• International journal of advanced smart convergence
• /
• 제8권3호
• /
• pp.131-137
• /
• 2019

This study proposes a method of learning and recognizing the characteristics that are the classification criteria of Hangul using Mask R-CNN, one of the deep learning techniques, to recognize and classify atypical Hangul characters. The atypical characters on the Hangul signboard have a lot of deformed and colorful shapes beyond the general characters. Therefore, in order to recognize the Hangul signboard character, it is necessary to learn a separate atypical Hangul character rather than the existing formulaic one. We selected the Hangul character '닭' as sample data and constructed 5,383 Hangul image data sets and used them for learning and verifying the deep learning model. The accuracy of the results of analyzing the performance of the learning model using the test set constructed to verify the reliability of the learning model was about 92.65% (the area detection rate). Therefore we confirmed that the proposed method is very useful for Hangul signboard character recognition, and we plan to extend it to various Hangul data.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제27권2호
• /
• pp.135-145
• /
• 2023

Recently, as deep learning technology has developed, various deep learning technologies have been introduced in handwritten recognition, greatly contributing to performance improvement. The recognition accuracy of handwritten Hangeul recognition has also improved significantly, but prior research has focused on recognizing 520 Hangul characters or 2,350 Hangul characters using SERI95 data or PE92 data. In the past, most of the expressions were possible with 2,350 Hangul characters, but as globalization progresses and information and communication technology develops, there are many cases where various foreign words need to be expressed in Hangul. In this paper, we propose a model that recognizes and combines the consonants, medial vowels, and final consonants of a Korean syllable using a multi-label classification model, and achieves a high recognition accuracy of 98.38% as a result of learning with the public data of Korean handwritten characters, PE92. In addition, this model learned only 2,350 Hangul characters, but can recognize the characters which is not included in the 2,350 Hangul characters

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1990년도 추계학술대회 논문집 학회본부
• /
• pp.465-469
• /
• 1990

This thesis proposes a new scheme for the recognition of presegmented Hangul characters. The proposed approach is rather insensitive to noise and variation by applying 2 dimensional convolution to learning patterns. In this thesis, the hangul recognition neural network is implemented in the basis of this scheme and recognition rate is analyzed in boo cases of learning which are learning by binary patterns and learning by binary patterns and convoluted patterns together.

• 한국멀티미디어학회논문지
• /
• 제23권7호
• /
• pp.850-861
• /
• 2020

Hangul is a language that is composed of initial, medial, and final syllables. It has 11,172 characters. For this reason, the current method of designing all the characters by hand is very expensive and time-consuming. In order to solve the problem, this paper proposes an automatic Hangul font generation system and evaluates the standards for mapping Hangul characters to produce an effective automated Hangul font generation system. The system was implemented using character generation engine based on deep learning CycleGAN. In order to evaluate the criteria when mapping characters in pairs, each criterion was designed based on Hangul structure and character shape, and the quality of the generated characters was evaluated. As a result of the evaluation, the standards designed based on the Hangul structure did not affect the quality of the automated Hangul font generation system. On the other hand, when tried with similar characters, the standards made based on the shape of Hangul characters produced better quality characters than when tried with less similar characters. As a result, it is better to generate automated Hangul font by designing a learning method based on mapping characters in pairs that have similar character shapes.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권12호
• /
• pp.499-508
• /
• 2022

딥러닝을 이용한 한글 생성 모델에 대한 연구가 많이 진행되었으며, 최근에는 한글 1벌을 생성하기 위하여 입력되는 글자 수를 얼마나 최소화할 수 있는지(Few-Shot Learning)에 대하여 연구되고 있다. 본 논문은 28개 글자를 사용하는 CKFont (이하 CKFont1) 모델을 분석하고 개선하여 14개 글자만을 사용하는 CKFont2 모델을 제안한다. CKFont2 모델은 28글자로 51개 한글 구성요소를 추출하여 모든 한글을 생성하는 CKFont1 모델을, 24개의 구성요소(자음 14개와 모음 10개)를 포함한 14개의 글자만을 이용하여 모든 한글을 생성하는 모델로 성능을 개선하였으며, 이는 현재 알려진 모델로서는 최소한의 글자를 사용한다. 한글의 기본 자/모음으로부터 쌍자음(5), 복자음(11)/복모음(11) 등 27개를 딥러닝으로 학습하여 생성하고, 생성된 27개 구성요소를 24개의 기본 자/모음과 합한 51개 구성요소로부터 모든 한글을 자동 생성한다. zi2zi, CKFont1, MX-Font 모델 생성 결과와 비교 분석하여 성능의 우수성을 입증하였으며, 구조가 간결하고 시간과 자원이 절약되는 효율적인 모델로 한자나 태국어, 일본어에도 확장 적용이 가능하다.

• 만화애니메이션 연구
• /
• 통권35호
• /
• pp.291-312
• /
• 2014

본 연구는 놀이를 학문적인 관점으로 승화시킨 로제 카이와 (R.Caillois)의 이론을 기반으로 유아의 한글 학습의 동기부여를 위한 재미 요소를 찾아보는 것으로부터 시작한다. 놀이의 궁극적 목적에는 즐거움이 수반되어야 한다. 그리고 학습은 개인의 경험에 의한 영구적인 변화를 의미하는데, 놀이와 학습, 이 두 가지 요소는 융합을 통해 교육용 기능성 게임을 연구하는 게임 기반 학습 이론 GBL(game based learning)의 중요한 요소이다. 유아가 한글 학습을 하면서 스스로 목표를 달성하기 위해서 무엇보다 중요한 것은 재미이다. 유아는 성인에 비해 집중력이 낮기 때문에 몰입을 위해 재미를 학습과 결부시키는 것은 매우 중요하다. 따라서 본 연구는 먼저 효과적인 놀이 특성 요소가 적용된 한글 기능성 모바일 게임 사례를 분석을 통해 알아보고자 하였다. 사례의 선정 기준으로는 사용자의 선호도를 기준삼아, 2014년 4월 22일을 시점으로 구글 안드로이드 마켓의 유아용 한글 기능성 모바일 게임 영역에서 10000개 이상 다운로드 한 게임을 토대로 다운로드 횟수와 사용자의 평가 별점에 따라 20개의 한글 모바일 기능성 게임을 선정하였다. 현재 시중에 출시되어 있는 다양한 유아용 한글 학습 놀이 콘텐츠의 사례를 R.Caillois가 제안하는 놀이의 네 가지 분류와 속성의 선행연구를 통해 아곤(Agon), 미미크리(Mimicry), 일레아(Alea), 일링크스(Ilinx)로 분석하고 그 고유의 특성과 비교하였다. 그 특성 네 가지가 한글 기능성 모바일 게임 안에서 어떠한 역할을 수행하는 지 살펴 본 결과, 선정된 사례 중 게임의 규칙과 의지가 최대로 포함된 아곤(Agon)의 유형이 가장 많은 분포를 보였으며, 각각 하나의 놀이 요소가 적용된 것보다는 네가지 놀이 특성이 고루 분포된 경우에서 유희성과 함께 높은 몰입도를 경험하게 해 주었다. 본 연구 결과를 통해 유아용 한글 기능성 모바일 게임 콘텐츠가 놀이의 속성이 반영된 재미의 요소를 학습에 접목하는 기반연구가 되길 기대한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국제학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.76-80
• /
• 1993

In this paper we discuss optimization of neural network parameters, such as inclination of the sigmoid function, the numbers of the input layer's units and the hidden layer's units, considering application to recognition of hand written Hangul. Hangul characters are composed of vowels and consonants, and basically classified to six patterns by their positions. Using these characteristics of Hangul, the pattern of a given character is determined by its peripheral distribution and the other features. After then, the vowels and the consonants are recognized by the optimized neural network. The constructed recognition system including a neural network is applied to non-learning Hangul written by some Korean people, which are the names randomly taken from Korean spiritual and cultural research institute.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권2호
• /
• pp.73-78
• /
• 2021

최근 딥러닝에 대한 관심이 증가하면서 이를 이용한 다양한 분야에서 연구가 진행되고 있다. 그러나 딥러닝 기반의 생성 모델을 이용하는 폰트의 자동 생성 연구들은 로마자 및 한자와 같은 몇 언어들에 국한되어 연구되고 있다. 한글 폰트 디자인은 매우 큰 시간과 비용이 들어가는 작업으로, 딥러닝을 이용하면 손쉽게 생성할 수 있다. 한글 폰트를 생성하는 연구는 딥러닝 기반의 생성 모델들과 발맞추기 위해 프로세스 자동화 관점에서 한글 폰트 데이터셋을 준비하는 것이 중요하다. 이를 위하여 본 논문에서는 딥러닝 기반의 한글 폰트 연구를 위한 한글 폰트 데이터셋을 제안하고. 그 데이터셋을 구성하는 방법을 기술한다. 본 논문에서 제안하는 한글 폰트 데이터셋을 기반으로 딥러닝 한글 폰트 생성 어플리케이션에 적용하는 과정을 통해 제안하는 데이터셋 구성의 유용성을 보인다.

• 한국콘텐츠학회논문지
• /
• 제16권2호
• /
• pp.449-455
• /
• 2016

현재는 남녀노소 할 것 없이 많은 사람들이 스마트 폰을 이용하는 시대가 되었다. 특히 스마트 폰을 이용하여 교육용 애플리케이션을 제작하는 사례들이 늘어나고 있는 추세이다. 본 논문은 이러한 추세에 맞춰 어디서나 쉽게 유아들에게 한글을 접하고, 쉽고, 재미있게 배울 수 있는 한글 교육 기능성 게임을 설계하는 것을 목표로 한다. 특히 스마트 폰의 사용이 보편화되면서 유아들의 한글 습득과정이 과거와 달라지고 있다는 점은 주지의 사실이다. 보통 유아는 한글 공부를 일반적으로 종이책을 기반으로 학습한다. 그러나 현재는 스마트 폰을 활용해 시간과 장소에 구애받지 않고 한글을 익힐 수 있는 세상으로 변화되었으며, 주위에서 이런 모습을 어렵지 않게 볼 수 있게 되었다. 본 논문에서는 한글 학습을 놀이의 속성을 이용해 쉽게 익힐 수 있도록 스마트 폰에서 활용할 수 있는 애플리케이션을 설계하는 방법에 대해 설명한다.

• 정보학연구
• /
• 제9권1호
• /
• pp.55-63
• /
• 2006

In this paper, a Hangul recognition system using of Kohonen Network in the phoneme separation and learning is proposed. A Hangul consists of phoneme that are consists of strokes. The phoneme recognition and separation are very important in the recognition of character. So, the phonemes which mismatching has been happened are correctly separated through the learning of neural networks. also, learning rate($\alpha$) adjusted according to error, in order to solved that its decreased the number of iteration and the problem of local minimum, adaptively.