공민철, 노명일, 김기수, 이정렬, 김종오, 이갑헌 "딥 러닝을 이용한 도면 내 객체 및 문자 추출 방법", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 166, 2020.07.22-23
Domestic Conference
2020.08.03 15:43
공민철, 노명일, 김기수, 이정렬, 김종오, 이갑헌 "딥 러닝을 이용한 도면 내 객체 및 문자 추출 방법", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 166, 2020.07.22-23
조회 수 2763
| 첨부 '1' |
|---|
| Abstract | 이미지 형식의 도면 내에 존재하는 객체 (기자재, 장소 표지 등) 및 문자 (수량 및 사양 등)의 정보를 디지털화 하기 위해서는 많은 노력과 오랜 시간이 소모된다. 이의 효율성을 제고하기 위해 도면 내 객체 및 문자의 위치와 정보를 자동으로 추출하여 디지털화 하기 위한 필요성이 제기되고 있다. 그러나 선박 도면의 특성 상, 도면 내의 객체 및 문자가 도형, 문자 등에 의해 겹치는 사례가 빈번하게 존재한다. 이로 인해 객체 및 문자의 인식률을 낮아 자동화/디지털화하는 것에 어려움이 존재한다. 따라서 본 연구에서는 이와 같은 상황에서도 효율적으로 동작할 수 있도록, 딥 러닝 모델을 이용한 객체 및 문자 정보 추출 모델을 개발하였다. 우선, 객체 추출을 위한 딥 러닝 모델로 이미지 분석에 쓰이는 다양한 CNN (Convolutional Neural Network) 모델을 적용 및 비교하였으며, 문자 추출을 위하여 딥 러닝 기반의 OCR (Optical Character Recognition) 모델을 활용하였다. 학습을 위한 데이터는 실제 도면의 환경과 유사한 학습용 데이터셋 (도면 및 라벨링 파일)을 생성해주는 모델을 개발해 확보하였다. 학습용 데이터셋의 크기를 고정하여 모델 학습 시 발생하는 이미지의 왜곡을 최소화하였고, 생성하는 이미지에 노이즈를 추가하여 over-fitting 문제를 고려하였다. 또한, 객체 추출 모델의 정확도를 높이기 위하여 객체 탐지 결과에 특별한 알고리즘을 사용하여 중복 인식된 객체의 결과를 제거하였다. 본 연구에서는 객체 및 문자 추출 딥 러닝 모델을 선박 도면 내 정보를 디지털화 하는데 사용했으며, 실제 도면 데이터의 객체와 문자를 인식하는데 적용해, 그 효용성을 확인하였다. |
|---|---|
| Publication Date | 2020-07-22 |
Prev 전도현, 노명일, 이혜원, 하지상, "선박 충돌 회피 문제에 ...
전도현, 노명일, 이혜원, 하지상, "선박 충돌 회피 문제에 ...
2020.08.06by
이원재, 노명일, 하지상, 이혜원, 공민철, 조영민, 손남선, "딥 러닝을 이용한 무인선의 영상 기반 장애물 탐지 및 추적", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 523, 2020.07.22-23 Next
이원재, 노명일, 하지상, 이혜원, 공민철, 조영민, 손남선, "딥 러닝을 이용한 무인선의 영상 기반 장애물 탐지 및 추적", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 523, 2020.07.22-23
2020.08.03by SyDLab
