선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 제안하는 알고리즘은 Lee와 Tse의 알고리즘이 분할하지 못하는 접합 문자들을 분할 할 수 있도록 설계하였다. 알고리즘의 가장 큰 특징은 다음과 같다.
- 비용을 계산하는 함수 부분만 수정되었으며 나머지 부분은 수식 3과 동일하다. 첫 번째로 벌칙 항 계산 부분을 곱셈에서 덧셈으로 수정 하였다. 이것은 2장의 그림 4(a)에서 설명 하였다.
- c는 입력 영상의 중앙 부분을 분리 할 수 있도록 유도하는 항이다. 제안하는 방법에서는 서로 다른 크기의 접합 문자도 처리하기 위해서 c를 삭제 하였다. 이 항을 삭제 한 후 다양한 영상을 분할 할 수 있었다.
- 제안하는 알고리즘은 상향과 하향으로 최소 비용 알고리즘을 수행하도록 수정 하였다. 기존 방법은 하향으로 검색한다.
- 이 알고리즘은 과거에 했던 선택을 번복 한다거나 미래의 선택을 미리 고려한다거나 하는 기회가 허용되지 않은 욕심쟁이 알고리즘이다[17]. 최소 비용 알고리즘은 욕심쟁이 알고리즘으로 그림 5와 같이 상향과 하향의 따라서 본 논문에서는 두 방향으로 최단거리 알고리즘을 수행 한 후 둘 중 더 좋은 결과를 선택한다.
대상 데이터
- 그림 6은 실험에 사용된 문서 영상의 예제를 보여준다. 영상은 스캔된 문서의 해상도를 기준으로 고품질 영상과 저품질 영상으로 구분하였다. 200dpi 이상의 영상은 고품질이며, 그 이하인 경우에는 저품질 영상이다.
- 영상은 스캔된 문서의 해상도를 기준으로 고품질 영상과 저품질 영상으로 구분하였다. 200dpi 이상의 영상은 고품질이며, 그 이하인 경우에는 저품질 영상이다. 그림 6(a)는 고품질의 영상 중 일부이며, 6(b)는 저품질 영상의 일부이다.
- 총 50개의 영상을 대상으로 접합 문자를 수집 한 후 실험에 사용하였다. 표 1과 같이 총 15,415개의 접합 문자 영상을 얻을 수 있었다.
- 총 50개의 영상을 대상으로 접합 문자를 수집 한 후 실험에 사용하였다. 표 1과 같이 총 15,415개의 접합 문자 영상을 얻을 수 있었다. 표 1은 접합 문자의 개수에 따른 분포를 보여준다.
이론/모형
- B는 입력 영상 I를 이진화한 영상이다. 영상 B를 생성하는 알고리즘은 Otus[16]를 이용하였다.
- 그림 6(a)는 고품질의 영상 중 일부이며, 6(b)는 저품질 영상의 일부이다. 이러한 영상을 대상으로 김우연[18]이 제안한 방법을 사용하여 문서 구조 분석, 줄 분할, 문자 분할 후 접합 문자만 따로 수집하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.