• 한국콘텐츠학회논문지
• /
• 제18권7호
• /
• pp.495-502
• /
• 2018

딥 러닝 기술의 등장으로 여러 나라의 필기체 인식은 높은 정확도 (중국어 필기체 인식은 97.2%, 일본어 필기체 인식은 99.53%)를 보인다. 하지만 한글 필기체는 한글의 특성으로 유사글자가 많은데 비해 문자의 데이터 수는 적어 글자 인식에 어려움이 있다. 하이브리드 러닝을 통한 한글 필기체 인식에서는 lenet을 기반으로 하여 낮은 레이어를 가진 모델을 사용하여 한글 필기체 데이터베이스 PE92에서 96.34%의 정확도를 보여주었다. 본 논문에서는 하이브리드 러닝에서 사용하였던 데이터 확장 기법(data augmentation)이나 multitasking을 사용하지 않고도 GoogLenet 네트워크를 기본으로 한글 필기체 데이터에 적합한 더 깊고 더 넓은 CNN(Convolution Neural Network) 네트워크를 도입하여 PE92 데이터베이스에서 98.64%의 정확도를 얻었다.

• 한국인터넷방송통신학회논문지
• /
• 제18권6호
• /
• pp.151-156
• /
• 2018

필기체 숫자인식은 일반적으로 높은 인식률과 문맥 독립이 요구되고 있고, 쓰는 사람에 따라서 많은 차이점이 있어서 자유 필기체 숫자는 인식이나 알고리즘작성에 아직도 어려운 문제점이 있다. 본 연구에서는, 필기체 숫자의 특성을 분석하고, 구조적 특징기반 자유 필기체 숫자인식 알고리즘을 새롭게 제안한다. 주어진 필기 숫자에 대하여, 끝점과 분기점, 수평선과 함께 숫자의 구조적 특징을 연구한다. 이 방법은 확장된 구조적 특징 알고리즘으로 제안되어 강인하며, 그리고 본 연구에서 제안한 구조적 특징에 기반 한 결정 트리(decision tree)는 필기체 숫자 자동인식방법에 구조적으로 기여한다. 본 알고리즘이 다른 방법과 비교하여 인식률과 강인성이 우수함을 실험결과로 보여주었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1032-1035
• /
• 2003

The field of handwriting recognition has been researched for many years. A hybrid classifier has been proven to be able to increase the recognition rate compared with a single classifier. In this paper, we combine support vector machine (SVM) and hidden Markov model (HMM) for offline handwritten numeral recognition. To improve the performance, we extract features adapted for each classifier and propose the modified SVM decision structure. The experimental results show that the proposed method can achieve improved recognition rate for handwritten numeral recognition.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 추계종합학술대회 논문집(3)
• /
• pp.33-36
• /
• 2000

In this paper, we describe a study on the spotting and recognition of handwritten numerals using neural networks. To recognize a handwritten numeral, two kinds of neural network classifiers ate developed. One makes use of the positive samples only, while the other does both of the positive and negative samples. We propose two numeral spotters which discriminate between numerals and non-numerals. Those are also implemented by using neural networks. From the various experimental results, we found that our methods can be successfully applied to spot and recognize handwritten numerals.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.609-615
• /
• 1998

In this paper, we propose efficient total recognition system of handwritten and printed numerals for enhancing the classification time. The proposed system consist two step neuroclassifier: Printed numerals classifier and Handwritten numerals classifier. The performance of the propose classifier was tested on 5000 handwritten numerals database of NIST and 100 printed numerals database. In case of handwritten classifier, the overall classification times were 11 second. And in case of proposed system, the overall classification times were reduced by...

• 한국지능시스템학회논문지
• /
• 제9권5호
• /
• pp.517-525
• /
• 1999

본 논문에서는 인쇄체가 대부분을 차지하는 우편물의 우편번호 분류기에 적용하기 위해 인쇄체 및 필기체를 구분하여 인쇄체는 단일 특징과 단일 신경망으로 저차 연산함으로써 빠르게 분류하고 피기체는 복합특징과 클러스터 신경망을 통한 고차연산으로 정확한 분류를 할 수 있는 속도 면에서 효율적인 신경망 분류기를 제안한다. 제안된 분류기는 인쇄체와 필기체를 구분하여 인쇄체를 분류하는 인쇄체 분류기와 여기서 기각된 필기체 숫자를 인식하는 필기체 분류기로 구성된다. 인쇄체 분류기는 망 특징 벡터를 입력의 단일 신경망 인식기로 빠르게 인쇄체 및 정확히 필기된 필기체를 분류하며그 외의 입력패턴에 대해서는 기각한다. 그리고 필기체 분류기는 4방향 특징 및 앞단에서 추출된 망 특징의 복합특징 벡터 입력으로 [11]에서 제안된 클러스터 신경망을 이용하여 정확한 분류를 할수 있도록 구성하였다. 제안된 방법의 성능을 객관적으로 검증하기 위하여 숫자 인식 데이터 베이스로 많이 사용되는 NIST의 필기체 숫자 데이터 베이스 및 자체적으로 구성한 인쇄체 숫자 데이터에 대해 실험하였다. 임의의 NIST 필기체 숫자 데이터 500자와 인쇄체 숫자 데이터 500자에 대해 전처리와 특징추출을 제외한 분류시간측정 결과 제안된 방법을 필기체 분류기에 사용할 경우 인쇄체와 필기체의 비율에 따라 49.1%~65.5% 향상된 속도로 분류함으로써 제안된 방법을 필기체 분류기에 적용함으로써 속도 면에서 효율적임을 나타냈다.

• 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

• 한국산학기술학회논문지
• /
• 제7권5호
• /
• pp.887-894
• /
• 2006

본 논문은 런 길이를 이용해 필기체 한글 문자에서 자획의 교점을 검출하는 새로운 방법을 제안한다 이를 위해 첫째로, 수평 런 길이와 수직 런 길이를 이용해 필기체 한글 문자의 자획 두께를 구하고, 둘째로, 자획 두께를 이용해 입력 문자의 자소를 수평 성분과 수직 성분으로 분리하며, 마지막으로, 자획의 수평 성분과 수직 성분을 이용해 자획의 교점을 구하는 기술을 제안한다. 수평 성분과 수직 성분 분석은 각도와 관계없이 자획 두께와 런 길이의 변화량만을 이용해 구한다. 자획의 교점은 오프라인 필기체 한글 인식을 위한 요소 기술 중 하나인 자소 분리를 위한 분리점 후보가 되며 분리된 자획은 필기체 한글 인식을 위한 특징을 나타낸다.

• 한국인터넷방송통신학회논문지
• /
• 제17권1호
• /
• pp.1-11
• /
• 2017

최근 서비스 계약 또는 가입에 개인의 고객정보 이용 및 약관 동의를 위한 디지털 자필 서명을 요구하는 것이 일반적이다. 기존 자필 서명을 포함하는 서명시스템들은 각 기업 내에서 자체적으로 서비스 플랫폼 위에 구현되어 활용되고 있기 때문에 플랫폼에 의존적일 뿐만 아니라 디바이스 보유 현황에 따라 서명을 수행할 수 있는 환경이 달라질 수 있는 문제점이 존재한다. 본 논문에서는 이기종간 통합 브라우저 환경에서 jQuery를 기반으로 자필의 2차원 좌표를 직접 저장하는 방식을 이용하여 크로스 브라우징이 가능한 통합 자필 서명 시스템을 설계 및 구현하였다. iOS, Android, PC 등 이기종 환경의 웹 브라우저에서 통합 테스트를 하였고, 모든 자필 서명 기능이 정상적으로 동작함을 확인하였다.

• 정보처리학회논문지B
• /
• 제9B권3호
• /
• pp.375-382
• /
• 2002

필기체 문자 인식은 온라인 필기체 문자 인식과 오프라인 필기체 문자 인식으로 나누어진다. 온라인 필기체 문자 인식은 타블렛과 같은 펜 기반의 전자식 입력 장치를 이용하여 필기의 순서와 획의 위치와 같은 동적인 필기 정보를 문자의 입력 시 획득할 수 있어 오프라인 필기체 문자 인식에 비해 큰 연구 성과를 이루었다. 그러나 오프라인 필기체 문자 인식은 온라인 필기체 문자 인식에서와 같이 동적인 정보를 입력받을 수 없고, 다양한 필기와 자소의 겹침이 심하며 획 사이의 잡영을 많이 가지고 있어 인식의 전처리 결과에 따라 인식 성능이 크게 달라진다. 본 논문에서는 오프라인 필기체 한글 문자 인식을 위해 문자의 동적인 정보를 포함하는 획을 효과적으로 추출하는 방법을 제안한다. 제안된 방법은 전처리 과정으로 먼저 Watershed 알고리즘을 이용하여 입력된 필기체 문자 영상의 향상 및 이진화를 수행한다. 이진화된 문자부를 변형된 Lu와 Wang의 세선화 알고리즘을 사용하여 세선화를 수행한 후 문자에서의 특징점을 추출하여 세그먼트 화소열을 추출하고, 최대 허용 오차법을 이용하여 벡터화한다. 벡터화의 수행으로 몇 개의 획이 하나의 세그먼트로 묶인 경우, 하나의 세그먼트 화소열은 2 또는 그 이상의 세그먼트 벡터로 분리된다. 추출된 세그먼트 벡터들을 완전한 획으로 재구성하기 위해서 오른손 필기 좌표계 시스템을 이용하여 벡터의 방향적인 성분을 인간의 필기 획의 방향에 알맞게 수정하고, 수정된 세그먼트 벡터의 방향성과 분기 정보를 이용하여 인접한 결합 가능한 세그먼트 벡터를 결합함으로써 문자 인식에 적합한 완전한 획으로 재구성한다. 실험 결과 제안된 방법이 필기체 한글 문자 인식에 적합함을 알 수 있었다.