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.
문제 정의
- 그리고 컨테이너 영상의 개별 식별자들은 모두 컨테이너의 외부에 표시되어 있기 때문에 기타 불필요한 잡음으로 인하여 임계화 과정에서 불필요한 정보가 포함되는 경우가 발생한다. 따라서 본 논문에서는 윤곽선 추적 마스크를 적용하여 추출된 영역이 개별 식별자인지 아닌지를 판단하고 추출된 개별 식별자들이 순서대로 추출되도록 한다.
- 윤곽선 추출 방법으로는 3X3 마스크를 이용하여 8 방향으로 윤곽선을 추출하거나 2X2 마스크를 이용하여 4 방향으로 윤곽선을 추출하는 방법이 있다. 본 논문에서는 윤곽선 추적 속도를 높이기 위해서 2X2 마스크를 이용하여 윤곽선을 추출한다[6, 7].
- 그러나 클러스터의 갱신된 개수가 증가하면 갱신된 패턴들의 모든 특징을 포함할 수 있어야하므로 경계 변수가 줄어들어야 한다. 본 논문에서는 입력 패턴들의 특징을 잘 분류할 수 있도록 클러스터마다 각각의 경계 변수를 동적으로 설정하는 ART1< 제안한다. 제안된 ART1 에서 동적인 경계 변수는 식(2)와 같이 퍼지 논리 접속 연산자 중에서 Yagers\ 교접속 연산자를 이용하여 경계변수를 동적으로 조정한다.
제안 방법
- Canny 마스크를 이용할 경우에는 에지가 여러 방향으로 연결되지 않고, 검출되므로 컨테이너의 바탕과 문자 부분을 구별할 수 있는 중요한 정보가 된다[4, 5]. Canny 마스크로 처리된 영상은 식별자가 포함되어있는 영역이 다른 영역에 비해 에지가 많이 나타나므로 수직 및 수평 방향 히스토그램을 이용하여 수직 컨테이너 영상과 수평 컨테이너 영상으로부터 식별자 영역을 추출한다.
- 본 논문에서는 이러한 문제점을 개선하기 위하여 ART1 를 수정하여 지도학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 개별 식별자 인식에 적용한다. 개선된 자가생성 지도학습 알고리즘에서 입력층과 은닉층의 학습 구조로는 ART1 을 수정하여 적용한다. 은닉층과 출력층 사이의 학습은 은닉층에서 승자로 선택된 노드에 대해서만 출력층으로 전달하여 목표값과 비교하여 학습한다.
- 계산된 출력벡터와 목표벡터와의 차이를 이용하여 8 값을 계산하고 연결 가중치를 조정한다. 학습은 모든 패턴에 대해 목표 벡터와 출력 벡터 차이의 절대값이 0.
- 추출하였다. 그리고 ART1 을 개선하여 지도 학습 방법과 결합한 자가생성 지도학습 알고리즘을 제안하여 개별 식별자 인식에 적용하였다.
- 적용한다. 그리고 개선된 자가생성 지도학습알고리즘 제안하여 추출된 컨테이너의 식별자를 인식한다.
- 따라서 본 논문에서는 컨테이너의 식별자를 추출하기 위하여 컨테이너 영상을 Canny 에지 추출 기법을 이용하여 컨테이너의 식별자 영역을 분리하고 분리된 컨테이너 식별자 영역에서 히스토그램 방법과 윤곽선 추적 알고리즘을 이용하여 개별 식별자를 추출한다. 이때 히스토그램 방법은 컨테이너 식별자 영역에서 문자 분포의 정보를 어느 정도 제공하지만, 배경과 문자가 뚜렷이 구분되지 않거나 배경과 문자가 구분되었지만 컨테이너 표면의 굴곡으로 식별자간의 상하, 좌우 간격과 문자 형태가 변형되었을 경우에는 추출할 수 없다.
- 그러나 기존의 자가생성 지도학습 알고리즘은 은닉층의 노드를 동적으로 생성할 때에 유사한 패턴이 다른 노드로 생성되어 은닉층의 노드 수가 중가되는 단점이 있다[9]. 본 논문에서는 이러한 문제점을 개선하기 위하여 ART1 를 수정하여 지도학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 개별 식별자 인식에 적용한다. 개선된 자가생성 지도학습 알고리즘에서 입력층과 은닉층의 학습 구조로는 ART1 을 수정하여 적용한다.
- 본 논문에서는 컨테이너 영상에 대해 Canny 에지 추출 기법을 이용하여 컨테이너 식별자 영역올 추출하고 추출된 컨테이너 식별자 영역에서 히스토그램 방법과 윤곽선 추적 알고리즘을 결합하여 개별 식별자를 추출하였다. 그리고 ART1 을 개선하여 지도 학습 방법과 결합한 자가생성 지도학습 알고리즘을 제안하여 개별 식별자 인식에 적용하였다.
- 본 논문에서의 컨테이너 개별 식별자 추출 및 인식 과정은 Canny 에지 추출 기법을 이용하여 컨테이너의 식별자 영역을 분리하고 분리된 컨테이너의 식별자 영역에서 히스토그램 방법과 윤곽선 추적 알고리즘을 결합하여 개별 식별자를 추출하는 부분과 개선된 자가생성 지도학습 알고리즘을 제안하여 개별 식별자를 인식하는 부분으로 구성된다.
- 756 X 504 픽셀 크기의 256 컬러 컨테이너 영상 32개를 대상으로 실험하였다. 성능 평가를 위한 실험은 히스토그램 방법과 윤곽선 추적 방법간의 컨테이너의 식별자 영역 및 개별 식별자 추출 개수를 비교하였고, 히스토그램 방법과 윤곽선 추적 방법을 결합하여 추출된 개별 식별자 개수를 나타내어 자가생성 지도학습 알고리즘으로 인식하였다. 32개의 컨테이너 영상을 실험한 결과 32개의 식별자 영역이 모두 추출되었다.
- 개선된 자가생성 지도학습 알고리즘에서 입력층과 은닉층의 학습 구조로는 ART1 을 수정하여 적용한다. 은닉층과 출력층 사이의 학습은 은닉층에서 승자로 선택된 노드에 대해서만 출력층으로 전달하여 목표값과 비교하여 학습한다.
- 추출된 32개의 식별자 영역에 대해 히스토그램 방법과 윤곽선 추적 방법을 결합하여 352개의 개별 식별자를 모두 추출하였다. 추출된 컨테이너 개별 식별자 인식은 ART1 을 개선하여 지도학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 적용하였다. 352개의 개별 식별자를 기존의 자가생성 지도학습 알고리즘과 개선된 자가생성 지도학습 알고리즘을 이용하여 학습한 결과 개선된 자가생성 지도학습 알고리즘이 기존의 자가생성 지도학습 알고리즘보다 학습 시간이 적게 소요되었고 유사한 패턴들이 서로 다른 노드로 생성되지 않아서 은닉층의 노드 수가 적게 생성되었다.
- 추출된 컨테이너의 식별자 영역을 이진화하여 히스토그램 방법과 4 방향 윤곽선 추적 알고리즘을 이용하여 개별 식별자를 추출한다. 그리고 추출된 컨테이너를 인식할 수 있도록 정규화 한다.
- 개별 식별자를 추출한다. 컨테이너 식별자 영역은 수직 식별자 영역과 수평 식별자 영역으로 구분되는 더 I, 본 논문에서는 개별 식별자 추출 과정은 같으나 처리 순서에서 두 형태에 따라 약간의 차이를 두었다. 수직 식별자 영역에 비해 수평 식별자 영역은 여러 줄의 문자열로 구성되어 있는 경우가 많으므로 개별식별자를 추출하기 전에 소벨 마스크와 히스토그램을 이용하여 각각의 수평 문자열로 분리한다.
- 컨테이너 영상으로부터 식별자 영역을 추출하기 위해서 Canny 마스크를 이용하여 에지를 검출한다. Canny 마스크를 이용할 경우에는 에지가 여러 방향으로 연결되지 않고, 검출되므로 컨테이너의 바탕과 문자 부분을 구별할 수 있는 중요한 정보가 된다[4, 5].
대상 데이터
- 0으로 구현하였다. 756 X 504 픽셀 크기의 256 컬러 컨테이너 영상 32개를 대상으로 실험하였다. 성능 평가를 위한 실험은 히스토그램 방법과 윤곽선 추적 방법간의 컨테이너의 식별자 영역 및 개별 식별자 추출 개수를 비교하였고, 히스토그램 방법과 윤곽선 추적 방법을 결합하여 추출된 개별 식별자 개수를 나타내어 자가생성 지도학습 알고리즘으로 인식하였다.
- 32개의 컨테이너 영상을 실험한 결과, 컨테이너 식별자 영역이 모두 추출되었다. 추출된 32개의 식별자 영역에 대해 히스토그램 방법과 윤곽선 추적 방법을 결합하여 352개의 개별 식별자를 모두 추출하였다. 추출된 컨테이너 개별 식별자 인식은 ART1 을 개선하여 지도학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 적용하였다.
이론/모형
- 그러므로 본 논문에서는 컨테이너 식별자를 추출하기 위해 히스토그램 방법과 윤곽선 추적 알고리즘을 결합하여 적용한다. 그리고 개선된 자가생성 지도학습알고리즘 제안하여 추출된 컨테이너의 식별자를 인식한다.
- 컨테이너의 수직 식별자 영상과 수평 식별자 영상에서 개별 식별자와 잡음을 구분하기 위하여 유클리디안(euclidean)을 이용하여 식⑴과 같이 계산한다.
성능/효과
- 성능 평가를 위한 실험은 히스토그램 방법과 윤곽선 추적 방법간의 컨테이너의 식별자 영역 및 개별 식별자 추출 개수를 비교하였고, 히스토그램 방법과 윤곽선 추적 방법을 결합하여 추출된 개별 식별자 개수를 나타내어 자가생성 지도학습 알고리즘으로 인식하였다. 32개의 컨테이너 영상을 실험한 결과 32개의 식별자 영역이 모두 추출되었다. 추출된 32개의 식별자 영역 중에서 히스토그램을 이용하여 20개의 식별자 영역이 추출되었고 220개의 개별 식별자가 추출되었다.
- 그리고 윤곽선 추적 알고리즘을 이용한 개별 식별자 추출 방법은 임계화 전처리가 필요하였고 개별 식별자가 뭉쳐서 나오는 경우에는 추출에 실패하였다. 32개의 컨테이너 영상을 실험한 결과, 컨테이너 식별자 영역이 모두 추출되었다. 추출된 32개의 식별자 영역에 대해 히스토그램 방법과 윤곽선 추적 방법을 결합하여 352개의 개별 식별자를 모두 추출하였다.
- 352개의 개별 식별자를 기존의 자가생성 지도학습 알고리즘과 개선된 자가생성 지도학습 알고리즘을 이용하여 학습한 결과 개선된 자가생성 지도학습 알고리즘이 기존의 자가생성 지도학습 알고리즘보다 학습 시간이 적게 소요되었고 유사한 패턴들이 서로 다른 노드로 생성되지 않아서 은닉층의 노드 수가 적게 생성되었다. 352개의 개별 식별자를 개선된 자가생성 지도학습 알고리즘으로 인식한 결과 352개 모두 인식하였다.
- 추출된 컨테이너 개별 식별자 인식은 ART1 을 개선하여 지도학습 방법과 결합한 개선된 자가생성 지도학습 알고리즘을 제안하여 적용하였다. 352개의 개별 식별자를 기존의 자가생성 지도학습 알고리즘과 개선된 자가생성 지도학습 알고리즘을 이용하여 학습한 결과 개선된 자가생성 지도학습 알고리즘이 기존의 자가생성 지도학습 알고리즘보다 학습 시간이 적게 소요되었고 유사한 패턴들이 서로 다른 노드로 생성되지 않아서 은닉층의 노드 수가 적게 생성되었다. 352개의 개별 식별자를 개선된 자가생성 지도학습 알고리즘으로 인식한 결과 352개 모두 인식하였다.
- 표3에서 알 수 있듯이 기존의 자가생성 지도학습 알고리즘보다 개선된 자가생성 지도 학습 알고리즘의 학습 시간이 적게 소요되었다. 그리고 개선된 자가생성 지도학습 알고리즘에서는 유사한 패턴들이 서로 다른 노드로 생성되지 않아서 은닉층의 노드 수가 기존의 자가생성 지도학습 알고리즘보다 적게 생성되었다.
- 추출된 32개의 식별자 영역 중에서 히스토그램을 이용하여 20개의 식별자 영역이 추출되었고 220개의 개별 식별자가 추출되었다. 윤곽선 추적 방법은 32개의 식별자 영역에서 25개의 식별자 영역이 추출되었고 최종적으로 273개의 개별식별자가 추출되었다. 히스토그램 방법과 윤곽선 추적 방법을 결합하여 적용했을 경우에는 32개의 식별자 영역에 대하여 식별자 영역이 모두 추출되었고 352 개의 개별 식별자가 모두 추출되었다.
- 32개의 컨테이너 영상을 실험한 결과 32개의 식별자 영역이 모두 추출되었다. 추출된 32개의 식별자 영역 중에서 히스토그램을 이용하여 20개의 식별자 영역이 추출되었고 220개의 개별 식별자가 추출되었다. 윤곽선 추적 방법은 32개의 식별자 영역에서 25개의 식별자 영역이 추출되었고 최종적으로 273개의 개별식별자가 추출되었다.
- 히스토그램 방법과 윤곽선 추적 방법을 결합하여 적용했을 경우에는 32개의 식별자 영역에 대하여 식별자 영역이 모두 추출되었고 352 개의 개별 식별자가 모두 추출되었다. 추출된 352개의 개별 식별자를 자가생성 지도학습 알고리즘을 이용하여 인식한 결과 352개가 모두 인식되었다. 히스토그램 방법과 윤곽선 추적 방법간의 컨테이너 식별자 영역 및 개별 식별자 추출 결과는 표1과 같다.
- 표3으로 나타내었다. 표3에서 알 수 있듯이 기존의 자가생성 지도학습 알고리즘보다 개선된 자가생성 지도 학습 알고리즘의 학습 시간이 적게 소요되었다. 그리고 개선된 자가생성 지도학습 알고리즘에서는 유사한 패턴들이 서로 다른 노드로 생성되지 않아서 은닉층의 노드 수가 기존의 자가생성 지도학습 알고리즘보다 적게 생성되었다.
- 히스토그램 방법에서 개별 식별자 추출에 실패한 영상의 경우는 윤곽선추적 방법으로 개별 식별자의 추출율을 개선하였으나, 컨테이너 영상의 임계화과정에서 식별자와 배경이 정확하게 구분된 경우에만 개별 식별자가 추출되었다. 히스토그램 방법과 윤곽선 추적 방법을 적용하여 개별 식별자 추출에 실패한 경우를 각각 끄림6과 그림7로 나타내었다,
후속연구
- 향후 연구 방향은 다양한 배경을 가진 운송 컨테이너 영상과 식별자 형태가 훼손된 운송 컨테이너 영상에 대해 실험하고, 추출된 개별 식별자를 이진화하는 과정에서 식별자가 훼손되는 부분을 개선할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.