---

OCR

• Text라는 단일 Class에 대하여 예측을 하는 Task
• 위치를 검출하는 Text Detection과 내용을 인식하는 Text Recognization으로 나뉠 수 있다

일반적인 Object Detection Task와의 차이

Text Image Data의 특성상 일반적인 Object Detection과는 아래과 같은 차이를 가진다

• Object의 높은 밀도
  • Data 특성 상 연속적인 Line에 여러가지 word가 존재하고 그 line이 붙어서 반복하기 때문에 일반적인 Object Detection에 비해 매우 높은 밀도를 가진다
• 극단적인 Ratio
  • 언어에 따라서 띄어쓰기가 아에 존재하지 않거나 긴 단어들이 존재하기 때문에 Ratio가 극단적이다
• 특이한 모양
  • 구겨짐
    • 글자들이 종이같은 평면에 존재하는 경우가 많고, 휘어지거나 구겨지는 경우도 다수 존재하기 때문에 object의 영역도 구겨지면서 특이한 모양을 가진다
  • 휘어짐
    • 간판등 디자인적 부분으로 인하여 휘어진 영역을 가지는 경우도 존재한다
  • 세로 쓰기
• 객체의 특징
  • 같은 글자라도 큰 크기편차가 존재할 가능성이 높음
  • 객체 영역이 모호함

OCR 모델은 위의 특징들을 고려하여 만들어 져야 한다

OCR Model

Base Model

OCR 모델은 크게 2가지 방법으로 글자 영역을 예측한다

1. Regression-based
   • 이미지를 입력받아서 글자영역 표현값을 출력하는 단순한 방식
   • 사각형으로 출력하기 때문에 불필요한 영역을 포함하고, 정확도가 떨어지는 한계가 존재
   • Anchor Box의 범위를 벗어나는 영역에 경우 측정 정확도가 떨어진다
     • 글자 객체가 가지는 극단적인 Ratio를 제대로 반영하지 못하는 경우가 많음
2. Segmentation-based
   • 이미지를 입력받아서 화소단위로 정보를 뽑고 후처리를 통하여 글자 영역의 표현값을 확보
   • Post-processing과 후처리가 필요하기 때문에 Regression-based에 비하여 연산량이 많다
   • 서로 간섭이 있거나 인접한 개체간의 구분이 어렵다
3. Hybrid 방식
   • 위의 두가지 방법을 혼합하여 예측하는 방식
   • Regression을 통하여 대략적인 영역을 탐색하고, Segmentation-based로 화소정보를 추출하여 세부적인 영역을 결정하는 방식을 취한다
   • MaskTextSpotter

Task Based

1. Character-Based
   • Charater 단위로 검출
2. Word-Based
   • Word 단위로 검출

reference

• Naver Connect Boostcamp - ai tech

---

오늘 한 일

• batchsize에 따른 모델 성능변화 실험
  • Batch normalize가 존재해서 batchsize에 영향을 받을 것이라고 생각
  • 실제로 좋은 결과는 나오지 않았다
• 알고리즘 1문제 풀기

2. 피어세션에서 한 것

• Augmentation 선택에 관하여 팀원들과 회의

3. 하루 느낀점

• 이번에는 신박한 결과를 찾으면 좋겠다

4. 앞으로 해야 하는 일

• 삶의지도 작성
• 이력서 초안 완성하기!! (5월 1일 전까지)
• 카카오 인턴 대비 코테 공부 다시 시작하기
• 해야하는일 우선순위를 정해서 정리해보기

---

1~3일 동안 한 일

• 대회 준비
• WarmUpMultiScale lr Scheduler 코드 작성
• 공개데이터셋 수집
• East 모델 개요 학습
• 라벨링 70장정도 한 것 같음

2. 피어세션에서 한 것

• 내일 대회 준비를 위한 사전 회의

3. 하루 느낀점

• 이번에도 Data Centric 하게 한번 놀아보자
• 다양한 방식을 시도해 보고싶다.

4. 앞으로 해야 하는 일

• 삶의지도 작성
• 이력서 초안 완성하기!! (5월 1일 전까지)
• 카카오 인턴 대비 코테 공부 다시 시작하기
• 해야하는일 우선순위를 정해서 정리해보기