본문 바로가기
KERD
논문KCI 등재

인공지능 기반 MNIST 손글씨 인식에 대한 연구

A Study on the AI Based MNIST Handwriting Recognit

김세호|이승인|김종배|김근희|한미란
한국IT정책경영학회 (The Korea Society of Information Technology Policy & Management)|2019.12|한국IT정책경영학회 논문지 (Jounal of The Korea Society of Information Technology Policy & Management)|제11권 제6호|pp. 1509-1517

0

조회

0

다운로드

4

인용

0

참고문헌

키워드

딥러닝인공신경망Deep learningCNNANN합성곱신경망Handwriting손글씨소프트맥스 회귀분석SLR
주제분류기술정책

초록

PDA, 스마트폰, 태블릿 등과 같은 전자기기들의 발전으로 손글씨 인식에 대한 연구들이 등장하였는데, 그 동안 숫자, 일어, 영어 등 다양한 손글씨를 인식하려고 하는 노력들이 있었다. 그러나, 어린아이들의 손글씨와 같이 글씨 모양이 상대적으로 불규칙한 경우 이를 인식하기 어렵다는 점이 존재한다. 이로 인해 최근 딥러닝 기술들을 적용하여 손글씨 인식률을 개선하는 연구의 필요성이 제기되고 있다. 이에 본 연구에서는 다양한 딥러닝 기법들을 토대로 손글씨 인식률을 개선하고자 시도하였다. 손글씨의 경우 다양한 데이터 셋을 마련하기 어렵기 때문에 인식률을 높이는데 한계가 있다. 본 연구에서는 이러한 한계를 극복하기 위한 방법을 모색하기 위하여 CNN기법을 활용하여 손글씨 인식에 대한 정확도를 개선시키고자 하였다. 사용한 기술은 SLR, ANN, CNN 총 3가지 기법을 사용하여 각각의 정확도를 측정하였고, 그 결과 CNN이 95%로 가장 높은 성능을 보였다.

Abstract

In the development of electronic devices such as PDAs, smartphones, and tablets, research on handwriting recognition has emerged. In the meantime, there have been efforts to recognize various handwriting such as numbers, Japanese, and English. However, there is a point that it is difficult to recognize when the font shape is relatively irregular, such as handwriting of children. As a result, the need for research to improve handwriting recognition rate by applying deep learning techniques has recently been raised. Therefore, this study attempted to improve handwriting recognition rate based on various deep learning techniques. In the case of handwriting, it is difficult to prepare a variety of data sets, which limits the recognition rate. In this study, we tried to improve the accuracy of handwriting recognition by using CNN technique in order to find a way to overcome these limitations. The techniques used were SLR, ANN, and CNN, each measuring the accuracy of each method. As a result, CNN showed the highest performance of 95%.

참고문헌 (27)

  1. Analysis of Artificial Intelligenc e(AI) Technology and Innovation Policies : Focused on Improving Korea’s National AI R&D Policy, "Heetae Yang", Science and Technology Policy Institute, 1~321 (2019)
  2. Bitna Kim, "Handwritten digits classification by neur al networkswith small data", pp.2018
  3. Saito Goki, "Deep Learing from Scratch", pp.227~229 (2017), Han bit Media
  4. Lim,Kil-Taek, "Collaborative Reestimat ion of Recognition Results of MLP Classifier for Mac hine Printed Hangul : Feasibility Study on Softmax Method", pp.2007
  5. Yeonkyu Kim, "Improvement of Korean Characters Recognition Performance Using CNN and Feature Extraction", pp.2016
  6. 정지수, "Artificial Neural Network를 이용한 논문 저자 식별", 정보보호학회논문지, 26(5), pp.1191~1199 (2016), 한국정보보호학회[DOI]
  7. 김상호, "EMG 신호 기반 Artificial Neural Network을이용한 사용자 인식", 전자공학회논문지, 53(4), pp.142~148 (2016), 대한전자공학회
  8. Doyoung Kwon, "Colorectal cancer recur rence prediction using artificial neural network", The Institute of Electronics and Information Engineers, 2017(11), pp.96~ (2017)
  9. 배규호, "CNN을 이용한 거리 사진의 분류와 안전도 평가", 방송공학회 논문지, 23(3), pp.345~350 (2018), 한국방송∙미디어공학회[DOI]
  10. Performance Comp arison between Softmax Regression and CNN for the MNIST Classification Using Deep Learning, "Sangwoo Kim", Korea Institute Of Communication Sciences, 871~872 (2018)
  14. Wonki Park, "Introduction to Deep Learning and Financials", pp.2018
  15. Cho sangho, "A Study on the Forecasting of Shang hi Containerized Index Using Artificial Neural Network", pp.2019
  18. MURAT H. SAZLI, "A brief review of feed-forward neural networks", ResearchGate, 2~3 (2006)
  20. yu du yeol, "Study for Improving Performance of Pedestrian Detector based on Cascade CNN", pp.2018
  21. Kim Jonghwan, "Development of an Optimal Strat egy based on Error Backpropagation Algorithm in Cost based Pools", pp.2004
  22. Kim jin ui, "Genetic classification of the 11 HapMap populations by supervised machine learning", pp.2019
  23. Jung-Jin Kim, "Image Classification Using CNN", Proceedings of KIIT Conference, pp.452~453 (2017)
  24. Yong-Hyun Cho, "Performance Improvement of Ra dial Basis Function Neural Networks Using Adaptive Feature Extraction", Journal of Korea Multimedia Society, 3(3), pp.253~262 (2000)
  25. 김영수, "인공신경망을 이용한 연약지반의 지반설계정수 예측", 대한토목학회 논문집C, 26(2C), pp.81~88 (2006), 대한토목학회
  26. Kil Taek Lim, "Hand written Numeral Recognition Based on Modular Neural Networks Utilizing Rotated and Translated Images", Journal of Korea Information Processing Society, pp.1834~1843 (2000)
  27. Mi-ran Han, "Deep Learning Based Handwriting Recognition", Proceedings of KISIS Conference, pp.167~169 (2019)

관련 논문AI추천

학습데이터 유형에 따른 CNN기반 한글 손글씨 인식 모델 성능 비교조영복한국실천공학교육학회 · 실천공학교육논문지2025 · 제17권 제4호지능형 OCR 시스템을 위한 한글 필기체 생성 및 분류 모델에 관한 연구백진성, 서지윤, 정도운, 정상중한국융합신호처리학회 · 융합신호처리학회 논문지2022 · 제23권 제4호손글씨 인식 학습 모델 기반 수식 연산에 대한 연구김성원, 김영종, 이유찬, 최인제한국IT정책경영학회 · 한국IT정책경영학회 논문지2020 · 제12권 제5호딥러닝 基盤의 諺簡 資料 文字 判讀機 具現에 對한 硏究 –<秋史 諺簡>을 對象으로–이홍구한국어문교육연구회 · 어문연구(語文硏究)2022 · 제50권 제3호Development of Handwriting Recognition Using Deep Learning in Unity3D이원형, 이혜문(사)한국컴퓨터게임학회 · 컴퓨터게임및콘텐츠논문지2019 · 제32권 제1호모바일 플랫폼 교육 콘텐츠 지원을 위한 손 글씨 기반 텍스트 인터페이스 설계김진모, 조세홍, 조윤식(사)한국컴퓨터그래픽스학회 · 한국컴퓨터그래픽스학회논문지2021 · 제27권 제5호

이 간행물의 다른 논문 (11건)

2D GIS 지형에 대한 3차원 변환 모델 연구권태정, 이재령, 이남용, 박세령pp. 1427-1433리얼타임 애니매이션 기법을 이용한 인형극 모델에 관한 연구 : 손 인형을 중심으로권태정, 이남용, 박세령, 이재령pp. 1435-1442마이크로 서비스 아키텍처의 APIM Key Concepts서성웅, 박영식, 이남용pp. 1443-1449텐서플로우를 활용한 GPU 환경에서 정적 악성코드 탐지 기법김현우pp. 1451-1456사용자 이동 경로 추적형 자율주행 이동체에 대한 연구김태엽, 안용호, 박진호, 김승현, 김영종, 양조은, 허동윤pp. 1457-1463
원문 보기