변형 VGG 모델의 전처리를 이용한 부품도면 문자 인식 성능 개선

• 영문명: Performance Improvement of Optical Character Recognition for Parts Book Using Pre-processing of Modified VGG Model
• 발행기관: 한국전자통신학회
• 저자명: 신희란(Hee-Ran Shin) 이상협(Sang-Hyeop Lee) 박장식(Jang-Sik Park) 송종관(Jong-Kwan Song)
• 간행물 정보: 『한국전자통신학회 논문지』제14권 제2호, 433~438쪽, 전체 6쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2019.03.30

국문 초록

본 논문에서는 기계 서비스 부품 도면에서 숫자를 인식하기 위하여 입력 영상에 대한 전처리와 딥러닝 모델을 제안한다. 서 비스 부품 도면의 숫자를 인식하는데 있는 지시선과 도형에 의한 오검출 또는 오인식을 개선하기 위하여 수학적 형태학 필터 링 전처리를 한다. 숫자 인식을 위하여 VGG-16 모델을 축소 변형한 7 개의 계층을 가지는 VGG 모델을 적용함으로써 인식 성 능을 개선한다. 서비스 부품 도면의 숫자 인식 실험 결과, 제안하는 방법이 인식률 95.57%, 정확도는 92.82%로 종래의 방법에 현저히 개선된 결과를 얻었다.

영문 초록

This paper proposes a method of improving deep learning based numbers and characters recognition performance on parts of drawing through image preprocessing. The proposed character recognition system consists of image preprocessing and 7 ayer deep learning model. Mathematical morphological filtering is used as preprocessing to remove the lines and shapes which causes false recognition of numbers and characters on parts drawing. Further.. Further, the used deep learning model is a 7 layer deep learning model instead of VGG-16 model. As a result of the proposed OCR method, the recognition rate of characters is 92.57% and the precision is 92.82%.

목차

Ⅰ. 서 론

Ⅱ. 축소 변형 VGG 모델

Ⅲ. 제안하는 전처리와 결합한 OCR

Ⅳ. 시뮬레이션 결과 및 검토

Ⅴ. 결 론

키워드

Deep Learning Mathematical Morphology Filtering Optical Character Recognition 광학 문자 인식 심층 학습 학적 형태학 필터