• 한국정보처리학회논문지
• /
• 제6권7호
• /
• pp.1825-1831
• /
• 1999

카오스 이론의 프랙탈 차원과 어트랙터를 이용하여 특징을 추출하여 문자인식에 적용하는 새로운 방법을 제안함으로써 기존의 혼동문자에 의한 오인식 비율을 줄이고자 하였다. 먼저 인식기에 부담을 줄이기 위해서 각 문자에 대해 특징을 조사하여 분류를 행한다. 분류된 문자에 대해 각 문자에 해당하는 Box-counting dimension, Natural Measure, Information dimension을 구하여 특징을 추출하여 인식하였다. 또한 문자의 히스토그램의 값을 이용하여 어트랙터를 구성하고 어트랙터에서 차원 값을 구한 다음 문자 자체의 차원 값과 함께 특징으로 사용하여 인식하였다. 실험 결과 전체적인 인식율의 평균은 학습 데이터에 대해서는 평균 96.03%, 미학습 데이터에 대해서는 91.74%를 나타내어 제안된 방법의 유효성을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 추계종합학술대회 논문집(3)
• /
• pp.145-148
• /
• 2000

This paper proposes a character segmentation method for Korean letter address image. The poor quality of image binarization results in broken character strokes. To overcome this problem, two steps of processing ate introduced. The first one is to merge broken characters to generate character candidates, and the other one is to reduce the complexity of segmentation graph path. These two steps do not use recognition information to keep in high-speed.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제5권9호
• /
• pp.223-228
• /
• 2016

최근 가상 환경의 발전은 이용자들이 현실 세계를 그대로 반영한 가상 환경을 요구하도록 변화하고 있다. 하지만 현재 서버 및 네트워크 환경은 소수의 이용자가 소수의 그룹을 이루어 함께하는 형태로, 현실 세계를 그대로 반영하지 못하고 있다. 가장 큰 이유 중 하나는 이용자간 정보 동기화에 많은 부하가 발생하기 때문이며, 이러한 부하는 정보 전달 시간을 증가시키게 된다. 본 논문에서는 이러한 문제를 최소화하기 위한 Migration Agent 서버 시스템을 제안한다. Migration Agent 서버는 Field Server 이동시 Player Character의 동기화 과정에서 DBMS의 접근을 최소화하여 응답 시간을 줄여주기 위한 서버로 Field Server간 Player Character 이동을 위한 캐시 서버 역할을 수행한다. 그에 더해 스택형태로 Field Server를 배치함으로 기존 격자 형태로 인해 특정 서버에 부하가 집중되는 것을 보완하였다.

• 전자공학회논문지B
• /
• 제32B권3호
• /
• pp.522-532
• /
• 1995

Multilayer neural networks with backpropagation learning algorithm are widely used for pattern classification problems. For many real applications, it is more important to reduce the misclassification rate than to increase the rate of successful classification. But multilayer perceptrons(MLP's) have drawbacks of slow learning speed and false convergence to local minima. In this paper, we propose a new method for character recognition problems with a single-layer network and double rejection mechanisms, which guarantees a very low misclassification rate. Comparing to the MLP's, it yields fast learning and requires a simple hardware architecture. We also introduce a new coding scheme to reduce the misclassification rate. We have prepared two databases: one with 135,000 digit patterns and the other with 117,000 letter patterns, and have applied the proposed method for printed character recognition, which shows that the method reduces the misclassification rate significantly without sacrificing the correct recognition rate.

• 대한전자공학회논문지
• /
• 제27권11호
• /
• pp.103-110
• /
• 1990

本 論文에서는 퍼지推論을 利用한 온라인 筆記體 한글文字의 認識에 관하여 硏究하였다. 筆記者 마다의 筆體變動으로 인한 애매성을 解決하기 위해, 각 스트로크間의 相對位置情報마다 作成되는 生成 을 퍼지推論에 適用하여 筆記體 한글을 認識하였다. 處理시간을 短縮하기 위하여, 入力文字의 스트로크 數에 따라 미리 分類한 基準文字의 小群을 선택하였고, 이 小群의 文字들과 入力文字와의 거리에 許容限果를 주어 基準文字들을 감소시켜 퍼지推論에 적용하였다. 10人으로부터 수집된 39990字의 筆記體 한글文字에 대하여 實驗한 結果, $99.5{\%}$의 認識과 0.4초/文字의 平均處理 速度를 얻었다.

• 한국콘텐츠학회논문지
• /
• 제5권5호
• /
• pp.152-158
• /
• 2005

문자 패턴에서 추출한 서로 다른 특징 집합을 결합함으로써 문자 인식 시스템의 성능을 향상시킬 수 있다. 이때 결합된 특징 벡터의 차원을 줄이기 위해 특징 선택을 수행해야 한다. 이 논문은 문자 인식 문제에서 특징 결합과 선택을 위한 일반적인 틀을 제시한다. 또한 필기 숫자 인식을 위한 설계와 구현을 제시한다. 이 설계에서는 필기 숫자 패턴에서 DDD 특징 집합과 AGD 특징 집합을 추출하며 특징 선택을 위해 유전 알고리즘을 사용한다. 실험 결과 CENPARMI 필기 숫자 데이터베이스에 대해 0.7%의 정확률 향상을 얻었다.

• 대한임베디드공학회논문지
• /
• 제18권5호
• /
• pp.241-248
• /
• 2023

GAN (Generative Adversarial Networks) creates highly sophisticated counterfeit products by learning real images or text and inferring commonalities. Therefore, it can be useful in fields that require the creation of large-scale images or graphics. In this paper, we implement GAN-based game character creation AI that can dramatically reduce illustration design work costs by providing expansion and automation of game character image creation. This is very efficient in game development as it allows mass production of various character images at low cost.

• 한국정보통신학회논문지
• /
• 제16권6호
• /
• pp.1318-1324
• /
• 2012

본 논문에서는 게임의 재미를 높이고 속도감 있는 게임 진행을 위하여 게임 캐릭터의 특징에 따라 움직임이 없는 캐릭터(NPC)와 움직임이 있는 캐릭터(Monster)로 분류하는 방법을 제시한다. 분류 속성은 각각의 캐릭터 내부에 있는 직선선분의 특징을 추출하여 사용한다. 우선 캐릭터 내부에 존재하는 에지 특징을 추출하여 EEDH를 산출하고 또한 방향성을 질감의 속성으로 이용하여 SSPD를 계산한다. 추출된 속성들은 특정 방향에 따른 에너지를 나타내며 캐릭터 내부의 특정 방향에 대한 크기를 나타내고 있기 때문에 게임 캐릭터들을 NPC와 Monster로 분류 하는 속성으로 이용하였다. 본 논문에서 제안한 방법은 게임진행에서 유저가 불필요한 플레이를 함으로서 소모되는 시간을 줄이고 전략적이고 속도감 있게 플레이 할 수 있는 기능을 제공한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2004년도 정기총회 및 학술대회
• /
• pp.237-240
• /
• 2004

This paper describes a character retrieval system for TV programs and a set of novel algorithms for detecting and recognizing faces for the system. Our character retrieval system consists of two main components: Face Register and Face Recognizer. The Face Register detects faces in video frames and then guides users to register the detected faces of interest into the database. The Face Recognizer displays the appearance interval of each character on the timeline interface and the list of scenes with the names of characters that appear on each scene. These two components also provide a function to modify incorrect results. which is helpful to provide accurate character retrieval services. In the proposed face detection and recognition algorithms. we reduce the computation time without sacrificing the recognition accuracy by using the DCT/LDA method for face feature extraction. We also develop the character retrieval system in the form of plug-in. By plugging in our system to a cataloguing system. the metadata about the characters in a video can be automatically generated. Through this system, we can easily realize sophisticated on-demand video services which provide the search of scenes of a specific TV star.

• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.382-395
• /
• 2021

In this study, character recognition using deep learning is performed among the various defects in the PCB, the purpose of which is to check whether the printed characters are printed correctly on top of components, or the incorrect parts are attached. Generally, character recognition may be perceived as not a difficult problem when considering MNIST, but the printed letters on the PCB component data are difficult to collect, and have very high redundancy. So if a deep learning model is trained with original data without any preprocessing, it can lead to over fitting problems. Therefore, this study aims to reduce the redundancy to the smallest dataset that can represent large amounts of data collected in limited production sites, and to create datasets through data enhancement to train a flexible deep learning model can be used in various production sites. Moreover, ResNet model verifies to determine which combination of datasets is the most effective. This study discusses how to reduce and augment data that is constantly occurring in real PCB production lines, and discusses how to select coresets to learn and apply deep learning models in real sites.