지능형 OCR 시스템을 위한 한글 필기체 생성 및 분류 모델에 관한 연구
A Study on Hangul Handwriting Generation and Classification Mode for Intelligent OCR System
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문에서는 다양한 산업분야에 적용 가능한 딥러닝 알고리즘 기반의 한글 필기체 생성 및 분류 모델을 구현하였다. 구현된 GAN 기반의 한글 필기체 생성 모델과 CNN 기반의 한글 필기체 분류 모델 2가지로 구성되어 있다. GAN 모델은 가짜 한글 필기체 데이터를 생성하기 위한 생성자 모델과 가짜 필기체 데이터를 판별하기 위한 판별자 모델로 구성된다. CNN 모델의 경우 'PHD08' 데이터세트를 활용하여 모델의 학습을 수행하였으며, 학습 결과 92.45% 정확도로 한글 필기체를 분류하는 것을 확인하였다. 구현된 GAN 모델을 통해 생성된 한글 필기체 데이터를 기존 CNN 모델의 학습 데이터세트와 통합하여 분류 모델의 성능평가를 진행한 결과 96.86%로 기존 분류 성능보다 우수하게 나타남을 확인하였다.
Abstract
In this paper, we implemented a Korean text generation and classification model based on a deep learning algorithm that can be applied to various industries. It consists of two implemented GAN-based Korean handwriting generation models and CNN-based Korean handwriting classification models. The GAN model consists of a generator model for generating fake Korean handwriting data and a discriminator model for discriminating fake handwritten data. In the case of the CNN model, the model was trained using the 'PHD08' dataset, and the learning result was 92.45. It was confirmed that Korean handwriting was classified with % accuracy. As a result of evaluating the performance of the classification model by integrating the Korean cursive data generated through the implemented GAN model and the training dataset of the existing CNN model, it was confirmed that the classification performance was 96.86%, which was superior to the existing classification performance.
참고문헌 (7)
- S. R. Zanwar, "Hybrid Optimization And Effectual Classification For High Recognitions In OCR Systems", Journal of The Institution of Engineers, 102(5), pp.966~977 (2021)
- A. Keipour, "Omnifont Persian OCR system using primitives", ~ (2022)
- N. H. Imam, "OCR post-correction for detecting adversarial text images", Journal of Information Security and Applications, 66, pp.103170~ (2022)
- F. K. Dankar, "Fake it till you make it: Guidelines for effective synthetic data generation", Applied Sciences, 11(5), pp.2158~ (2021)
- K. Chaitanya, "Semi-supervised task-driven data augmentation for medical image segmentation", Medical Image Analysis, 68, pp.101934~ (2021)
- T. Zhou, "GAN review: Models and medical image fusion applications", Information Fusion, 91, pp.134~148 (2023)
- 함대성, "한글 문자 데이터베이스 PHD08 구축", 한국콘텐츠학회 논문지, 8(11), pp.33~40 (2008), 한국콘텐츠학회