📃프로젝트 개요

OCR (Optimal Character Recognition) 기술은 사람이 직접 쓰거나 이미지 속에 있는 문자를 얻은 다음 이를 컴퓨터가 인식할 수 있도록 하는 기술로, 컴퓨터 비전 분야에서 현재 널리 쓰이는 대표적인 기술 중 하나입니다. OCR task는 글자 검출 (text detection), 글자 인식 (text recognition), 정렬기 (Serializer) 등의 모듈로 이루어져 있습니다. 본 대회에서는 제약된 환경에서 '글자 검출' task 만을 해결하게 됩니다.

• 대회의 목표 : 양질의 데이터를 주어진 모델에 제공하여 높은 정확도를 보이도록 학습시키는 것

• 제약사항

  1. 모델 - Text Detector 네트워크 중 하나인 EAST
  2. Loss, 평가지표

• 수정할 수 있는 것

  1. Data - 다양한 데이터를 가져와서 모델에 학습시킨다.
  2. Dataset 코드 - 데이터의 다양성을 위해 agumentation 적용 가능하다.
  3. Train 코드 - validation 코드 추가, 하이퍼파라미터 튜닝 가능
  4. Inference 코드 - TTA적용가능

• 평가 데이터

  

평가지표

DetEval

이미지 레벨에서 정답 박스가 여러개 존재하고, 예측한 박스가 여러개가 있을 경우, 박스끼리의 다중 매칭을 허용하여 점수를 주는 평가방법 중 하나

1. 모든 정답/예측박스들에 대해서 Area Recall, Area Precision을 미리 계산

   

✏ 프로젝트 수행 절차 및 방법

대회 규칙에 따라서 Model, loss, detect등을 수정할 수 없기 때문에 성능을 향상 시킬 수 있는 방법으로 Data 추가와 augmentation, Hyperparameter를 조정하는 방법으로 진행하였다.

Dataset

• ICDAR17 Korean
• ICDAR17 English & Korean
• ICDAR19 English & Korean
• AIHub
  • 한국어 글자체 이미지(Text in the Wild)
    • 표지판(500장)
    • 간판(500장)
  • 야외 실제 촬영 한글 이미지
    • 책표지(500장)

Experiment

• batch_size

  • 12
  • 16
  • 32

• Scheduler

  • StepLR
  • MultiStepLR
  • CosineAnnealingLR
  • CosineAnnealingWarmRestart
  • ReduceLROnPlateau

• Epoch

  • 150
  • 200
  • 300

• Optimizer

  • Adam

• Augmentation

  ColorJitter, ISONoise, RandomGamma, HueSaturationValue, ChannelShuffle, CLAHE, RandomBrightnessContrast, Emboss, Sharpen, Equalize

🏆 프로젝트 결과

• loss

  

• score

  

👨‍👨‍👧‍👦 팀원 소개

황순영	서원준	이하정	김도훈