• 정보학연구
• /
• 제5권2호
• /
• pp.17-26
• /
• 2002

본 연구에서는 자기조직화 교사학습 신경망인 SOSL(Self-Organized Superised Learning)과 이 신경망의 구조를 제안한다. SOSL신경망은 하이브리드 형태의 신경망으로써 다수 개의 컴포넌트 에러 역전파 신경망들과 수정된 PCA신경망으로 구성된다. CBP신경망은 군집화되고 복잡한 입력패턴에 대하여 교사학습을 병렬적으로 수행한다. 수정된 PCA신경망은 군집화 및 지역투영에 의하여 원 입력패턴을 보다 작은 차원으로 변환시키기 위하여 사용된다. 제안된 SOSL은 많은 입력패턴을 가짐으로써 큰 네트워크 크기를 가지게 되는 신경망에 효과적으로 적용이 가능하다.

• 한국지능시스템학회논문지
• /
• 제11권5호
• /
• pp.379-387
• /
• 2001

본 논문은 그레이 명암도 변화와 HSl 컬러 모형의 Hue 정보를 함께 이용한 번호판 영역 추출 방법을 제안한다. 차량 이미지에서 차량 번호판 추출은 명암도 변화를 이용하여 번호판 후보 영역을 추출하고 후보 영역에 대해 HSI 컬러 모형의 Hue 정보를 이용하여 실제 번호판 영역을 결정한다. 추출된 번호판 영역으로부터 문자를 포함하는 특징 영역 추출은 각 문자들에 대한 히스토그램을 이용하여 추출한다. 그리고 Yager의 합접속 연산자를 이용하여 경계 변수 값을 동적으로 변화시키는 개선된 ART2 알고리즘을 제안하고 번호판의 개별 문자 인식에 적용한다. 또한 개선된 ART2와 지도 학습 방법을 통합한 SOSL 알고리즘을 제안한다. 100개의 실제 차량 이미지를 이용한 실험 결과를 통해 제안된 번호판 영역 추출 방법이 단일 컬러 모형을 적용한 기존 추출 방법보다 추출률이 향상되었고, 개선된 알고리즘들이 기존의 ART2 알고리즘과 오류 역전파 알고리즘 보다 더 높은 인식률을 보임을 알 수 있었다.