자동 문서 분류를 위한 딥러닝 기반의 문서 제목 검출 기법

경민영; 이현빈

doi:10.5573/ieie.2018.55.9.53

주제분류

...

저널정보

대한전자공학회
전자공학회논문지 학술저널
전자공학회논문지 제55권 제9호(통권 제490호)
2018.9 53 - 61 (9page)
DOI : 10.5573/ieie.2018.55.9.53

저자정보

경민영 (한밭대학교)
이현빈 (한밭대학교)

이용수
내서재: 3

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

최근 공공기관, 금융기관, 기업 등에 문서 제출 시, 스캔하거나 사진을 찍어 만든 PDF나 이미지 파일을 사용하는 경우가 많다. 이러한 문서를 수집, 저장, 관리하는 기관과 기업은, 개인정보 유출 방지를 위하여, 문서상의 개인정보 부분을 검출하여 블러링(blurring)하거나, 개인정보들은 추출하여 별도로 관리하고 문서는 암호화하여 저장하는 등의 조치를 취한다. 하지만, 문서 이미지의 양이 많고 종류가 다양하며 이미지의 품질이 낮은 경우가 많아, 문서의 종류를 분류하고 개인정보를 추출하는데 많은 노력이 필요하다. 본 논문에서는, 이미지 내 문서의 종류를 자동으로 분류하는 방법을 소개한다. 문서가 포함되어 있는 전체 이미지에서, 이미지의 인식 범위를 추출하는 이미지 샘플링 단계와 이미지의 인식 범위를 조절하는 제목 좌표 추론 단계의 반복적 피드백 학습을 통해 인식문서의 제목이 있는 영역의 위치를 찾아감으로써 사전에 학습하지 않은 다양한 배경의 문서 이미지도 분류할 수 있도록 하였다. 실험을 통하여 제안하는 기법의 제목 검출 성능을 확인하고, 기존의 이미지 분류를 위한 딥러닝 기법들과의 비교를 통하여 문서 분류 정확도를 평가한다.

Recently, many public organizations, financial institutions, and companies often collect documents in PDF/image formats instead of text files. Those institutions and companies that manage document files try to prevent personal information leakage by detecting personal information from the document images and 1) blurring the personal information area or 2) extracting the each personal information and separately managing them. However, it requires a lot of time and effort to classify types of documents and extract personal information because the volume of document images are too big, document types are various, and the qualities of some images taken by cameras are not good enough to apply image processing/recognition techniques. In this paper, we introduce how to automatically classify the type of the document in a document image. Our proposed deep learning based technique performs iterative feedback training between image sampling and title coordinates inference, which extracts and adjusts image recognition range, in document images so that the title positions can be found even in document images with background images that have not been learned. The experiment verifies the title detection performance of the proposed method, and evaluates the document type classification accuracy by comparing it with the existing deep learning methods for image classification.

#Document Type Classification #Deep Learning #Title Detection #Convolutional Neural Networks

참고문헌 (36)

참고문헌 신청

Korea Communications Commission, “Counselling count of personal information infringement,” Statistics Korea, 2018. (http://www.index.go.kr/po tal/main/EachDtlPageDetail.do?idx_cd=1366) Korea Communications Commission, “Counselling count of personal information infringement,” Statistics Korea, 2018. (http://www.index.go.kr/po tal/main/EachDtlPageDetail.do?idx_cd=1366) Korea Communications Commission, “Counselling count of personal information infringement,” Statistics Korea, 2018. (http://www.index.go.kr/po tal/main/EachDtlPageDetail.do?idx_cd=1366) J. H. Cho and C. W. Ahn, “Auto Detection System of Personal Information based on Images and Document Analysis,” The Journal of The Institute of Internet, Broadcasting and Communication, Vol. 15, no. 5, pp. 183-192, Oct 2015. J. H. Cho and C. W. Ahn, “Auto Detection System of Personal Information based on Images and Document Analysis,” The Journal of The Institute of Internet, Broadcasting and Communication, Vol. 15, no. 5, pp. 183-192, Oct 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

경민영

소속기관 한밭대학교

주요연구분야 공학 > 기계공학 공학 > 전자/정보통신공학

논문수 5 이용수 1,235

이현빈

소속기관 경희대학교

주요연구분야 공학 > 전자/정보통신공학 TOP 10% 공학 > 컴퓨터학

논문수 39 이용수 3,513

이 논문과 함께 이용한 논문

특허문서 자동분류를 위한 딥러닝 개별 모델 분류기와 앙상블 분류기의 성능비교

김성훈 , 김승천 전자공학회논문지 2021.09

자연어 처리와 딥러닝을 이용한 자동 문서 분류 시스템

조예은 , 정유진 , 박유진 외 1명 한국정보과학회 학술발표논문집 2020.07

Automatic Text Summarization Based on Selective OOV Copy Mechanism with BERT Embedding

이태석 , 강승식 Journal of KIISE 2020.01

딥러닝 기반 항생제 내성균 감염 예측

오성우 , 이한길 , 신지연 외 1명 한국전자거래학회지 2019.02

딥러닝 기반 터널 영상유고 자동감시 시스템 개발을 위한 객체 인식 및 추적에 관한 연구

이규범 , 신휴성 , 김동규 대한토목학회 학술대회 2018.10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드