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
- 따라서, 본 연구에서는 최근 인공지능(AI)을 활용한 연구를 컴퓨터 비전 분야 또는 머신 비전 시스템(Machine Vision System)의 개념을 도입하여 OCR기술적용, AI기반의 머신 비전 적용, KNN알고리즘을 적용한 항만서류 인식율 개선을 통해 항만업무의 효율화와 생산성 증가를 모색하고자 한다. 무엇보다도 여러 이미지의 집합 속에서 유의미한 특징(feature)을 추출해야 하는 자동인식 분야에서 인공지능은 처리 속도를 개선하고 모델을 생성해 항만서류의 직접 작성한 손 글씨 인식(MNIST), 차량 인식과 이미지 자동 인식을 머신러닝 알고리즘인 KNN(K-Nearest Neighbor) 알고리즘을 통해 스마트 항만 서류 자동인식에서 활용한 KNN 알고리즘에 대해 제시하고자 한다.
- 최적의 K 값을 선정하는 것은 데이터에 절대적인 의존적 영향을 미치며, K 값을 크게 줄 경우는 데이터의 구조적 특성을 파악하는데 어려워진다. 또한, 기존에 더 분류된 영역으로 처리되며 편향적 결과를 제시한다. 따라서 K 의 값이 작은 경우 K=1 경우 이상치 데이터에 영향을 준다.
- 따라서, 본 연구에서는 최근 인공지능(AI)을 활용한 연구를 컴퓨터 비전 분야 또는 머신 비전 시스템(Machine Vision System)의 개념을 도입하여 OCR기술적용, AI기반의 머신 비전 적용, KNN알고리즘을 적용한 항만서류 인식율 개선을 통해 항만업무의 효율화와 생산성 증가를 모색하고자 한다. 무엇보다도 여러 이미지의 집합 속에서 유의미한 특징(feature)을 추출해야 하는 자동인식 분야에서 인공지능은 처리 속도를 개선하고 모델을 생성해 항만서류의 직접 작성한 손 글씨 인식(MNIST), 차량 인식과 이미지 자동 인식을 머신러닝 알고리즘인 KNN(K-Nearest Neighbor) 알고리즘을 통해 스마트 항만 서류 자동인식에서 활용한 KNN 알고리즘에 대해 제시하고자 한다.
- 본 연구는 기존 텍스트 필터링을 포함하여 그 한계점을 항만 서류에 적용하기 위해 이미지 학습을 통한 필터링 방법을 제시하고자 한다. 초성, 중성, 종성이 결합된 한글의 형태로 한 글자를 여러 줄에 걸쳐 분리·작성과 충분한 의미전달을 만들 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.