• 전자공학회논문지B
• /
• 제33B권7호
• /
• pp.173-182
• /
• 1996

In this paper, we propose the parallel, self-organizing, hierarchical neural netowrks as a handwritten digit recognition system. This system can absorb the various shape variations of handwritten digits by using the different methods of extracting the features in each stage neural network (SNN) of the PSHNN, and can reduce training time by using the single layer neural network as the SNN, and can obtain high rate of correct recognition by using the certainty area in all the output nodes individually. experiments have been performed with NIST database. In which we use 21, 315 digits (10, 625 digits for training and 10,663 digits for testing). The results show that the correct rate is 97.48% the error rate is 1.72% and the reject rate is 0.78%.

• 한국산업정보학회논문지
• /
• 제6권1호
• /
• pp.82-89
• /
• 2001

본 논문에서는 독립문자 식별기 및 인식기를 바탕으로 한 결정값 발생기를 도입하여 무제 약 필기체 숫자 열을 효과적으로 인식하는 방안을 제안하였다. 필기체 숫자 열의 인식을 위해 사전 분할 모듈, 최종 분할 모듈 그리고 인식 모듈 등의 세 개의 모듈을 설계 구현하였다. 사전 분할 모듈에서는 결정값 발생기를 이용하여 독립 숫자, 접촉 숫자 그리고 끊어진 숫자 등을 구분하였다. 최종 분할 모듈에서도 결정값 발생기의 결과를 이용하여 접촉 숫자들을 분할하는 과정을 수행하고 인식 모듈에서 각각 분할된 숫자들을 인식하였다. 분할 기반 방식과 무 분할 방식을 혼용하여 필기체 숫자열을 인식함으로서 기존의 오 인식률을 최소화시키도록 하였다. 제안된 방식을 이용하여 NIST SD19 필기체 숫자 열 데이터베이스의 인식을 한 결과 기존의 연구결과에 비해 높은 96.7%의 인식률을 얻을 수 있었다.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.48-53
• /
• 2002

본 논문에서는 무제약 필기체 숫자 인식에 있어서 향상된 RBF(Radial Basis Function) 신경망을 이용한 새로운 접근 방법을 제시하였다. RBF 신경망은 인식률과 인식 속도를 향상시키기 위해 기저 함수로서 Raised Cosine RBF를 사용하였다. Raised Cosine RBF 신경망 분류기의 성능 평가를 위하여 캐나다 몬트리올 Concordia 대학의 무제약 필기체 숫자 데이터베이스를 사용하였고, 실험 결과 98.05%의 인식률을 보였다.

• Journal of Multimedia Information System
• /
• 제4권1호
• /
• pp.39-42
• /
• 2017

Communication between human and machine is having been researched from last few decades and still it's a challenging task because human behavior is unpredictable. When it comes on handwritten digits almost each human has their own writing style. Handwritten digit recognition plays an important role, especially in the courtesy amounts on bank checks, postal code on mail address etc. In our study, we proposed an efficient feature extraction system for recognizing single digit number drawn by mouse or by a finger on a screen. Our proposed method combines basic image processing and reading the strokes of a line drawn. It is very simple and easy to implement in various platform as compare to the system which required high system configuration. This system has been designed, implemented, and tested successfully.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.373-380
• /
• 2008

지금까지 기계 기반의 필기 숫자 인식 방법에 대한 많은 연구가 진행되어 왔다. 그러나 여전히 인간이 만족할 만한 인식 성능을 이루지는 못하였다. 이러한 배경에는 단순히 인식률을 나타내는 수치가 낮은 것도 한 부분을 차지 하지만, 인간이 수긍할 수 없는 오류 성향도 중요한 부분을 차지한다. 그러므로 본 논문에서는 실제 인간의 숫자 인식이 어떻게 이루어지는지를 확인하는 실험을 먼저 수행하고, 이것에 근거하여 기계 인식을 위하여 필요한 요소들이 무엇인지를 고찰하도록 하였다. 실험결과 한쪽 또는 양쪽 방향으로 혼동하는 숫자 쌍, 전혀 혼동하지 않는 숫자 쌍, 오류 발생의 중복성 등의 결과를 비교 분석하여 인간이 인식과정에서 중요하게 고려하는 특징들을 찾아냈고, 그 결과에 근거하여 기계 인식에 있어서 더 높은 인식 성능을 발휘할 수 있고, 더 나아가 인간적인 측면에서 보다 더 신뢰할 수 있는 인식결과를 이끌어 낼 수 있는 접근 방향에 대하여 제시하였다.

• 융합신호처리학회논문지
• /
• 제2권1호
• /
• pp.44-52
• /
• 2001

본 논문은 수정된 카오틱 신경망(MCNN)을 이용하여 완전 무제약 서체 숫자 인식을 다루고 있다. 카오틱 신경망(CNN)의 동적 특성과 학습과정을 강화함으로써 복잡한 패턴인식 문제를 해결할 수 있는 유용한 신경망으로 수정하였다. MCNN은 신경망 구조와 뉴런 자체가 높은 차수의 비선형 동적특성을 갖고 있으므로 복잡한 서체 숫자를 분류할 수 있는 적합한 신경망이다. 숫자 확인은 원래의 숫자 이미지로부터 특징을 추출하고 MCNN에 근거한 분류기를 이용하여 숫자를 인식한다. MCNN 분류기의 성능은 Canada, Montreal의 Concordia 대학의 숫자 데이터 베이스로 평가하였다. 인식성능의 상대적인 비교를 위해 MCNN 분류기는 리커런트 신경망(RNN) 분류기와 비교하였다. 실험결과에 의하면 인식율은 98.0%이었으며, 이는 MCNN 분류기가 같은 데이터 베이스에 대해 발표되었던 다른 분류기와 RNN 분류기보다 성능이 우수함을 나타낸다.

• 한국인터넷방송통신학회논문지
• /
• 제18권6호
• /
• pp.151-156
• /
• 2018

필기체 숫자인식은 일반적으로 높은 인식률과 문맥 독립이 요구되고 있고, 쓰는 사람에 따라서 많은 차이점이 있어서 자유 필기체 숫자는 인식이나 알고리즘작성에 아직도 어려운 문제점이 있다. 본 연구에서는, 필기체 숫자의 특성을 분석하고, 구조적 특징기반 자유 필기체 숫자인식 알고리즘을 새롭게 제안한다. 주어진 필기 숫자에 대하여, 끝점과 분기점, 수평선과 함께 숫자의 구조적 특징을 연구한다. 이 방법은 확장된 구조적 특징 알고리즘으로 제안되어 강인하며, 그리고 본 연구에서 제안한 구조적 특징에 기반 한 결정 트리(decision tree)는 필기체 숫자 자동인식방법에 구조적으로 기여한다. 본 알고리즘이 다른 방법과 비교하여 인식률과 강인성이 우수함을 실험결과로 보여주었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권12호
• /
• pp.1581-1590
• /
• 2004

본 논문은 한 가지 특징 요소로서 획 방향 코드들만을 사용하는 강건한 오프라인 필기체 숫자 인식 방법을 제안한다. 이 방법은 입력된 숫자 이미지에 대하여 일반적인 8방향 코드를 생성하고 이 코드들의 조합을 다층 신경망에 학습하고 각 숫자를 인식하게 한다. 8방향 코드들은 다양하게 표현된 숫자들의 자기구성 그래프(SOG*:Improved Self-Organizing Graph) 세선화 결과에 의해 만들어지고 이 코드의 사용은 2개 이상의 특징점들을 처리하는 기존의 복합적인 단계들을 단순화시킨다. 실험결과는 모든 숫자 데이타베이스의 어떤 이미지들에 대해서도 인식률이 일관성 있게 98.85% 이상임을 보여준다.

• 전기학회논문지
• /
• 제66권2호
• /
• pp.416-424
• /
• 2017

In this study, we propose a design of digits recognition system based on RBFNNs through a comparative study of pre-processing algorithms in order to recognize digits in handwritten. Histogram of Oriented Gradient(HOG) is used to get the features of digits in the proposed digits recognition system. In the pre-processing part, a dimensional reduction is executed by using Principal Component Analysis(PCA) and (2D)2PCA which are widely adopted methods in order to minimize a loss of the information during the reduction process of feature space. Also, The architecture of radial basis function neural networks consists of three functional modules such as condition, conclusion, and inference part. In the condition part, the input space is partitioned with the use of fuzzy clustering realized by means of the Fuzzy C-Means algorithm. Also, it is used instead of gaussian function to consider the characteristic of input data. In the conclusion part, the connection weights are used as the extended type of polynomial expression such as constant, linear, quadratic and modified quadratic. By using MNIST handwritten digit benchmarking database, experimental results show the effectiveness and efficiency of proposed digit recognition system when compared with other studies.

• International Journal of Computer Science & Network Security
• /
• 제24권2호
• /
• pp.89-94
• /
• 2024

Indian subcontinent is a birthplace of multilingual people where documents such as job application form, passport, number plate identification, and so forth is composed of text contents written in different languages/scripts. These scripts may be in the form of different indic numerals in a single document page. Due to this reason, building a generic recognizer that is capable of recognizing handwritten indic digits written by diverse writers is needed. Also, a lot of work has been done for various non-Indic numerals particularly, in case of Roman, but, in case of Indic digits, the research is limited. Moreover, most of the research focuses with only on MNIST datasets or with only single datasets, either because of time restraints or because the model is tailored to a specific task. In this work, a hybrid model is proposed to recognize all available indic handwritten digit images using the existing benchmark datasets. The proposed method bridges the automatically learnt features of Capsule Network with hand crafted Bag of Feature (BoF) extraction method. Along the way, we analyze (1) the successes (2) explore whether this method will perform well on more difficult conditions i.e. noise, color, affine transformations, intra-class variation, natural scenes. Experimental results show that the hybrid method gives better accuracy in comparison with Capsule Network.