$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

윈도우 기반의 광학문자인식을 이용한 영상 번역 시스템 구현
An Implementation of a System for Video Translation on Window Platform Using OCR 원문보기

한국사물인터넷학회 논문지 = Journal of the Korea Internet of Things Society, v.5 no.2, 2019년, pp.15 - 20  

황선명 (대전대학교 컴퓨터공학과) ,  염희균 (대전대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

기계학습 연구가 발달함에 따라 번역 분야 및, 광학 문자 인식(Optical Character Recognition, OCR) 등의 이미지 분석 기술은 뛰어난 발전을 보였다. 하지만 이 두 가지를 접목시킨 영상 번역은 기존의 개발에 비해 그 진척이 더딘 편이다. 본 논문에서는 기존의 OCR 기술과 번역기술을 접목시킨 이미지 번역기를 개발하고 그 효용성을 검증한다. 개발에 앞서 본 시스템을 구현하기 위하여 어떤 기능을 필요로 하는지, 기능을 구현하기 위한 방법은 어떤 것이 있는지 제시한 뒤 각기 그 성능을 시험하였다. 본 논문을 통하여 개발된 응용프로그램으로 사용자들은 좀 더 편리하게 번역에 접근할 수 있으며, 영상 번역이라는 특수한 환경으로 한정된 번역기능에서 벗어나 어떠한 환경에서라도 제공되는 편의성을 확보하는데 기여할 수 있을 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As the machine learning research has developed, the field of translation and image analysis such as optical character recognition has made great progress. However, video translation that combines these two is slower than previous developments. In this paper, we develop an image translator that combi...

주제어

#기계학습   #광학문자인식   #이미지 번역기   #기계번역   #영상 번역  

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 OCR 기술과 번역 기술을 접목시킨 이미지 번역 시스템을 개발하였다. 사용자가 프로그램을 실행시키면 일련의 프로세스를 통하여 번역문을 제공받게 된다.
  • 특히 이 문제는 PDF와 같은 장문의 텍스트 이미지 또는 수많은 반복 번역이 필요한 자막 생성과 같은 상황에서는 그 문제점이 크게 나타난다[5,6,7]. 이러한 문제를 해결하기 위하여 본 논문은 기존에 존재하는 OCR 기능과 번역 기술을 접목시켜 데스크톱 기반의 이미지를 해독하여 텍스트를 추출하고, 추출한 텍스트를 번역하는 이미지 번역기 프로그램을 개발하여 사용자의 편의를 확대하고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
NMT 모델에서 전반적으로 보이는 문제점은 무엇인가? NMT 모델은 단일 신경망 구조를 사용하는 End-to-end 방식의 신경망 번역 모델로, 언어별, 텍스트 유형별로 학습 정도에 따라 차등이 있으나, 두 줄 정도 길이의 문장 내에서는 문맥 파악이 이루어져 결과물의 의미적, 통사적 완성도가 크게 높아진 것을 확인 할 수 있다. 그 외 전반적으로 보이는 문제점으로는 누락, 부적절한 직역으로 인한 의미 전달 오류, 불필요한 표현의 반복, 문장 단위를 벗어난 전문용어의 불일치, 단복수 오류 등이 있다.
NMT 모델은 무엇인가? NMT 모델은 단일 신경망 구조를 사용하는 End-to-end 방식의 신경망 번역 모델로, 언어별, 텍스트 유형별로 학습 정도에 따라 차등이 있으나, 두 줄 정도 길이의 문장 내에서는 문맥 파악이 이루어져 결과물의 의미적, 통사적 완성도가 크게 높아진 것을 확인 할 수 있다. 그 외 전반적으로 보이는 문제점으로는 누락, 부적절한 직역으로 인한 의미 전달 오류, 불필요한 표현의 반복, 문장 단위를 벗어난 전문용어의 불일치, 단복수 오류 등이 있다.
NMT(신경망 기계번역)의 번역과정은 어떤 과정을 거치는가? 딥러닝이 성공적으로 적용되는 대표적인 자연어 처리 분야가 기계번역이라고 할 수 있는데, 신경망(Neural Networks) 기반 기계번역(Neural Machine Translation, NMT)은 하나의 신경망으로 번역 모델이 구성되고 학습된다는 측면에서 기존 여러 모듈에 기반한 기계 번역과 다른 패러다임을 제시하고 있다[8,9,10]. 일반적으로 NMT는 인코더(Encoder)와 디코더(Decoder)로 구성되는데, 단어들로 구성된 입력문장을 인코더가 벡터공간에 표현하고, 이를 디코더가 다시 출력 문장의 단어들을 하나씩 순차적으로 만들어 내는 것으로 번역 과정이 진행된다. 이러한 과정은 전통적인 기계번역 시스템이 단어들을 심볼(Symbols) 수준에서 직접 다루는 것과 상반된다[11].
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. K.H.Cho, et al., "Learning phrase representations using RNN encoder-decoder for statistical machine translation," arXiv preprint arXiv: 1406.1078, 2014. 

  2. B.Dzmitry, K.H.Cho, and Y.Bengio, "Neural machine translation by jointly learning to align and translate," arXiv preprint arXiv:1409.0473, 2014. 

  3. Tu, Zhaopeng, et al., "Context gates for neural machine translation," Transactions of the Association for Computational Linguistics 5, pp.87-99, 2017. 

    상세보기 crossref

  4. V.Ashish, et al., "Attention is all you need," Advances in Neural Information Processing Systems, 2017. 

  5. Ma, Mingbo, et al., "Osu multimodal machine translation system report," arXiv preprint arXiv:1710.02718, 2017. 

  6. Madhyastha, P.Swaroop, J.Wang, and L.Specia, "Sheffield multimt: Using object posterior predictions for multimodal machine translation," Proc. of the Second Conference on Machine Translation, 2017. 

  7. Caglayan, Ozan, et al., "Lium-cvc submissions for wmt17 multimodal translation task," arXiv preprint arXiv:1707.04481, 2017. 

  8. N.Kalchbrenner and P.Blunsom, "Recurrent continuous translation models," EMNLP, 2013. 

  9. I.Sutskever, O.Vinyals, Q.V.Le, "Sequence to Sequence Learning with Neural Networks," Advances in Neural Information Processing Systems (NIPS), 2014. 

  10. D.Bahdanau, K.Cho and Y.Bengio, "Neural Machine Translation by Jointly Learning to Align and Translate," Int'l Conf. on Learning Representations (ICLR), 2015. 

  11. P.Koehn, "Statistical Machine Translation. Statistical Machine Translation," Cambridge University Press, ISBN 9780521874151, 2010. 

  12. R.Mithe, S.Indalkar, and N.Divekar, "Optical character recognition," International Journal of Recent Technology and Engineering, Vol.2, pp.72-75, 2013. 

  13. E.B.Go, Y.J.Ha, S.R.Choi, K.H.Lee, and Y.H.Park, "An implementation of an android mobile system for extracting and retrieving texts from images," Journal of Digital Contents Society, Vol.12, No.1, pp.57-67, 2011. 

    원문보기 상세보기 crossref

  14. M.H.Cho, "A study on character recognition using wavelet transformation and moment," Journal of The Korea Society of Computer and Information, Vol.15, No.10, pp.49-57, 2010. 

    원문보기 상세보기 crossref

  15. J.W.Song, N.R.Jung, and H.S.Kang, "Container BIC-code region extraction and recognition method using multiple thresholding," Journal of the Korea Institute of Information and Communication Engineering, Vol.19, No.6, pp.1462-1470, 2015. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로