๋ณธ ๋ ผ๋ฌธ์ ICCV 2019์์ Naver Clova๊ฐ ๋ฐํํ Text Recognition ๋ ผ๋ฌธ์ด๋ค. (๊ณต์ ๋ ํผ์งํ ๋ฆฌ)
์ ์ํ๋ ๋ด์ฉ
๊ธฐ์กด์ ์ ๋ฆฌ๋์ด ์์ง ์๋ STR(Scene Text Recognition) dataset์ ์ ๋ฆฌํ๊ณ STR ์ 4๋จ๊ณ๋ก ๋๋์ด ์ ๋ฆฝํ๋ค.
๋ ผ๋ฌธ์์ ์ ์ํ STR 4๋จ๊ณ๋ ์๋์ ๊ฐ๊ณ , ๊ฐ ๋จ๊ณ์ ๋ชจ๋๋ณ ๊ธฐ์ฌ๋๋ฅผ ์คํ์ ํตํด ์ ๊ณตํ๊ณ ์๋ค.
- Transformation Stage : TPS(Thin-Plate Spline)์ด๋ผ๋ STN(Spatial Transformation Network)์ ์ ์ฌํ ๋ฐฉ๋ฒ์ผ๋ก ์ด๋ฏธ์ง ๋ ธ๋ฉ๋ผ์ด์ฆ (์๊ณก๋์ด ์๋ ํ ์คํธ๋ฅผ ์ธ์ ๋ชจ๋ธ์ด ๊ฐ์ฅ ์ธ์ํ๊ธฐ ์ฌ์ด ํํ๋ก ๋ณํ)
- Feature Extraction Stage : ์ผ๋ฐ์ ์ธ CNN ์ํคํ ์ฒ. VGG, RCNN, ResNet ์ ๋น๊ตํ๊ณ ResNet ์ด ์ฑ๋ฅ์ด ๊ฐ์ฅ ์ข์
- Sequence Modeling Stage : CNN์ผ๋ก ์ถ์ถํ feature ๋ค์ ์์ฐจ์ ์ธ ์๊ด๊ด๊ณ๋ฅผ ์ถ์ถํ๊ธฐ ์ํ ์คํ ์ด์ง. BiLSTM ์ฌ์ฉ
- Prediction Stage: CTC ๋ณด๋ค Attn(Attention-based sequence prediction) ๋ฐฉ๋ฒ์ด ์ฑ๋ฅ์ด ๋์. Attn ์ฌ์ฉ์ attention ๋ฒ ์ด์ค ์ด๊ธฐ ๋๋ฌธ์ ๊ฐ๋ ค์ง๊ฑฐ๋ ๋๋ฝ๋ ๋ฌธ์๋ฅผ ์์ธกํ ๋ ๋์์ด ๋จ
๊ฐ์ฅ ์ฑ๋ฅ์ด ์ข์ ๋ชจ๋ธ์ TPS-ResNet-BiLSTM-Attn ์ ์ฌ์ฉํ ๋ชจ๋ธ๋ก ์ ๊ธ์๋ฅผ ๋ฐ์ TRBA ๋ชจ๋ธ์ด๋ผ ๋ถ๋ฅด๊ณ ์๋ค.
๋ฐ์ดํฐ์ ๋ฐ ์คํจ ์ผ์ด์ค ๋ถ์
์ด ๋ ผ๋ฌธ์ ์ฌ์ค ์ ์ํ๋ ๋ด์ฉ์ ์ฌํํ์ง๋ง 'Text Recognition' ์ด๋ผ๋ ์ฃผ์ ๋ฅผ ๊ต์ฅํ ๋ช ํํ๊ฒ ์ ์ํ๊ณ ๋ฐ์ดํฐ์ , ํ ์คํธ ์ธ์ ์๊ณ ๋ฆฌ์ฆ, ํ ์คํธ ์ธ์์ ์ด๋ ค์ด ์ ๋ฑ์ ์์ธํ ์ค๋ช ํด์ฃผ๊ธฐ ๋๋ฌธ์ ํ ์คํธ ์ธ์์ด๋ผ๋ ์ฃผ์ ๋ฅผ ์ฒ์ ์ ํ ๋ ์์ฃผ ์ ์ฉํ๋ค.
- ๋ฐ์ดํฐ์ ์ regular, irregular ๋ฐ์ดํฐ์ ์ผ๋ก ๋ถ๋ฆฌ
- ์ธ์ ์คํจ ์ผ์ด์ค๋ฅผ ๋ค์ํ ์ผ์ด์ค๋ก ๋ถ๋ฆฌ (์ด๋ ค์ด ๊ธ์จ์ฒด, ์ธ๋ก ํ
์คํธ, ํน์ ๋ฌธ์, ๊ฐ๋ ค์ง,...)
- ์ฌ๊ธฐ์ ์ธ๊ธ๋ ์คํจ ์ผ์ด์ค ํ๋ ํ๋๊ฐ ์ธ๋ถ ์ฐ๊ตฌ ์ฃผ์ ๋ผ์ ๊ด๋ จ ๋ ผ๋ฌธ์ ์ฐพ์ผ๋ฉด ์๋ฃ๊ฐ ๋ง๋ค
์คํ ๊ฒฐ๊ณผ
- ๋ค ๊ฐ์ง ๋ชจ๋๋ฅผ ๊ฐ๊ฐ ์ ์ฉํ ์คํ ๊ฒฐ๊ณผ๋ฅผ ์ ๊ณต
- ๋ค ๊ฐ์ง ๋ชจ๋์ ๋ชจ๋ ์ ์ฉํ๋ ๊ฒ์ด ์ฑ๋ฅ์ ๊ฐ์ฅ ์ข์ง๋ง, trade-off curve๋ฅผ ๋ณด๋ฉฐ ์ํฉ์ ๋ง๋ ๋ชจ๋ธ์ ์ ์ ํ ์ ์๋ค
- ์๋๋ฅผ ์๊ฐํ๋ฉด prediction stage์์ Attn ๋ณด๋ค๋ CTC๋ฅผ
- ๋ฉ๋ชจ๋ฆฌ๋ฅผ ์๊ฐํ๋ค๋ฉด feature extraction stage์์ ResNet ๋ณด๋ค๋ CRNN์ ์ ํํ๋ ๊ฒ์ด ํ๋ช ํ ์ ์์
๋ถ์ & ๋ด ์๊ฐ
- 2019๋ ๊ธฐ์ค ์๋นํ ์ฐ์ํ ์ฑ๋ฅ์ด์ง๋ง 2023๋ ๊ธฐ์ค ICDAR2015 ๋ฐ์ดํฐ์ ์์์ ๋ฒค์น๋งํฌ๋ 17์
- ํ์ง๋ง ์ฑ๋ฅ์ด ๋์ ๋ชจ๋ธ์ ๊ฒฝ์ฐ vision ๋ชจ๋ธ์ language ๋ชจ๋ธ์ด ๊ฒฐํฉ๋ ๊ฒฝ์ฐ๊ฐ ๋ง๊ณ , vision ๋ชจ๋ธ ๋ง์ผ๋ก ์ฌํํ๊ฒ ํ ์คํธ ์ธ์์ ์ํํ๋ ๋ชจ๋ธ ์ค ๊ฐ์ฅ ๋์ด์คํ ๋ชจ๋ธ์ด๋ผ ์๊ฐ
- TPS ๋ชจ๋์ ๊ฒฝ์ฐ ํ๊ธ ๋ฐ์ดํฐ์ ์ผ๋ก ํ ์คํธ ์ ๊ทธ๋ค์ง ํจ๊ณผ๋ฅผ ๋ณด์ง ๋ชปํจ. ๊ด๋ จ๋ ๋ด์ฉ์ด ์๋์ง ์ฐพ์๋ด์ผ -