• 한국전자통신학회논문지
• /
• 제11권7호
• /
• pp.685-692
• /
• 2016

본 연구에서는 물체 인식 분야에서 잘 알려진 회전, 스케일, 조명의 변화에 강인한 특징치인 SIFT를 이용하여 지폐의 특징 벡터를 구하고 이를 ANN알고리즘에 의해 정합하여 다국적 지폐를 인식하는 방법에 관한 것으로 계층적 지폐인식 방법을 제안한다. 지폐마다 지니고 있는 특징치를 추출하여 국적 및 권종을 인식하기 위하여 자외선, 적외선, 및 백색 투과광 조명을 개발하고 조명 변화에 따라 촬영된 영상으로부터 SIFT특징치를 구하고 다국적 지폐의 국적과 권종을 인식하는 방법을 구현하였다. 한화, 달러화, 유로화에 관하여 회전 및 크기 변화가 있는 환경에서 제안한 알고리즘을 적용하였고 잘 작동하고 있음을 확인 하였다.

• 한국지능시스템학회논문지
• /
• 제19권1호
• /
• pp.54-61
• /
• 2009

본 논문에서는 비전 패턴인식 알고리즘인 시공간적 계층 메모리 학습 알고리즘을 이용한 새로운 근전도 패턴인식 방법을 제시한다. 효율적인 근전도 신호의 학습과 분류를 위하여 단순화된 2 레벨의 공간적 집합, 시간적 집합, 그리고 관리 맵퍼를 이용한 수정된 시공간적 계층 메모리 학습 알고리즘을 제안한다. 인식 성능을 향상시키기 위해서 관리 맵퍼 학습뿐만 아니라 시간적 집합 학습에도 카테고리 정보를 사용한다. 실험을 통하여 열 가지 손동작이 성공적으로 인식됨을 검증한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 1990년도 제2회 한글 및 한국어정보처리 학술대회
• /
• pp.183-190
• /
• 1990

본 논문에서는 인쇄체 한글문자를 실용적으로 인식하기 위하여 고안된 계층적 신경망을 소개하고, 이를 다중활자체의 한글문자를 인식하는 문제에 적용하였다. 이 신경망은 입력된 문자영상을 6가지의 유형으로 분류한 후, 해당 유형을 처리하는 신경망에서 실제 문자를 인식하도록 구성되었다. 또한 각 신경망을 모든 입력영상의 모든 출력노드에 대해 고르게 학습시키기 위하여 Backpropagation 알고리즘을 개선한 Descending Epsilon 알고리즘을 도입하였다. 그 결과 사용빈도수가 높은 한글 520자에 대해 94.4 - 98.4%의 인식률을 얻음으로써 본 논문에서 제안한 시스템이 다양한 활자체로 이루어진 실제 문서인식시스템의 문자인식부에 효과적으로 사용될 수 있음을 제시하였다.

• 정보처리학회논문지B
• /
• 제10B권4호
• /
• pp.443-450
• /
• 2003

본 논문은 영문 명함의 다해상도 영상을 이용한 계층적 영살 처리를 통해 문자를 추출하고 개선된 신경망 기법을 이용하여 문자를 인식하는 새로운 계층적 명함 인식 알고리즘을 제안하였다 계층적 인식 알고리즘은 명함 인식 과정을 구성하는 각 처리 단계별로 처리 시간을 단축함과 동시에 성능 향상을 위해 입력된 명함 영상을 해상도가 서로 다른 영상들로 분리하여 적용한다. 우선 1/3배 축소 영상에 가로 스미어링 기법을 적용하여 명함 영상 내에서 문자들을 포함하는 문자열 영역을 추출하고, 문자열 영역으로부터 개별 문자를 추출하기 위하여 1/2배 축소 영상에 새로 스미어링 및 윤곽선 추적 마스킹을 적용한다. 마지막으로 추출된 문자를 인식하기 위해서 문자의 형태학적 특성을 그대로 가지고 있는 원 영상을 사용하며, 다양한 형태를 가진 명함상의 문자를 인식하기 위해 ART1 기반의 개선된 RBF 네트워크를 제안하고 인식 과정에 적용하였다 제안된 인식 알고리즘을 실제 영문 명함 영상에 적용하여 실험한 결과, 기존의 방법과 비교하여 문자 추출 및 인식 성능이 크게 향상됨을 확인하였다.

• 한국통신학회논문지
• /
• 제33권10B호
• /
• pp.885-893
• /
• 2008

RFID (Radio Frequency IDentification) 시스템에서는 다수의 리더들이 동시에 동일한 태그의 인식을 시도하는 경우 리더 충돌이 발생하게 된다. 이러한 리더 충돌은 RFID 시스템의 태그 인식 효율성 및 인식 속도를 저하시키는 주요 요인으로 작용하기 때문에 이를 방지할 수 있는 효과적인 리더 충돌 방지 알고리즘이 요구된다. 이에 본 논문에서는 리더 충돌을 방지하기 위해 관리 리더와 보조 리더로 구성된 계층적인 구조를 형성하고, 관리 리더가 보조 리더를 관리하여 리더 충돌을 방지하는 계층적 구조 기반의 리더 충돌 방지 알고리즘을 제안한다. 또한, 제안 알고리즘의 성능 평가를 위해 모의실험을 수행하였고, 리더 충돌 확률 및 태그 인식 시간 등에 대한 성능 분석을 수행하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.360-363
• /
• 2018

본 논문에서는 계층적 RNN의 성능 향상을 위하여 강화학습을 통한 계층적 RNN 내 파라미터를 효율적으로 찾는 방법을 제안한다. 계층적 RNN 내 임의의 파라미터에서 학습을 진행하고 얻는 분류 정확도를 보상으로 하여 간소화된 강화학습 네트워크에서 보상을 최대화하도록 강화학습 내부 파라미터를 수정한다. 기존의 강화학습을 통한 내부 구조를 찾는 네트워크는 많은 자원과 시간을 소모하므로 이를 해결하기 위해 간소화된 강화학습 구조를 적용하였고 이를 통해 적은 컴퓨터 자원에서 학습속도를 증가시킬 수 있었다. 간소화된 강화학습을 통해 계층적 RNN의 파라미터를 수정하고 이를 행동 인식 데이터 세트에 적용한 결과 기존 알고리즘 대비 높은 성능을 얻을 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.248-249
• /
• 2018

본 논문에서는 고해상도 자궁 내막 세포들을 대상으로 정상세포와 이상세포들을 구별하기 위한 알고리즘을 제안한다. 구체적으로 계층적 구조를 갖는 Convolutional Neural Network (CNN) 모델을 기반으로 네 가지 세포들을 구분하는 알고리즘을 제안한다. 이 연구에서 고해상도 영상을 분류하면서도 복잡도 증가를 막기 위해 효율적인 전처리 과정을 사용하였다. 다양한 컴퓨터 실험을 통하여 제안하는 기술을 사용할 때, 인식률이 향상되는 것을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.167-168
• /
• 2019

최근 스마트폰 잠금 해제 방법으로 암호화 기술을 사용하여 다양한 알고리즘이 채택하고 있다. 이미 상용화에 성공한 인간의 생체인식 기술로 해결하는 방향으로 나아가고 있다. 이러한 방법에는 지문인식, 얼굴인식 및 홍채인식 등이 포함한다. 본 연구에서는 이미 상용화된 생체인식 기술 및 패턴인식 및 암호입력 방법을 평가항목으로 선정 하였다. 평가항목은 지문인식, 얼굴인식 홍채인식, 패턴인식 및 암호 입력방법 등 다섯 가지 알고리즘으로 구성되어 있다. 이러한 알고리즘을 기반으로 계층적 분석 방법론을 바탕으로 스마트폰 사용자의 암호화 알고리즘 선호도를 분석하였다. 또한 분석결과를 바탕으로 이론적 시사점을 제시하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.822-825
• /
• 2007

RFID(Radio Frequency Identification) 시스템에서 다수의 리더가 동시에 동일한 태그의 인식을 시도하는 경우, 태그는 다수의 리더가 요청한 내용을 처리할 수 없기 때문에 리더 충돌이 발생하게 된다. 이러한 리더 간 간섭에 의한 충돌은 RFID 시스템의 태그 인식 효율 및 인식 속도의 저하 등에 대한 주요 요인으로 작용하기 때문에 이를 방지할 수 있는 효과적인 리더 충돌 방지 알고리즘이 요구된다. 이에 본 논문에서는 리더 충돌이 발생한 경우, 관리 리더(Master Reader)와 보조 리더 그룹(Assistant Reader Group)간의 계층적인 구조를 형성하고, 관리 리더를 통해 하위 리더 그룹을 관리하여 리더 충돌을 방지하는 리더 충돌 방지 알고리즘을 제안한다. 또한, 모의실험을 통해 제안하는 알고리즘의 성능을 분석하고 평가하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권8호
• /
• pp.633-641
• /
• 2009

본 논문에서는 아날로그 데이터 처리가 가능하고, 온라인 학습, 학습 중 새로운 클래스 추가등의 특징을 가진 패턴 인식기를 제안하였다. 제안한 패턴 인식기는 계층적 구조를 가지고 있으며, 각 레벨별로 서로 다른 메트릭을 적용하여 분류 성능을 향상 시켰다. 제안한 패턴 인식기는 신경망 기반의 패턴 인식 알고리즘인 Gaussian ARTMAP 모델을 기반으로 하고 있다. Gaussian ARTMAP 모델을 계층적으로 구성하고, 계층마다 서로 다른 특징을 학습하도록 하기 위하여 Principal Component Emphasis (P.C.E) 방법을 제안하였으며, 이를 이용하여 새로운 메트릭을 생성하는 방법을 제안하였다. P.C.E는 학습된 입력 데이터들의 분산을 이용하여 클래스 내의 공통 속성을 나타내는 분산이 작은 차원을 제거하고 패턴 간의 서로 다른 속성을 나타내는 분산이 큰 차원만 유지하는 방법이다. 제안한 알고리즘의 학습 과정에서 교사 신호와 다르게 분류된 패턴이 발생하면 잘못 분류 된 클래스와 입력된 패턴을 분리하기 위하여 P.C.E를 수행하고 하위 노드에서 학습하게 된다. 실험 결과 제안한 모델은 기존에 제안된 패턴 인식 모델들 보다 높은 분류 성능을 가지고 있음을 확인하였다.