KR20230001900A - 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템 - Google Patents

경량형 ai 인식 엔진을 이용한 투표지 분류 시스템 Download PDF

Info

Publication number
KR20230001900A
KR20230001900A KR1020210084997A KR20210084997A KR20230001900A KR 20230001900 A KR20230001900 A KR 20230001900A KR 1020210084997 A KR1020210084997 A KR 1020210084997A KR 20210084997 A KR20210084997 A KR 20210084997A KR 20230001900 A KR20230001900 A KR 20230001900A
Authority
KR
South Korea
Prior art keywords
ballot
recognition
recognition engine
lightweight
unit
Prior art date
Application number
KR1020210084997A
Other languages
English (en)
Inventor
강철
박재균
고동운
Original Assignee
(주)한틀시스템
주식회사 라디코
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)한틀시스템, 주식회사 라디코 filed Critical (주)한틀시스템
Priority to KR1020210084997A priority Critical patent/KR20230001900A/ko
Publication of KR20230001900A publication Critical patent/KR20230001900A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C13/00—Voting apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템에 관한 것으로, 본 발명에 따른 시스템은 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템은 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행할 수 있도록 AI 인식 엔진을 학습 데이터를 이용하여 학습시키는 AI 학습부, 패턴 인식 기술을 이용하여 투표지 인식 및 기표 인식을 수행하는 패턴 인식 엔진부, 그리고 상기 패턴 인식 엔진부에서 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행하는 AI 인식 엔진부를 포함한다. 본 발명에 의하면 실시간 OCR 장비에 적합한 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템을 제공할 수 있다.

Description

경량형 AI 인식 엔진을 이용한 투표지 분류 시스템{Ballot-paper classification system using lightweight AI recognition engine}
본 발명은 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템에 관한 것이다.
일반적으로 정부나 지방자치단체에서 하는 투표의 결과를 집계하기 위한 개표 과정은 통상적으로 다수의 인력에 의한 수작업으로 진행되기 때문에 많은 인력과 시간이 소요되는 상황이다.
따라서, 이러한 종래의 수작업에 의한 개표 방법을 획기적으로 개선하기 위하여 투표용지를 자동으로 인식하고 분류하여 개표 작업을 신속히 처리할 수 있는 자동개표 시스템의 개발이 요구되고 있다.
종래 자동개표 시스템은 투표지 스캔, 분석, 인식처리하여 분류하는 패턴인식(OCR) 기술을 이용하였는데, 기존 패턴인식(OCR)의 경우에는 낙서, 이물질, 중복기표, 번짐 등의 변형특성을 노이즈와 구별할 수 없는 기술적 한계를 가지고 있었다. 또한 현행 선거법에 따라 기표란 뿐만 아니라 투표지 전체 영역에 대해 기표인의 다양한 특징점을 추출하고 인식, 유무효를 판단해야하는 바 수백만 가지 이상의 경우의 수를 모두 고려해야 하는 어려움이 있었기 때문에 기존의 패턴매칭기술에 의한 인식엔진으로는 한계가 있었다.
이를 해결하기 위해 AI 인식 엔진을 이용한 투표지 분류 시스템이 제안되고 있다. AI 인식 엔진을 이용한 투표지 분류 기술은 기존 OCR기술에 기반한 패턴인식기술을 기반으로 처리 중이던 투표지분류기의 기표인 인식기술을 컨벌루셔널 기반의 인공신경망을 이용해 판정, 분류함으로써 판정결과에 대한 신뢰도를 획기적으로 향상시킬 수 있는 기술로 기대되고 있다.
그러나 이러한 장점에도 불구하고 현재까지 투표지분류기에 적용할 수 없었던 이유는 심층신경망의 방대한 연산을 처리하기 위해 전용 GPU 등의 중량화된 하드웨어가 필요했었기 때문에 초당 10매 이상의 투표지를 실시간으로 판정, 실물 분류해야 하는 리얼타임 OCR장비에서는 적합하지 않다는 판단 때문이었다.
한국등록특허 제2078822호(등록일: 2020-02-12)
본 발명이 해결하고자 하는 기술적 과제는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템을 제공하는 것이다.
상기한 기술적 과제를 해결하기 위한 본 발명에 따른 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템은 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행할 수 있도록 AI 인식 엔진을 학습 데이터를 이용하여 학습시키는 AI 학습부, 패턴 인식 기술을 이용하여 투표지 인식 및 기표 인식을 수행하는 패턴 인식 엔진부, 그리고 상기 패턴 인식 엔진부에서 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행하는 AI 인식 엔진부를 포함한다.
상기 재확인 대상으로 분류된 투표지는, 현출 비율이 미리 정해진 기준보다 낮은 기표인을 포함하는 투표지를 포함할 수 있다.
상기 AI 인식 엔진부는, 재확인 대상 투표지에 대해 기표 인식을 수행하도록 학습된 신경망 모델을 포함할 수 있다.
상기 신경망 모델은 심층 CNN 모델로 구현될 수 있다.
상기 AI 인식 엔진부는, 투표지 오염과 현출 비율이 일정 비율 이하인 기표인에 대해서 분류할 수 있도록 학습될 수 있다.
본 발명에 의하면 실시간 OCR 장비에 적합한 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 학습 대상 기표인 데이터를 예시한 것이다.
도 3은 본 발명의 일 실시예에 따른 투표지 오염 분류예를 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 학습데이터 저작도구를 예시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 패턴 인식부의 세부 구성도이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템의 구성도이다.
도 1을 참조하면, 본 발명에 따른 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템은 AI 학습부(100), 패턴 인식 엔진부(200) 및 AI 인식 엔진부(300)를 포함할 수 있다.
AI 학습부(100)는 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행할 수 있도록 AI 인식 엔진을 학습 데이터를 이용하여 학습시킬 수 있다.
AI 인식 엔진은 신경망 모델을 이용할 수 있다. 신경망 모델은 콘볼루션 신경망(Convolution neural network)(CNN)과 같은 기계학습 알고리즘 형태일 수 있다. 콘볼루션 신경망은 AlexNet, VGGNet, GoogLeNet, ResNet 등과 같은 심층 CNN 모델로 구현될 수 있다.
재확인 대상으로 분류되는 주요 요인은 1) 투표지 오염 2) 기표인 매칭 이상 3) 기표인 내부모양 이상 4) 기표인 내부혼잡 5) 기표인 탐색실패 등이다. 투표지 오염인 경우 외에는 기표인과 관련된 것으로, 주로 현출 비율이 낮은 기표인에 대해서 재확인 대상으로 분류되는 경우가 많다.
따라서 신경망 모델을 모든 경우를 분류할 수 있도록 학습시키는 것보다는 투표지 오염과 현출 비율이 일정 비율 이하인 기표인에 대해서 분류할 수 있도록 학습시키는 것이 AI 인식 엔진을 경량화하면서도 정확도를 높일 수 있다.
따라서 학습 데이터는 도 2에 예시한 것과 같이 현출 비율이 일정 비율(예컨대 50%) 이하인 경우와 도 3에 예시한 것과 같이 투표지 오염으로 분류되는 경우를 이용할 수 있다.
도 2는 본 발명의 일 실시예에 따른 학습 대상 기표인 데이터를 예시한 것이고, 도 3은 본 발명의 일 실시예에 따른 투표지 오염 분류예를 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 학습데이터 저작도구를 예시한 도면이다.
도 4를 참조하면, 분류별 기표인의 대량의 학습 데이터를 구축해야 하므로, 학습 데이터 구축의 편의성을 위해 도 4에 예시한 것과 같은 저작도구를 이용하여 반복작업에 따른 피로도를 최소화 할 수 있도록 하는 것이 바람직하다.
도 5는 본 발명의 일 실시예에 따른 패턴 인식부의 세부 구성도이다.
도 5를 참조하면, 패턴 인식 엔진부(200)는 전처리부(210), 투표지 인식부(220) 및 기표 인식부(230)를 포함할 수 있으며, 패턴 인식 기술을 이용하여 투표지 인식 및 기표 인식을 수행할 수 있다.
전처리부(210)는 투표용지를 스캔한 투표용지 이미지에 대한 전처리를 수행한다.
전처리부(210)는 투표용지를 스캔하여 투표용지 이미지를 생성한다. 투표용지 스캔 과정에서 보통 투표지가 약간 기울어지고 투표용지 이미지의 테두리에 음영이 발생하게 된다. 따라서 전처리부(210)는 투표용지 이미지에 대해 기울기 보정 및 검은색 테두리 제거를 수행하여 보정된 투표용지 이미지를 생성할 수 있다.
보정된 투표용지 이미지에는 청인이나 관인 같이 적색(red color)으로 표시된 부분이 있다.
전처리부(210)는 보정된 투표용지 이미지의 평균 배경색을 저장하고, 보정된 투표용지 이미지로부터 적색으로 표시된 부분을 제거한 적색 제거 이미지를 생성할 수 있다. 아울러 전처리부(210)는 적색으로 표시된 부분만을 포함하는 적색 이미지를 생성할 수 있다. 그리고 전처리부(210)는 적색 제거 이미지와 적색 이미지가 생성되면, 적색 제거 이미지로부터 투표용지의 크기를 추출하여 저장할 수 있다.
투표지 인식부(220)는 전처리된 투표용지 이미지에 패턴 인식 기술을 적용하여 투표지 인식을 수행한다.
투표지 인식부(220)는 전처리부(210)에서 추출된 투표용지 크기와 배경색을 미리 등록된 투표용지 크기 및 배경색과 비교할 수 있다. 그리고 투표지 인식부(220)는 적색 이미지에서 청인 영역 및 관인 영역을 찾아 미리 등록된 정보와 비교할 수 있다. 한편 실시예에 따라서 투표지 인식부(220)는 적색 제거 이미지에서 투표지의 선거명 영역을 찾아서 미리 등록된 정보와 비교할 수도 있다.
미리 등록된 정보와 일치하지 않는 정보가 있으면, 투표지 인식부(220)는 해당 투표 용지는 기등록된 투표용지와 다른 것으로 판단하고, 미분류 대상으로 분류할 수 있다.
미리 등록된 정보와 일치하면, 투표지 인식부(220)는 해당 투표 용지에서 후보자 영역 찾기 및 기표 영역 저장을 수행할 수 있다.
투표지 인식부(220)는 절취선 영역 찾기, 후보자수 비교 및 각 영역의 매칭률 계산을 할 수 있다. 투표지 인식부(220)는 각 영역에서 미리 정해진 임계치 이상(예컨대 80% 이상)의 면적이 일치하면 투표지가 기등록된 투표용지와 동일한 것으로 판단할 수 있다.
투표지 인식부(220)는 각 영역의 매칭률이 일정한 임계치 이상이 아니면 미분류로 결정하고, 임계치 이상이면 투표지의 훼손 검사를 수행할 수 있다.
투표지 인식부(220)는 투표지의 훼손 검사 결과, 투표지가 훼손된 것으로 판단되면 투표지를 미분류로 결정하고, 그렇지 않으면 최종적으로 투표지를 분류 대상으로 판단할 수 있다.
기표 인식부(230)는 투표지 인식부(220)에서 인식된 투표지에 대해 패턴 인식 기술을 이용하여 기표 인식을 수행한다.
기표 인식부(230)는 투표지 인식부(220)에서 분류 대상으로 판단된 투표지에서 기표 인식을 수행한다. 즉 기표인의 유효성 여부를 판단한다. 기표인의 유효성 여부는 기표인의 크기, 모양, 내부 선분 등을 종합적으로 검토하여 판단한다.
먼저, 기표 인식부(230)는 기등록된 원본 기표인의 크기(반지름)에 근거하여 투표지에 찍힌 기표인의 크기를 검사할 수 있다. 기표인의 크기가 정상 범위에 있으면, 기표 인식부(230)는 기표인의 원형 검사를 수행할 수 있다.
한편 기표인의 크기가 정상 범위에 있지 않으면, 기표 인식부는 원형 찾기를 수행할 수 있다. 이후 기표 인식부(230)는 원형 검사를 수행할 수 있다. 구체적으로 기표인의 원의 외부 기준선으로부터 x축과 y축으로 원의 테두리가 나타나는 지점의 값이 변하는 정도를 점수화하여 원형 점수를 계산하여 원형 검사를 수행할 수 있다.
다음으로 기표인의 원형 검사가 완료되면, 기표 인식부(230)는 기표인의 여백 검사를 수행할 수 있다. 구체적으로 기표인의 전체 면적에서 기표인의 내부 여백이 차지하는 비율을 계산하고, 기표인의 내부 여백 비율이 30-85%일 때 기표인을 유효한 것으로 판정할 수 있다.
기표인의 여백 검사가 완료되면, 기표 인식부(230)는 기표인의 내부 선분을 검출할 수 있다. 기표인의 내부 선분 검출이 완료되면, 기표 인식부(230)는 템플릿 매칭을 수행할 수 있다.
기표 인식부(230)는 기표인의 크기에 대응하는 템플릿을 생성하여 기표인과 템플릿의 매칭 비율을 계산할 수 있다. 기표 인식부(230)는 기표인의 크기에 대응하는 템플릿으로서 선두께가 가는 작은 템플릿과 선두께가 두꺼운 큰 템플릿을 생성한다. 다음, 기표 인식부(230)는 인식대상의 기표인에 작은 템플릿을 포함시켜 기표인에서 작은 템플릿이 차지하는 비율을 계산하고, 큰 템플릿에 인식대상의 기표인을 포함시켜 큰 템플릿에서 기표인이 차지하는 비율을 계산한다. 기표 인식부(230)는 템플릿 매칭 비율이 50% 이상일 때 기표인을 유효한 것으로 판정할 수 있다.
템플릿 매칭이 완료되면, 기표 인식부(230)는 점 복 각도를 검출하여 저장할 수 있다. 점 복 각도는 기표인 내부에서 검출된 3개의 선분의 끝점과 원 중심 간의 각도를 구해 검출할 수 있다. 내부 선분 간의 최소 각도가 60도 미만으로 검출되면 기표인이 유효하지 않은 것으로 판정할 수 있다.
점 복 각도 검출 및 저장이 완료되면, 기표 인식부(230)는 기표인의 원 현출 비율을 계산할 수 있다. 기표인의 평면상의 점을 극좌표로 변환하여 기표인의 원 현출 비율을 계산한다. 극좌표는 xy 평면상의 점을 원점으로부터 거리 r과 시작선과 이루는 각 θ으로 변환하여 나타내는 좌표 표시 방법이다. 기표인이 거의 원형에 가까울수록 원 현출 비율은 거의 100%에 가까와지고, 반대의 경우 원 현출 비율이 작아진다. 따라서 원 현출 비율이 미리 정해진 기준 이상이면 기표인을 유효한 것으로 판정할 수 있다.
기표 인식부(230)에서 기표인이 유효한 것으로 판단하면, 투표지 인식부(220)는 기표 번호를 인식하여 기표 후보자를 판정할 수 있다.
한편 투표지 인식부(220)는 기표 후보자를 판정한 투표지 중에서 미리 정해진 기준에 따라 재확인 대상 투표지를 선정할 수 있다. 재확인 대상 투표지로 선정되지 않은 투표지에 대해서는 인식 완료 처리할 수 있다.
여기서 미리 정해진 기준은 투표지 오염 또는 현출 비율이 일정 비율 이하인 기표인을 가지는 투표지를 재확인 대상 투표지로 선정할 수 있다.
다시 도 1을 참조하면, AI 인식 엔진부(300)는 재확인 대상 투표지로 선정된 투표지에 대해서 AI 인식 기술을 이용하여 기표 인식을 수행할 수 있다.
AI 인식 엔진부(300)는 앞서 설명한 것과 같이 사전에 학습데이터를 이용하여 재확인 대상 투표지에 대해 기표 인식을 수행하도록 학습된 신경망 모델을 이용할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
100: AI 학습부
200: 패턴 인식 엔진부
210: 전처리부
220: 투표지 인식부
230: 기표 인식부
300: AI 인식 엔진부

Claims (5)

  1. 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행할 수 있도록 AI 인식 엔진을 학습 데이터를 이용하여 학습시키는 AI 학습부,
    패턴 인식 기술을 이용하여 투표지 인식 및 기표 인식을 수행하는 패턴 인식 엔진부, 그리고
    상기 패턴 인식 엔진부에서 재확인 대상으로 분류된 투표지에 대한 기표 인식을 수행하는 AI 인식 엔진부
    를 포함하는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템.
  2. 제 1 항에서,
    상기 재확인 대상으로 분류된 투표지는,
    현출 비율이 미리 정해진 기준보다 낮은 기표인을 포함하는 투표지를 포함하는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템.
  3. 제 1 항에서,
    상기 AI 인식 엔진부는,
    재확인 대상 투표지에 대해 기표 인식을 수행하도록 학습된 신경망 모델을 포함하는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템.
  4. 제 3 항에서,
    상기 신경망 모델은 심층 CNN 모델로 구현되는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템.
  5. 제 1 항에서,
    상기 AI 인식 엔진부는,
    투표지 오염과 현출 비율이 일정 비율 이하인 기표인에 대해서 분류할 수 있도록 학습되는 경량형 AI 인식 엔진을 이용한 투표지 분류 시스템.
KR1020210084997A 2021-06-29 2021-06-29 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템 KR20230001900A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210084997A KR20230001900A (ko) 2021-06-29 2021-06-29 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210084997A KR20230001900A (ko) 2021-06-29 2021-06-29 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템

Publications (1)

Publication Number Publication Date
KR20230001900A true KR20230001900A (ko) 2023-01-05

Family

ID=84926190

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210084997A KR20230001900A (ko) 2021-06-29 2021-06-29 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템

Country Status (1)

Country Link
KR (1) KR20230001900A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102078822B1 (ko) 2018-05-11 2020-02-19 (주)한틀시스템 투표지 인식 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102078822B1 (ko) 2018-05-11 2020-02-19 (주)한틀시스템 투표지 인식 방법

Similar Documents

Publication Publication Date Title
TWI384408B (zh) 影像辨識以及輸出方法與其系統
JP4727732B2 (ja) 車両番号認識装置
CN101925905B (zh) 根据特征图像流程识别和验证未知文档
CN101142584B (zh) 面部特征检测的方法
CN106326887B (zh) 一种光学字符识别结果的校验方法及装置
US20080013803A1 (en) Method and apparatus for determining print image quality
CN109543753B (zh) 基于自适应模糊修复机制的车牌识别方法
CN111325769A (zh) 一种目标对象检测方法及装置
WO2015131468A1 (en) Method and system for estimating fingerprint pose
KR20210020065A (ko) 비전 시스템을 갖는 이미지에서 패턴을 찾고 분류하기 위한 시스템 및 방법
CN106529461A (zh) 一种基于积分特征通道和svm训练器的车型识别算法
CN111353485A (zh) 印章识别方法、装置、设备及介质
CN114387591A (zh) 车牌识别方法、系统、设备及存储介质
CN111652117B (zh) 一种对多文档图像分割的方法及介质
KR101151435B1 (ko) 얼굴 인식 장치 및 방법
CN115797314A (zh) 零件表面缺陷检测方法、系统、设备及存储介质
US20230342937A1 (en) Vehicle image analysis
KR102078822B1 (ko) 투표지 인식 방법
CN110766728B (zh) 基于深度学习的组合图像特征精确匹配方法
CN112200789A (zh) 一种图像识别的方法及装置、电子设备和存储介质
CN111460198B (zh) 一种图片时间戳的审核方法及装置
KR20230001900A (ko) 경량형 ai 인식 엔진을 이용한 투표지 분류 시스템
CN110378337B (zh) 金属切削刀具图纸标识信息视觉输入方法及系统
KR102564993B1 (ko) Ai 적용을 통한 분류 인식률이 향상되고 설명이 가능한 개선된 투표지 분류 시스템
KR102078821B1 (ko) 투표지의 기표인 인식 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X601 Decision of rejection after re-examination