다수의 심볼들을 포함하는 다이어그램 이미지에서 객체를 인식하는 다이어그램 이미지의 객체 인식 방법에 있어서,(a) 객체 추출부에 의해, 상기 다이어그램 이미지로부터 상기 심볼들을 포함하는 객체들을 추출하는 단계;(b) 중첩 비율 산출부에 의해, 추출된 객체들의 중첩 영역과 상기 객체들의 영역 간의 중첩 비율을 산출하는 단계; 및(c) 중복 객체 판단부에 의해, 상기 중첩 비율을 상기 객체들의 유형에 따라 결정되는 기준 임계값과 비교하여 상기 객체들이 중복 객체에 해당하는지 여부를 판단하는 단계;를 포함하고,상기 (c) 단계는:(c1) 상기 객체들의 크기와 형상을 분석하여 상기 객체들의 심볼 타입들을 결정하고, 상기 객체들의 심볼 타입들을 비교하는 단계;(c2) 상기 객체들의 심볼 타입들이 중첩 발생 빈도를 기반으로 결정되는 중첩 심볼 집합에 해당하는지 여부를 판단하는 단계; 및(c3) 상기 심볼 타입들의 비교 결과 및 상기 중첩 심볼 집합에 해당하는지 여부에 따라 상기 중복 객체를 판단하는 단계를 포함하는 다이어그램 이미지의 객체 인식 방법.

삭제

제1항에 있어서,상기 (c3) 단계는:상기 객체들의 심볼 타입들이 동일하지 않은 경우, 상기 객체들을 중복 객체가 아닌 것으로 판단하는 단계;상기 객체들의 심볼 타입들이 동일하고, 상기 중첩 심볼 집합에 해당하는 경우, 상기 중첩 비율을 상기 심볼 타입에 따라 결정되는 제1 기준 임계값과 비교하여 상기 중복 객체를 판단하는 단계; 및상기 객체들의 심볼 타입들이 동일하고, 상기 중첩 심볼 집합에 해당하지 않는 경우, 상기 중첩 비율을 상기 제1 기준 임계값보다 낮은 제2 기준 임계값과 비교하여 상기 중복 객체를 판단하는 단계;를 포함하는 다이어그램 이미지의 객체 인식 방법.

다수의 심볼들을 포함하는 다이어그램 이미지에서 객체를 인식하는 다이어그램 이미지의 객체 인식 방법에 있어서,(a) 객체 추출부에 의해, 상기 다이어그램 이미지로부터 상기 심볼들을 포함하는 객체들을 추출하는 단계;(b) 중첩 비율 산출부에 의해, 추출된 객체들의 중첩 영역과 상기 객체들의 영역 간의 중첩 비율을 산출하는 단계; 및(c) 중복 객체 판단부에 의해, 상기 중첩 비율을 상기 객체들의 유형에 따라 결정되는 기준 임계값과 비교하여 상기 객체들이 중복 객체에 해당하는지 여부를 판단하는 단계;를 포함하고,상기 (c) 단계는:상기 다이어그램 이미지로부터 추출된 객체를 포함하는 바운딩 박스를 생성하는 단계;서로 겹쳐진 바운딩 박스들의 합쳐진 영역의 면적에 대한 겹쳐진 영역의 면적 비율로부터 상기 바운딩 박스들 간의 IOU 비율을 연산하는 단계;상기 추출된 객체의 크기 및 형상을 기초로 심볼 타입을 결정하는 단계;상기 결정된 심볼 타입을 기초로 상기 기준 임계값을 결정하는 단계;상기 IOU 비율이 상기 기준 임계값 이상이면 상기 겹쳐진 바운딩 박스들 중 하나의 바운딩 박스를 제거하는 단계; 및제거되지 않은 상기 바운딩 박스에 포함된 객체를 상기 바운딩 박스에 대응되는 심볼로 인식하는 단계;를 포함하는 다이어그램 이미지의 객체 인식 방법.

제4항에 있어서,상기 심볼로 인식된 객체를 포함하는 바운딩 박스를 기초로, 상기 다이어그램 이미지에서의 상기 심볼의 위치 정보 또는 상기 심볼들의 리스트 중 적어도 하나를 생성하는 단계;를 더 포함하는, 객체 인식 방법.

제1항에 있어서,인공지능 학습부에 의해, 심볼의 특징을 입력 변수로 설정하고 상기 객체들의 유형을 출력 변수로 설정하여 인공지능 모델을 학습하는 단계;를 더 포함하고,상기 (c) 단계는,상기 추출된 객체로부터 상기 객체의 특징을 추출하는 단계; 및상기 추출된 객체의 특징을 기초로 상기 인공지능 모델을 이용하여 상기 추출된 객체의 유형을 결정하는 단계;를 포함하는, 객체 인식 방법.

제1항에 있어서,전처리부에 의해, 상기 다이어그램 이미지의 크기를 변경하여 크기 변경 다이어그램 이미지를 생성하는 단계;를 더 포함하고,상기 객체를 추출하는 단계는,상기 객체 추출부에 의해, 상기 크기 변경 다이어그램 이미지에 포함되어 크기가 변경된 객체를 추출하는 단계;를 포함하는, 객체 인식 방법.

제1항에 있어서,전처리부에 의해, 상기 다이어그램 이미지를 분할하여 복수개의 분할 다이어그램 이미지를 생성하는 단계;를 더 포함하고,상기 객체를 추출하는 단계는,상기 객체 추출부에 의해, 상기 분할 다이어그램 이미지에 포함된 객체를 추출하는 단계;를 더 포함하는, 객체 인식 방법.

제1항에 있어서,전처리부에 의해, 상기 다이어그램 이미지의 크기를 변경하여 크기 변경 다이어그램 이미지를 생성하고, 상기 다이어그램 이미지를 분할하여 복수개의 분할 다이어그램 이미지를 생성하는 단계;를 더 포함하고,상기 객체를 추출하는 단계는,상기 객체 추출부에 의해, 상기 크기 변경 다이어그램 이미지에 포함되어 크기가 변경된 객체 및 상기 분할 다이어그램 이미지에 포함된 객체를 기초로, 상기 다이어그램 이미지에 포함된 객체를 추출하는 단계;를 포함하는, 객체 인식 방법.

제9항에 있어서,텍스트 추출부에 의해, 상기 분할 다이어그램 이미지에 포함된 텍스트를 추출하여 상기 다이어그램 이미지의 텍스트를 인식하는 단계;를 더 포함하는. 객체 인식 방법.

제1항에 있어서,전처리부에 의해, 원본 다이어그램 이미지로부터 수평선을 추출하고, 추출된 수평선들 중 길이가 가장 긴 수평선을 결정하고, 상기 가장 긴 수평선에 연결된 모든 검정 픽셀을 추출하고, 상기 원본 다이어그램 이미지로부터 상기 추출된 검정 픽셀을 제거하여 상기 다이어그램 이미지를 생성하는 단계;를 더 포함하는 객체 인식 방법.

제1항, 제3항 내지 제11항 중 어느 한 항의 객체 인식 방법을 실행시키도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.

다수의 심볼들을 포함하는 다이어그램 이미지에서 객체를 인식하는 다이어그램 이미지의 객체 인식 시스템에 있어서,상기 다이어그램 이미지로부터 상기 심볼들을 포함하는 객체들을 추출하는 객체 추출부;추출된 객체들의 중첩 영역과 상기 객체들의 영역 간의 중첩 비율을 산출하는 중첩 비율 산출부; 및상기 중첩 비율을 상기 객체들의 유형에 따라 결정되는 기준 임계값과 비교하여 상기 객체들이 중복 객체에 해당하는지 여부를 판단하는 중복 객체 판단부;를 포함하고,상기 중복 객체 판단부는:상기 객체들의 크기와 형상을 분석하여 상기 객체들의 심볼 타입들을 결정하고, 상기 객체들의 심볼 타입들을 비교하고;상기 객체들의 심볼 타입들이 중첩 발생 빈도를 기반으로 결정되는 중첩 심볼 집합에 해당하는지 여부를 판단하고; 그리고상기 심볼 타입들의 비교 결과 및 상기 중첩 심볼 집합에 해당하는지 여부에 따라 상기 중복 객체를 판단하도록 구성되는, 다이어그램 이미지의 객체 인식 시스템.

삭제

제13항에 있어서,상기 중복 객체 판단부는:상기 객체들의 심볼 타입들이 동일하지 않은 경우, 상기 객체들을 중복 객체가 아닌 것으로 판단하고;상기 객체들의 심볼 타입들이 동일하고, 상기 중첩 심볼 집합에 해당하는 경우, 상기 중첩 비율을 상기 심볼 타입에 따라 결정되는 제1 기준 임계값과 비교하여 상기 중복 객체를 판단하고; 그리고상기 객체들의 심볼 타입들이 동일하고, 상기 중첩 심볼 집합에 해당하지 않는 경우, 상기 중첩 비율을 상기 제1 기준 임계값보다 낮은 제2 기준 임계값과 비교하여 상기 중복 객체를 판단하도록 구성되는, 다이어그램 이미지의 객체 인식 시스템.

다수의 심볼들을 포함하는 다이어그램 이미지에서 객체를 인식하는 다이어그램 이미지의 객체 인식 시스템에 있어서,상기 다이어그램 이미지로부터 상기 심볼들을 포함하는 객체들을 추출하는 객체 추출부;추출된 객체들의 중첩 영역과 상기 객체들의 영역 간의 중첩 비율을 산출하는 중첩 비율 산출부; 및상기 중첩 비율을 상기 객체들의 유형에 따라 결정되는 기준 임계값과 비교하여 상기 객체들이 중복 객체에 해당하는지 여부를 판단하는 중복 객체 판단부;를 포함하고,상기 중복 객체 판단부는:상기 다이어그램 이미지로부터 추출된 객체를 포함하는 바운딩 박스를 생성하고;서로 겹쳐진 바운딩 박스들의 합쳐진 영역의 면적에 대한 겹쳐진 영역의 면적 비율로부터 상기 바운딩 박스들 간의 IOU 비율을 연산하고;상기 추출된 객체의 크기 및 형상을 기초로 심볼 타입을 결정하고;상기 결정된 심볼 타입을 기초로 상기 기준 임계값을 결정하고;상기 IOU 비율이 상기 기준 임계값 이상이면 상기 겹쳐진 바운딩 박스들 중 하나의 바운딩 박스를 제거하고; 그리고제거되지 않은 상기 바운딩 박스에 포함된 객체를 상기 바운딩 박스에 대응되는 심볼로 인식하도록 구성되는, 객체 인식 시스템.

제16항에 있어서,상기 심볼로 인식된 객체를 포함하는 바운딩 박스를 기초로, 상기 다이어그램 이미지에서의 상기 심볼의 위치 정보 또는 상기 심볼들의 리스트 중 적어도 하나를 생성하도록 구성되는 프로세서;를 더 포함하는 객체 인식 시스템.

제13항에 있어서,심볼의 특징을 입력 변수로 설정하고 상기 객체들의 유형을 출력 변수로 설정하여 인공지능 모델을 학습하도록 구성되는 인공지능 학습부;를 더 포함하고,상기 중복 객체 판단부는:상기 추출된 객체로부터 상기 객체의 특징을 추출하고; 그리고상기 추출된 객체의 특징을 기초로 상기 인공지능 모델을 이용하여 상기 추출된 객체의 유형을 결정하도록 구성되는, 객체 인식 시스템.

제13항에 있어서,상기 다이어그램 이미지의 크기를 변경하여 크기 변경 다이어그램 이미지를 생성하고, 상기 다이어그램 이미지를 분할하여 복수개의 분할 다이어그램 이미지를 생성하도록 구성되는 전처리부;를 더 포함하고,상기 객체 추출부는,상기 크기 변경 다이어그램 이미지에 포함되어 크기가 변경된 객체 및 상기 분할 다이어그램 이미지에 포함된 객체를 기초로, 상기 다이어그램 이미지에 포함된 객체를 추출하도록 구성되는, 객체 인식 시스템.

제19항에 있어서,상기 분할 다이어그램 이미지에 포함된 텍스트를 추출하여 상기 다이어그램 이미지의 텍스트를 인식하도록 구성되는 텍스트 추출부;를 더 포함하는 객체 인식 시스템.

제13항에 있어서,원본 다이어그램 이미지로부터 수평선을 추출하고, 추출된 수평선들 중 길이가 가장 긴 수평선을 결정하고, 상기 가장 긴 수평선에 연결된 모든 검정 픽셀을 추출하고, 상기 원본 다이어그램 이미지로부터 상기 추출된 검정 픽셀을 제거하여 상기 다이어그램 이미지를 생성하도록 구성되는 전처리부;를 포함하는, 객체 인식 시스템.