• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.341-348
• /
• 2020

인간의 눈과 같이 이미지에서 유용한 정보를 추출하는 기능은 인공지능 컴퓨터 구현에 필수적인 인터페이스 기술이다. 이미지에서 건물을 인식하여 추론하는 기술은 다양한 형태의 건물 외관, 계절에 따른 주변 잡음 이미지의 변화, 각도 및 거리에 따른 왜곡 등으로 다른 이미지 인식 기술 보다 인식률이 떨어진다. 지금까지 제시된 컴퓨터 비전(Computer Vision) 기반의 건물 인식 알고리즘들은 건물 특성을 수작업으로 정의하기 때문에 분별력과 확장성에 한계가 있다. 본 논문은 최근 이미지 인식에 유용한 딥러닝의 CNN(Convolutional Neural Network) 모델을 활용하는데 건물 외관에 나타나는 변화, 즉 계절, 조도, 각도 및 원근에 의해 떨어지는 인식률을 향상시키는 새로운 방법을 제안한다. 건물 전체 이미지와 함께 건물의 특징을 나타내는 부분 이미지들, 즉 창문이나 벽재 이미지의 데이터 세트를 함께 학습시키고 건물 인식에 활용함으로써 일반 CNN 모델 보다 건물 인식률을 약 14% 향상됨을 실험으로 증명하였다.

• 한국산업정보학회논문지
• /
• 제27권1호
• /
• pp.19-26
• /
• 2022

본 논문은 컨테이너의 BIC-code를 인식하기 위한 전처리(pre-processing) 방법에 관한 것으로서, BIC-code가 포함된 관심 영역을 찾고 이 관심 영역을 광학 문자 인식에 용이하도록 워핑하기 위한 호모그래피 행렬을 추정할 수 있는 네트워크를 제안한다. 제안하는 네트워크의 구조는 STN(Spatial Transformer Networks)의 구조를 차용하였으며, 관심 영역 검출, 호모그래피 변환을 위한 행렬 추정, 행렬을 이용한 워핑 단계로 구성되어 있다. 제안된 네트워크를 이용하여 관심 영역과 행렬을 동시에 추정하고, 추정된 행렬을 이용하여 관심 영역의 원근 왜곡을 바로 잡음으로써 BIC-code의 인식 정확도 향상에 기여한다. 성능 평가를 위하여 총 5인의 평가원이 출력 영상을 5점 만점으로 평가한 결과 평균 4.25점을 받았으며, 육안으로 확인했을 시 총 312장의 사진 중 224장의 사진이 완벽하게 보정됨과 동시에 관심 영역을 출력하였다.