손글씨 인식 학습 모델 기반 수식 연산에 대한 연구
A study on learning model of Handwritten Recognition for Arithmetic Calculation
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
정보화 기술의 발달로 인해 문서 작성이나 브라우저 검색기능 같은 작업들이 모두 키보드 타이핑만으로 가능하게 되었다. 하지만 수학 계산식 같은 경우에는 키보드 타이핑으로 작성하기가 어려운 것을 알 수 있다. 계산식 같은 경우는 키보드가 아닌 아날로그 식으로 본인이 직접 수기하는 것이 시간도 절약되고 타이핑하는 것보다 오히려 편하다는 것을 알 수 있다. 그러기에 수학 계산식을 검색해서 답을 찾으려 할 때 사용자들은 불편함을 느끼게 된다. 본 논문은 컴퓨터가 학습한 딥 러닝 모델로 수기로 작성된 수학 수식을 텍스트 형태로 바꿀 때, 더 정확하게 인식하는 모델의 종류가 무엇인지 제공한다. 숫자와 사칙 연산 기호뿐만 아니라 사용자가 정의한 연산자로도 정확한 인식이 가능한지를 확인한다. 이를 위해 DenseNet, ResNet과 같은 CNN 모델 이용하여 실험을 수행하였고, 실험을 통하여 그 중 가장 적합한 모델을 찾아내었다.
Abstract
Result from development of information technology, works such as browser searching can be done by just keyboard typing. However, arithmetic calculation has limitation to express by keyboard typing. In case of formula, as rule of thumb, analog way, such as write on the paper, is more proper, time saving and more convenient than keyboard typing. Therefore, users feel inconvenient when they try to find the answer from browser by searching. In this paper, we suggest a deep learning model that shows a better performance than others when a computer modifies handwritten arithmetic to text type. We examine an accurate recognition of not just numbers and the four fundamental arithmetic operations, also examines user defined operators. For those, we used CNN models, such as DenseNet and ResNet, for a experiment, and we found most appropriate model from experiment.
참고문헌 (4)
- S. Albawi, "Underst anding of aconvolutional neural network", 2017 Int ernational Conference onEngineering and Technology (ICET), pp.1~6 (2017)
- Kaiming He, "Deep ResidualLearning for Image Recognition", CVPR 2015 (2015)
- Gao Huang, "Laurens van der Maaten. Densely ConnectedConvolutional Networks", CVPR 2016 (2016)
- G. Huang, "Densely Connected Convolutional Networks", 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.2261~2269 (2017)