• Journal of Information Processing Systems
• /
• 제9권1호
• /
• pp.117-140
• /
• 2013

Hindi is the most widely spoken language in India, with more than 300 million speakers. As there is no separation between the characters of texts written in Hindi as there is in English, the Optical Character Recognition (OCR) systems developed for the Hindi language carry a very poor recognition rate. In this paper we propose an OCR for printed Hindi text in Devanagari script, using Artificial Neural Network (ANN), which improves its efficiency. One of the major reasons for the poor recognition rate is error in character segmentation. The presence of touching characters in the scanned documents further complicates the segmentation process, creating a major problem when designing an effective character segmentation technique. Preprocessing, character segmentation, feature extraction, and finally, classification and recognition are the major steps which are followed by a general OCR. The preprocessing tasks considered in the paper are conversion of gray scaled images to binary images, image rectification, and segmentation of the document's textual contents into paragraphs, lines, words, and then at the level of basic symbols. The basic symbols, obtained as the fundamental unit from the segmentation process, are recognized by the neural classifier. In this work, three feature extraction techniques-: histogram of projection based on mean distance, histogram of projection based on pixel value, and vertical zero crossing, have been used to improve the rate of recognition. These feature extraction techniques are powerful enough to extract features of even distorted characters/symbols. For development of the neural classifier, a back-propagation neural network with two hidden layers is used. The classifier is trained and tested for printed Hindi texts. A performance of approximately 90% correct recognition rate is achieved.

• 한국멀티미디어학회논문지
• /
• 제16권7호
• /
• pp.829-840
• /
• 2013

본 논문은 흉부 X-선 기반으로 전역적 특성을 고려한 1차 영역 분할과 지역적 특성을 고려한 2차 영역 분할을 결합한 폐 영역 분할 방법을 제안한다. 1차 영역 분할은 랜드마크 기반의 학습 데이터를 사용하여 생성한 모델을 기반으로 일정 형태를 유지하며 경계선을 탐색하는 능동 형태 모델을 적용하였다. 2차 영역 분할은 국부 영역에 대하여 에너지를 산출하고 에너지가 최소가 되는 윤곽선을 탐색하는 국부 영역 기반 윤곽 모델을 사용하였다. 마지막으로 정확도를 평가하기 위해 5장의 영상을 전문가가 수동으로 분할한 영역과 제안한 방법을 통해 분할된 영역의 결과에 대한 다이스 계수를 계산하였으며, 유사도는 $95.33%{\pm}0.93%$로 나타났다. 효과적인 영상 분할 방법은 흉부 x-ray 영상에서 더 정확한 초기 진단과 예후 추정을 위한 컴퓨터 보조 진단 시스템의 개발에 필수적인 요소가 될 것으로 기대한다.

• 반도체디스플레이기술학회지
• /
• 제20권2호
• /
• pp.126-130
• /
• 2021

The ball grid array is one of the packaging methods that used in high density printed circuit board. Solder void defects caused by voids in the solder ball during the BGA process do not directly affect the reliability of the product, but it may accelerate the aging of the device on the PCB layer or interface surface depending on its size or location. Void inspection is important because it is related in yields with products. The most important process in the optical inspection of solder void is the segmentation process of solder and void. However, there are several segmentation algorithms for the vision inspection, it is impossible to inspect all of images ideally. When X-Ray images with poor contrast and high level of noise become difficult to perform image processing for vision inspection in terms of software programming. This paper suggests the solution to deal with the suggested problem by means of using Mask R-CNN instead of digital image processing algorithm. Mask R-CNN model can be trained with images pre-processed to increase contrast or alleviate noises. With this process, it provides more efficient system about complex object segmentation than conventional system.

• 한국정보기술학회논문지
• /
• 제17권5호
• /
• pp.77-82
• /
• 2019

당뇨망막증은 망막의 말초혈관에 순환장애가 일어나 발생하는 당뇨병의 합병증으로, 이를 진단하기 위하여 미세혈관류를 분할하였다. 기존 필터와 특징을 사용한 혈관분할은 두꺼운 혈관은 비교적 잘 분할을 하나, 미세한 혈관에 대해서는 정확도가 떨어진다는 단점이 있다. 그리하여 전처리로 노이즈 제거를 위한 필터, 영상 대비를 위한 히스토그램 평활화를 사용하였으며, 픽셀 단위 분할을 위해 딥러닝 기법을 이용하였다. 기존 방법의 정확도는 90% ~ 94%이며, 제안한 방법의 정확도는 95%이다. 결과 영상에서 시신경 유두 및 삼출몰 주변에서 분할 오류가 나타나는 문제점이 있으나, 이는 네트워크 깊이가 얕음에 의한 오류로 향후 네트워크 변경을 통해 정확도를 개선할 수 있다.

• 한국융합학회논문지
• /
• 제12권12호
• /
• pp.39-47
• /
• 2021

효과적인 분절을 통한 양질의 입력 자질 구성은 언어모델의 문장 이해력을 향상하기 위한 필수적인 단계이다. 입력 자질의 품질 제고는 세부 태스크의 성능과 직결된다. 본 논문은 단어와 문장 분류 관점에서 한국어의 언어적 특징을 효과적으로 반영하는 분절 전략을 비교 연구한다. 분절 유형은 언어학적 단위에 따라 어절, 형태소, 음절, 자모 네 가지로 분류하며, RoBERTa 모델 구조를 활용하여 사전학습을 진행한다. 각 세부 태스크를 분류 단위에 따라 문장 분류 그룹과 단어 분류 그룹으로 구분 지어 실험함으로써, 그룹 내 경향성 및 그룹 간 차이에 대한 분석을 진행한다. 실험 결과에 따르면, 문장 분류에서는 단위의 언어학적 분절 전략을 적용한 모델이 타 분절 전략 대비 최대 NSMC: +0.62%, KorNLI: +2.38%, KorSTS: +2.41% 높은 성능을, 단어 분류에서는 음절 단위의 분절 전략이 최대 NER: +0.7%, SRL: +0.61% 높은 성능을 보임으로써, 각 분류 그룹에서의 효과성을 보여준다.

• 한국측량학회지
• /
• 제36권5호
• /
• pp.423-432
• /
• 2018

Surface water mapping has been widely used in various remote sensing applications. Water indices have been commonly used to distinguish water bodies from land; however, determining the optimal threshold and discriminating water bodies from similar objects such as shadows and snow is difficult. Deep learning algorithms have greatly advanced image segmentation and classification. In particular, FCN (Fully Convolutional Network) is state-of-the-art in per-pixel image segmentation and are used in most benchmarks such as PASCAL VOC2012 and Microsoft COCO (Common Objects in Context). However, these data sets are designed for daily scenarios and a few studies have conducted on applications of FCN using large scale remotely sensed data set. This paper aims to fine-tune the pre-trained FCN network using the CRMS (Coastwide Reference Monitoring System) data set for surface water mapping. The CRMS provides color infrared aerial photos and ground truth maps for the monitoring and restoration of wetlands in Louisiana, USA. To effectively learn the characteristics of surface water, we used pre-trained the DeepWaterMap network, which classifies water, land, snow, ice, clouds, and shadows using Landsat satellite images. Furthermore, the DeepWaterMap network was fine-tuned for the CRMS data set using two classes: water and land. The fine-tuned network finally classifies surface water without any additional learning process. The experimental results show that the proposed method enables high-quality surface mapping from CRMS data set and show the suitability of pre-trained FCN networks using remote sensing data for surface water mapping.

• 한국컴퓨터산업학회논문지
• /
• 제6권5호
• /
• pp.767-774
• /
• 2005

본 논문에서는 디지털 홀로그램의 효과적인 코팅 방법으로써 비디오 영상에서 사용되는 표준 압축 방식을 사용하였다. 먼저, 컴퓨터 형성 홀로그램(CGH)으로부터 생성된 격자패턴을 비디오 데이터로 변환한 다음 이를 부호화 하였다. 또한, 변환을 위한 전처리, 물체 영상의 전체적인 정보에 대한 국부적인 영역분할, 부호화를 위한 주파수 변환, 격자패턴의 비디오 스트림을 위한 스캐닝, 계수 값의 분류, 복합적인 비디오 부호화 등을 제안하였다. 제안된 복합 압축 알고리듬은 기존의 방법에 비해 뛰어난 압축율과 재생력을 얻을 수 있었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제33권4호
• /
• pp.384-395
• /
• 2006

항공 및 위성 사진과 같은 지형 / 지물 이미지는 대부분 비슷한 색상과 질감을 갖는다. 따라서 지형 / 지물 이미지 데이타베이스에서 질의 이미지를 정확하게 검색하기 위해서는 이미지의 형태 특정을 추출하는 것이 매우 중요하다. 본 논문에서는 지형 / 지물 이미지 검색을 위한 형태 특정 추출 방법을 제안한다. 이 방법은 이미지내 홀(hole) 이 있거나 이미지가 연결되지 않은 영역들로 구성되어 있을 경우에도 형태 특징들을 효과적으로 추출할 수 있다. 그리고 세그멘테이션 (segmentation)과 같은 특정 추출의 전처리 과정 (pre-processing) 에서 발생할 수 있는 오류에 강인하다. 본 논문에서 제안하는 방법이 기존의 방법들 보다 우수함을 다양한 이미지 검색 실험을 통해 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1778-1797
• /
• 2021

Document image binarization is an important pre-processing step in document analysis and archiving. The state-of-the-art models for document image binarization are variants of encoder-decoder architectures, such as FCN (fully convolutional network) and U-Net. Despite their success, they still suffer from three limitations: (1) reduced feature map resolution due to consecutive strided pooling or convolutions, (2) multiple scales of target objects, and (3) reduced localization accuracy due to the built-in invariance of deep convolutional neural networks (DCNNs). To overcome these three challenges, we propose an improved semantic segmentation model, referred to as DP-LinkNet, which adopts the D-LinkNet architecture as its backbone, with the proposed hybrid dilated convolution (HDC) and spatial pyramid pooling (SPP) modules between the encoder and the decoder. Extensive experiments are conducted on recent document image binarization competition (DIBCO) and handwritten document image binarization competition (H-DIBCO) benchmark datasets. Results show that our proposed DP-LinkNet outperforms other state-of-the-art techniques by a large margin. Our implementation and the pre-trained models are available at https://github.com/beargolden/DP-LinkNet.

• 한국통신학회논문지
• /
• 제29권1C호
• /
• pp.92-101
• /
• 2004

논문에서는 MPEG-4(Moving Picture Expert Group-4) 객체기반 부호화를 위하여 영상에서 실 시간적으로 변화영역(객체)을 추출하는 알고리즘에 대하여 제안한다. 기존의 객체 분리방법 들은 Off-Line 방법으로 객체를분리하므로 실시간 처리를 필요로 하는 영상전화나 영상회의 시스템에서는 사용할 수 없었다. 그리고 또 MPEG-4표준의 버전1에서 권장하는 객체분할 방식인 공간적인 분할(Spatial Segmentation)방법과 시간적인 분할(Temporal Segmentation)방법은 픽셀단위로 연산을 하므로 연산의 복잡도가 높아서 실시간 영상전송에 어렵다. 그러나 이 논문에서 제안하는 알고리즘은 연산단위를 픽셀단위로 연산하는 것이 아니라 매크로블록 단위로 연산이 이루어지므로 실시간 전송을 가능케 한다. 그러나MPEG-4권고 안에서 제시한 알고리즘처럼 이 번에 제안한 알고리즘도 한 영상에서 여러 개의 객체를 추출하는 것이 이루어지지 않았다. 그리고 전체 시스템 구성을 보면 크게 부호기와 복호기로 나누어지고 부호기에 본 논문에서 제안한 실시간 객체추출 알고리즘이 전처리 단으로 삽입되어 구현되었다.