can be used for various processing such as simulation. The excellent performance of building the optimal learning model proposed in this paper was confirmed through experiments.

4차 산업혁명으로 많은 산업 분야에 커다란 변화가 일어나고 있으며, 그중에서도 인공지능을 활용한 융합기술에 활발한 연구가 진행되고 있다. 그중에서도 인공지능을 활용한 객체 인식과 인식 결과를 활용한 디지털 전환(Digital Transformation) 분야에서 그 요구가 나날이 증가하고 있다. 본 논문에서는 이미지내에 글자, 심볼, 선을 정확하게 인식하고 인식 결과를 시뮬레이션에 활용할 수 있도록 표준화 포맷의 파일로 저장하기 위해 최적의 학습모델 구축 방법을 제안하였다. 이미지내 글자, 심볼, 선을 인식하기 위하여 인식 대상별 특성을 분석한 후 최적의 인식 기법을 선택하였다. 그다음으로 인식 대상별 인식률을 향상시키기 위하여 최적의 학습 모델 구축 방안을 제안하였다. 글자, 심볼, 선 인식의 순서와 가중치를 다르게 설정하여 인식 결과를 확인하였으며, 인식 후처리에 대한 방안도 마련하였다. 최종적인 인식 결과는 시뮬레이션 등 다양한 처리에 활용될 수 있는 표준화 포맷으로 저장하였다. 본 논문에서 제안한 최적의 학습 모델 구축에 대한 우수한 성능은 실험을 통해 확인할 수 있었다.

Keywords

Acknowledgement

본 연구는 2023년도 중소벤처기업부의 산학연 Collabo R&D(사업화R&D) 지원에 의한 연구임. [RS-2023-00224780]

References

  1. Xu, Shubo, et al. "A systematic review and analysis of deep learning-based underwater object detection." Neurocomputing (2023).
  2. Zhao, Jinhua, and Hongye Zhu. "CBPH-Net: A Small Object Detector for Behavior Recognition in Classroom Scenarios." IEEE Transactions on Instrumentation and Measurement (2023).
  3. Wang, Ning, Yuanyuan Wang, and Meng Joo Er. "Review on deep learning techniques for marine object recognition: Architectures and algorithms." Control Engineering Practice 118 (2022): 104458.
  4. W.-L. Chu, C.-J. Lin, and K.-N. Chang, "Detection and Classification of Advanced Persistent Threats and Attacks Using the Support Vector Machine," Appl. Sci., vol. 9, no. 21, p. 4579, 2019.
  5. Zhou, Wenyan, Hao Wang, and Zhibo Wan. "Ore image classification based on improved CNN." Computers and Electrical Engineering 99 (2022): 107819.
  6. Chen, Chunling, et al. "YOLO-Based UAV Technology: A Review of the Research and Its Applications." Drones 7.3 (2023): 190.
  7. Smagulova, Kamilya, and Alex Pappachen James. "A survey on LSTM memristive neural network architectures and applications." The European Physical Journal Special Topics 228.10 (2019): 2313-2324. https://doi.org/10.1140/epjst/e2019-900046-x