http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 박규로(Gyu-Ro Park) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
영상 관찰 모델을 이용한 예제기반 초해상도 텍스트 영상 복원
박규로,김인중,Park, Gyu-Ro,Kim, In-Jung 한국정보처리학회 2010 정보처리학회논문지B Vol.17 No.4
Example-based super resolution(EBSR) is a method to reconstruct high-resolution images by learning patch-wise correspondence between high-resolution and low-resolution images. It can reconstruct a high-resolution from just a single low-resolution image. However, when it is applied to a text image whose font type and size are different from those of training images, it often produces lots of noise. The primary reason is that, in the patch matching step of the reconstruction process, input patches can be inappropriately matched to the high-resolution patches in the patch dictionary. In this paper, we propose a new patch matching method to overcome this problem. Using an image observation model, it preserves the correlation between the input and the output images. Therefore, it effectively suppresses spurious noise caused by inappropriately matched patches. This does not only improve the quality of the output image but also allows the system to use a huge dictionary containing a variety of font types and sizes, which significantly improves the adaptability to variation in font type and size. In experiments, the proposed method outperformed conventional methods in reconstruction of multi-font and multi-size images. Moreover, it improved recognition performance from 88.58% to 93.54%, which confirms the practical effect of the proposed method on recognition performance. 예제기반 초해상도 영상 복원(EBSR)은 고해상도 영상과 저해상도 영상간의 패치간 대응관계를 학습함으로써 고해상도 영상을 복원하는 방법으로, 한 장의 저해상도 영상으로부터도 고해상도 영상을 복원할 수 있는 장점이 있다. 그러나, 폰트의 종류나 크기가 학습 영상과 다른 텍스트 영상을 적용할 경우 잡영을 많이 발생시킨다. 그 이유는 복원 과정 중 매칭 단계에서 입력 패치들이 사전 내의 고해상도 패치와 부적절하게 매칭될 수 있기 때문이다. 본 논문에서는 이러한 문제점을 극복하기 위한 새로운 패치 매칭 방법을 제안한다. 제안하는 방법은 영상 관찰 모델을 이용하여 입력 영상과 출력 영상간의 상관 관계를 보존함으로써 잘못 매칭된 패치로 인한 잡영을 효과적으로 억제한다. 이는 출력 영상의 화질을 개선할 뿐 아니라, 다양한 종류 및 크기의 폰트를 포함한 대용량 패치 사전을 적용할 수 있게 함으로써 폰트의 종류 및 크기의 변이에 대한 적응력을 크게 향상시킨다. 실험에서 제안하는 방법은 폰트와 크기가 다양한 영상에 대하여 기존의 방법보다 우수한 영상 복원 성능을 나타내었다. 뿐만 아니라, 인식 성능도 88.58%에서 93.54%로 개선되어 제안하는 방법이 인식 성능의 개선에도 효과적임을 확인하였다.
-
박규로(Gyu-Ro Park),김인중(In-Jung Kim) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1
본 논문에서는 인식기반 초해상도 영상복원 방법을 제안한다. 기존의 초해상도 영상복원 방법이 인식모듈과는 독립적으로 수행되었던 반면, 제안하는 방법은 초해상도 복원 과정과 인식 과정을 통합함으로써 시스템 전체적인 관점에서의 최적화를 수행한다. 초해상도 복원 과정에 클래스 별 선행모델을 사용하고, 인식기의 반응을 참조하여 최적 클래스를 선택함으로써 영상복원과 인식을 동시에 수행한다. 실험에서 제안하는 방법으로 복원과 인식을 동시에 실시한 결과 영상복원과 인식을 독립적으로 수행하는 기존의 방법에 비하여 화질과 인식성능 면에서 모두 개선된 결과를 얻었다.
-
초해상도 영상복원과 인식기 연동학습에 의한 저해상도 문자 영상 인식
류상진(Sang-Jin Ryu),박규로(Gyu-Ro Park),김인중(In-Jung Kim) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.2A
저해상도 문자 영상을 인식하는 것은 아직까지도 어려운 문제이다. 본 논문에서는 초해상도 영상복원과 인식기의 연동학습에 의한 저해상도 문자 영상 인식 방법을 제안한다. 현재까지의 시스템에서는 초해상도 복원영상의 특성이 잘 반영되지 않았던 것에 반해 제안하는 시스템은 입력된 저해상도 영상과 초해상도 복원 영상의 특징 벡터를 결합한 후 인식기 학습 및 인식에 함께 사용한다. 그 결과 두 가지 영상의 상호 보완적인 정보를 모두 활용하여 인식을 수행한다. 실험을 통해 초해상도 영상복원과 무관하게 학습된 인식기와 비교한 결과 77.66%에서 98.79%로 개선되어 21.13%의 성능 개선 효과를 얻었다.
-
중첩 클러스터링을 이용한 다중 신경망 기반 필기 한글 인식
류상진(Sang-Jin Ryu),김인중(In-Jung Kim),박규로(Gyu-Ro Park) 한국정보과학회 2009 한국정보과학회 학술발표논문집 Vol.36 No.1C
필기 한글 인식은 지금까지 많은 연구가 이루어졌음에도 아직까지 해결되지 못한 어려운 문제이다. 본 연구에서는 중첩 클러스터링과 다중 신경망을 이용하여 필기 한글을 인식하는 방법을 제안하였다. 한글은 문자 클래스의 수가 많아 단일 신경망으로는 인식하기 어렵다. 따라서 신경망을 이용하여 필기 한글을 인식할 경우 먼저 한글 문자들을 몇 개의 클러스터로 나눈 후 이를 기반으로 입력 문자를 대분류 한후 각 클러스터에 내에서 신경망을 이용하여 상세 분류를 수행한다. 그러나 이와 같은 시스템에서는 대분류 과정에서 많은 오류가 발생하여 전체 인식률을 저하시킨다. 따라서 본 연구에서는 대분류를 통해 각 신경망이 분류할 대상 클래스를 축소하되, 대분류 단계에서 자주 혼동되는 문자 클래스를 복수의 클러스터에 중복되도록 소속시킴으로써 대분류 오류를 줄이는 방법을 제안한다. 실험을 통해 제안하는 방법을 기존에 많이 사용되는 6형식 분류 기반의 신경망 인식기와 비교한 결과 제안하는 방법이 더 높은 인식률을 나타내었다.
ScienceON
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
