최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보과학회언어공학연구회 2015년도 제27회 한글 및 한국어 정보처리 학술대회, 2015 Oct. 17, 2015년, pp.99 - 103
김택수 (네이버) , 김상범 (네이버)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
딥 러닝을 이용해 이미지에서 텍스트를 추출하는 기술은 어떻게 나눌 수 있는가? | 딥 러닝을 이용해 이미지에서 텍스트를 추출하는 기술은 크게 분류기, 결합 임베딩, 이미지 캡셔닝의 세 종류로 나눌 수 있다. 먼저 분류기 방식[1,3,4]은 AlexNet과 같은 Convolutional Neural Network (CNN) 기반의 분류 모델을 의미하며, 주로 분류층의 노드 개수를 필요한 클래스의 개수만큼 늘려 사용한다. | |
딥러닝 기술은 어떤 분야에서 매우 가시적인 성과를 나타내고 있는가? | 최근 급부상한 딥러닝 기술은 데이터에 내재된 구조적 특징을 스스로 학습한다는 점과, 특정 분야에 대한 노하우가 없이도 손쉽게 사용할 수 있다는 점으로 인해 큰 인기를 얻고 있다. 특히 이미지 분류[1,3,4], 이미지 검출 [5,6] 등 컴퓨터 비전 분야에서 매우 가시적인 성과가 나타나고 있으며, 기계 번역[18,19]과 같은 자연어처리 분야에서도 그 영역을 넓히고 있다. | |
딥 러닝을 이용해 이미지에서 텍스트를 추출하는 기술 중 분류기 방식이란? | 딥 러닝을 이용해 이미지에서 텍스트를 추출하는 기술은 크게 분류기, 결합 임베딩, 이미지 캡셔닝의 세 종류로 나눌 수 있다. 먼저 분류기 방식[1,3,4]은 AlexNet과 같은 Convolutional Neural Network (CNN) 기반의 분류 모델을 의미하며, 주로 분류층의 노드 개수를 필요한 클래스의 개수만큼 늘려 사용한다. 두 번째는 결합 임베딩[10,11]으로, 이미지 특징 벡터와 새로운 벡터 공간 내 인접한 공간으로 사상시키는 방식이다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.