Jin

Jin

ML・Vision Research Engineer working on Image, Video Generation

[Project] OCR 기술 개발: 데이터 품질 고도화 및 프로세스 자동화

Total Views: -

Published:

이번 포스팅에서는 2022 4Q ~ 2023년 2Q에 진행한 OCR 기술 개발 프로젝트를 소개한다.

단, 회사 내부 데이터・지표・시스템 구현 등 기밀에 해당할 수 있는 정보는 모두 제외하고, ML 모델링 관점의 핵심 아이디어와 학습 설계만 간략히 정리한다.

OCR(Optical Character Recognition) 모델 개발은 텍스트 데이터를 효과적으로 추출하고 이를 다양한 서비스 및 데이터 품질 고도화에 활용하기 위한 프로젝트이다. 이 프로젝트는 리서치, 데이터 수집 및 전처리, OCR 모델 학습 및 최적화, 모델 서빙 등 다양한 과정으로 구성된다.

프로젝트 개요

OCR 모델은 문서, 이미지, 그리고 다양한 환경에서 수집된 객체들에 적용될 예정으로, 각 도메인에 특화된 모델 개발이 요구되었다. 이를 위해 먼저 강력한 General Model을 구축한 뒤, 도메인별로 모델을 최적화하는 Transfer Learning 기반의 점진적 고도화 전략을 채택했다.

결과적으로, 기존 외부 OCR 솔루션 대비 약 30% 이상 향상된 성능을 기록한 OCR 기술을 구현했다. 이 기술은 다양한 텍스트 데이터 처리와 자동화된 정보 추출을 가능하게 하여 서비스 데이터의 품질 향상에 기여하고 있으며, 일일 수십만 건의 이미지를 처리할 수 있는 확장 가능한 파이프라인으로 운영되고 있다.

1. 이미지 전처리 기술 연구

OCR 프로젝트에서 이미지 전처리 기술은 텍스트 인식 성능을 좌우하는 중요한 요소이다. 흐릿한 텍스트, 저해상도, 그림자, 기하학적 왜곡 등 다양한 문제가 텍스트 인식을 어렵게 만들었고, 이러한 문제를 해결하지 않고는 OCR 모델이 다양한 환경에서 높은 정확도를 유지하기 어렵다.

이에 따라 프로젝트 초기 단계에서 OCR 파이프라인에 적용할 수 있는 다양한 이미지 전처리 기술을 조사하고, PoC(Proof of Concept)를 통해 각각의 기술이 실제 환경에서 미치는 효과를 검증했다. PoC 결과, 이미지 전처리 기술은 텍스트 영역의 품질을 크게 개선하며, OCR 모델이 복잡한 환경에서도 안정적으로 텍스트를 인식할 수 있도록 성능을 향상시키는 데 중요한 역할을 했다.

다만, 조사된 모든 기술을 그대로 사용하는 것이 아니라, 환경과 데이터의 특성에 따라 적합한 기술을 선택하고 최적화하여 적용했다. 이러한 유연한 접근 방식은 OCR 모델의 강건성과 성능을 극대화하는 데 기여했으며, 다양한 환경에서도 높은 수준의 텍스트 인식을 가능하게 하는 기반을 마련했다.

1.1. 텍스트 그림자 제거

문서 이미지에서 텍스트 가독성을 방해하는 그림자를 제거하는 기술로, 딥러닝 기반 아키텍처(BEDSR-Net)를 활용했다. 이 기술은 그림자를 효과적으로 제거하면서 텍스트와 배경의 품질을 보존하여 OCR 모델 성능을 크게 향상시켰다.

1.2. Text Super Resolution

저해상도 이미지를 고해상도로 변환하여 흐릿한 텍스트를 선명하게 복원하는 기술을 적용했다. SwinIR과 Scene Text Super-Resolution 모델을 활용해 평균 15~25%의 텍스트 인식률 향상을 확인했다. 다만, 복잡한 문자 구조에서는 일부 한계가 발견되어 도메인 맞춤형 접근이 필요했다.

1.3. Text Sharpening

간단한 이미지 처리 기법(Normalize, Denoising 등)을 활용해 텍스트를 더 명확하게 만드는 기술이다. 특정 케이스에서 가독성을 크게 개선했지만, 품질이 낮은 이미지에서는 효과가 제한적이었다.

1.4. Top-down View 변환

비스듬히 촬영된 문서를 정면으로 복원하여 왜곡을 제거하는 기술로, Projective Transformation을 사용했다. 일부 케이스에서 성공적인 복원을 이뤘지만, 다양한 촬영 환경에 따라 추가적인 튜닝이 필요했다.

1.5. Document Image Rectification

구겨지거나 왜곡된 문서를 복원하기 위해 딥러닝 기반 기술을 활용했다. DocTr++ 모델은 복잡한 문서 상태에서도 효과적으로 텍스트를 정렬할 수 있었지만, 모델 크기와 적용 사례의 제한성으로 인해 경량화가 필요한 점이 발견되었다.

2. Text Detection

2022년 즈음까지의 Text Detection 연구는 Character-Level Detection과 Word-Level Detection이라는 두 가지 접근법을 중심으로 발전해왔다. 각각의 방법은 고유한 장단점을 가지며, 특정 문제를 해결하기 위해 적합한 방향으로 연구가 이루어졌다.

2.1. Text Detection 연구 분석 및 모델 선정

프로젝트 초기 단계에서 2022년까지의 Text Detection 연구 동향을 체계적으로 분석하고, 프로젝트 요구사항(정확도, 속도, 다양한 텍스트 형태 처리)에 가장 적합한 접근법을 선정했다. 이를 위해 Character-Level과 Word-Level Detection의 장단점을 비교 분석하고, 실제 데이터셋에서의 성능을 검증하는 실험을 진행했다.

2.1.1. Character-Level vs. Word-Level 검출 비교 분석

📌 Character-Level Detection

문자 단위로 텍스트를 검출한 뒤 이를 연결해 단어를 구성하는 방식으로, 곡선 텍스트나 비정형 텍스트에서도 높은 정확도를 보인다. CRAFT, TextSnake 등의 모델이 이 접근법을 채택했으며, 특히 복잡한 형태의 텍스트(곡선, 회전, 왜곡 등)에서 우수한 성능을 보였다. 하지만 처리 시간이 길고 계산 비용이 높아 실시간 처리에는 한계가 있었다.

📌 Word-Level Detection

단어 단위로 텍스트를 직접 검출하는 방식으로, Character-Level Detection보다 속도가 빠르고 효율적이다. EAST, DBNet 등의 모델이 이 접근법을 사용했으며, 정형 텍스트나 간단한 배경에서 빠른 추론 속도를 제공했다. 하지만 곡선 텍스트나 비정형 텍스트에서는 정확도가 떨어지는 한계를 보였다.

선정 결과: 프로젝트의 다양한 도메인(문서, 야외 환경, 비정형 텍스트)을 고려할 때, Character-Level 접근법을 기반으로 하되 추론 속도를 개선할 수 있는 하이브리드 방식을 채택했다. 이를 통해 정확도와 효율성을 모두 확보할 수 있었다.

2.1.2. 데이터셋 문제와 Weakly-Supervised Learning 활용

텍스트 검출 연구에서 데이터셋의 확보는 주요 과제 중 하나였다. 글꼴, 크기, 배경, 조명 조건 등 다양한 시각적 변이를 처리하기 위해 라벨링이 복잡하고 비용이 높았기 때문이다.

해결 방안: 제한적인 라벨 데이터로도 학습이 가능한 Weakly-Supervised Learning 기법을 활용하여 데이터 부족 문제를 완화했다.

  • Semi-supervised learning: 소량의 정확한 라벨과 대량의 약한 라벨을 결합하여 학습 데이터 확보
  • Pseudo-labeling: 모델의 예측 결과를 활용한 자동 라벨링 파이프라인 구축
  • Active learning: 모델이 불확실한 샘플을 선별하여 효율적인 라벨링 진행

다만, 라벨 품질 관리가 모델 성능에 중요한 변수로 작용했기 때문에, 자동 라벨링 결과에 대한 품질 검증 프로세스를 구축하여 노이즈가 많은 라벨이 학습에 악영향을 미치지 않도록 관리했다.

2.2. Text Detection 모델 개발 및 고도화

Text Detection 모델 개발 과정은 다양한 환경에서 안정적으로 동작하는 General Model을 먼저 구축하고, 이를 기반으로 각 도메인의 특성에 맞는 도메인 특화 모델로 고도화하는 방향으로 진행했다. 이 접근법을 통해 범용성을 확보하면서도 특정 도메인에서의 성능을 극대화할 수 있었다.

2.2.1. General Model 성능 향상

다양한 환경에서 안정적으로 동작하는 General Model을 구축하기 위해, 비정형 텍스트와 다양한 크기의 텍스트를 효과적으로 검출할 수 있도록 모델 구조를 개선했다.

📌 특화된 컨볼루션 구조 설계

다양한 크기와 형태의 텍스트를 검출하기 위해 Feature Pyramid Network(FPN)과 Multi-scale Feature Fusion 기법을 활용한 컨볼루션 구조를 설계했다.

  • 다양한 스케일의 텍스트 처리: 작은 텍스트부터 큰 텍스트까지 효과적으로 검출
  • 정형 & 비정형 텍스트 동시 처리: 문서의 정형 텍스트와 야외 환경의 비정형 텍스트 모두 처리 가능
  • 계층적 특징 추출: 저수준 특징과 고수준의 semantic 특징을 효과적으로 결합

📌 텍스트 형태 적응성 향상

비정형성이 강한 텍스트 환경에서도 유연하게 대응할 수 있도록 Adaptive Text Region Proposal과 Deformable Convolution을 활용한 구조적 개선을 적용했다.

  • 곡선 텍스트 검출 성능 향상: 곡선 텍스트 검출 정확도 개선
  • 복잡한 형상의 텍스트 처리: 회전, 왜곡, 불규칙한 배열의 텍스트도 안정적으로 검출
  • 기하학적 변형에 강건한 모델: 다양한 각도와 형태의 텍스트에 대해 일관된 성능 유지

📌 실험 및 검증

다양한 환경(문서, 야외 환경, 실내 간판 등)에서 텍스트를 검출하며 General Model의 성능을 검증했다. 평가 지표로는 Precision, Recall, F1-Score, IoU(Intersection over Union)를 사용했으며, 공개 데이터셋(ICDAR, MSRA-TD500 등)과 내부 데이터셋에서 모두 성능을 평가했다.

성과: 이러한 개선을 통해 General Model은 외부 OCR 솔루션 대비 약 30% 이상 향상된 성능을 기록했으며, 특히 비정형 텍스트와 다양한 스케일의 텍스트 처리에서 탁월한 결과를 보였다. 또한, 추론 속도도 개선하여 실시간 처리도 가능한 수준을 달성했다.

2.2.2. 도메인 특화 모델 개발

General Model을 기반으로 도메인별 특화 모델을 개발하여 각 데이터 특성에 맞는 최적화 과정을 진행했다.

📌 도메인별 데이터셋 구축

각 도메인의 특성을 반영한 데이터 수집 및 전처리를 수행했다:

  • 문서 도메인: 다양한 글꼴, 해상도, 스캔 품질을 포함한 문서 이미지 수집
  • 야외 환경: 다양한 조명 조건, 날씨, 각도에서 촬영된 간판 및 표지판 데이터
  • 비정형 텍스트: 곡선, 회전, 왜곡이 포함된 복잡한 형태의 텍스트 데이터(예: 메뉴판, 캘리그라피 등)

또한, 다양한 환경을 시뮬레이션하는 augmentation을 활용했다.

  • 기하학적 변형(회전, 스케일링, 왜곡)
  • 조명 및 색상 변환
  • 노이즈 추가 및 블러 처리
  • 배경 합성 및 텍스트 오버레이

📌 Fine-Tuning 및 최적화

General Model의 사전 학습된 가중치를 활용하여 도메인별 데이터에 맞춘 재학습을 수행했다:

  • Transfer Learning: General Model의 백본 네트워크를 고정하고, 도메인 특화 레이어만 학습
  • Layer-wise Fine-tuning: 데이터 특성에 민감한 상위 레이어를 중심으로 점진적 미세조정
  • Hyperparameter Optimization: 학습 하이퍼파라미터를 도메인별로 최적화

도메인별 성과: 각 도메인에서 General Model 대비 15% 정도의 추가적인 성능 향상을 달성했다.

3. Text Recognition

텍스트 인식은 OCR 기술의 핵심 요소로, 다양한 환경에서 높은 정확도와 효율성을 동시에 달성하기 위한 접근법이 연구의 중심이었다. 특히 최신 transformer 기반 모델의 등장으로, 기존의 무거운 구조를 대체하면서 경량화와 성능을 모두 갖춘 새로운 방법론들이 주목받았다.

3.1. 모델 선정 및 초기 실험

초기에는 기존의 단계적인 구조를 가진 텍스트 인식 모델(CRNN, ASTER 등)을 활용해 실험을 진행했다. 이 모델들은 CNN 기반 특징 추출, RNN 기반 시퀀스 처리, CTC/Attention 기반 디코딩의 명확한 구조 덕분에 높은 정확도를 제공했지만, 모델의 복잡성과 추론 속도의 한계로 인해 실시간 응용에는 적합하지 않았다.

이후 최신 transformer 기반 모델(SVTR, ABINet 등)을 실험하며, 더 빠르고 효율적인 구조를 가진 모델로 전환했다.

  • 단일 vision 모델로 텍스트 시퀀스 처리: 복잡한 단계적 구조 없이 end-to-end 학습 가능
  • 속도와 정확도 동시 달성: 병렬 처리로 인한 빠른 추론 속도와 높은 정확도
  • 다양한 형태의 텍스트 처리: 곡선 텍스트나 복잡한 배열에서도 우수한 성능

모델 비교 실험을 통해 여러 후보 모델의 성능을 평가했으며, 공개 데이터셋과 내부 데이터셋에서의 정확도, 추론 속도, 메모리 사용량 등을 종합적으로 고려하여 최종 모델을 선정했다. 최종적으로 SVTR 기반의 transformer 모델을 선택하여 텍스트 인식 시스템을 구축했다. 이는 기존의 단계적 구조 대비 추론 속도가 약 50% 빠르고 다양한 환경에서도 강건한 성능을 보여주어, 실시간 응용과 복잡한 텍스트 인식에서 모두 뛰어난 결과를 제공했다.

3.2. Text Recognition 모델 개발 및 고도화

3.2.1. General Model 개발

텍스트 인식의 기본 모델을 구축하며, 자연 이미지와 합성 데이터를 결합해 다양한 텍스트 변형과 환경에 대응할 수 있도록 설계했다.

📌 합성 데이터셋 활용

텍스트의 크기, 각도, 왜곡 등을 학습시키기 위해 다양한 합성 데이터를 생성하고 적용했다.

  • 텍스트 렌더링: 다양한 글꼴, 크기, 색상의 텍스트를 배경 이미지에 합성
  • Geometric Transformation: rotation, scaling, perspective transformation 등을 적용한 합성 데이터 생성
  • 환경 시뮬레이션: 다양한 조명, 그림자, 노이즈를 추가하여 실제 환경을 모방
  • 데이터셋 구성: 합성 데이터와 실제 데이터를 결합하여 학습

📌 맞춤형 Data Augmentation

실제 환경에서 발생할 수 있는 다양한 텍스트 변형을 시뮬레이션하여 학습의 다양성을 확보했다.

  • Geometric Augmentation: rotation, scaling, shear transformation, perspective transformation
  • Optical Augmentation: brightness adjustment, contrast adjustment, blur, noise addition
  • Text-specific Augmentation: 텍스트 영역 중심의 증강 기법 적용
  • Mixup/CutMix: 텍스트 영역 간 혼합을 통한 강건성 향상

성과: 이러한 데이터 전략을 통해 General Model은 다양한 환경에서 일관된 성능을 보였으며, 특히 합성 데이터와 실제 데이터의 결합이 모델의 일반화 성능을 크게 향상시켰다.

3.2.2. 도메인 특화 모델 개발

General Model을 기반으로 특정 도메인(문서, 도로 환경, 간판, 메뉴판 등)에서 최고의 성능을 발휘할 수 있도록 특화된 모델로 고도화했다.

📌 도메인별 데이터셋 구축

각 도메인의 특성을 반영한 데이터셋을 구축했다.

  • Document Domain: 다양한 글꼴과 고해상도 스캔 이미지를 포함한 데이터셋
  • Outdoor Environment: 다양한 조명 및 날씨 조건에서 촬영된 거리 텍스트 데이터
  • Irregular Text: 복잡한 배열과 다양한 배경을 반영한 데이터셋

📌 도메인 맞춤형 Augmentation

각 도메인의 특성에 따라 증강 기법을 조정하여 텍스트 변형에 대한 강건성을 향상했다.

  • Document Domain: 스캔 품질 저하, 회전, 스케일링 중심의 증강
  • Outdoor Environment: 조명 변화, 날씨 효과, 원근 변환 중심의 증강
  • Irregular Text: 곡선 변형, 복잡한 배경 합성 중심의 증강

📌 하이퍼파라미터 최적화

각 데이터셋의 특성과 크기에 따라 최적의 학습 환경을 구현했다.

  • Learning Rate Scheduling: 도메인별 데이터 분포에 맞춘 학습률 조정
  • Regularization Techniques: Dropout, Weight Decay 등 regularization coefficients 도메인별 최적화
  • Batch Size 및 Training Schedule: 데이터셋 크기와 모델 복잡도를 고려한 최적화

성과: 도메인별 특화 모델을 통해 각 도메인에서 추가적인 성능 향상을 달성했다.

4. 성과와 활용

개발한 OCR 모델(Text Detection + Text Recognition)은 사내 대규모 데이터 처리와 서비스 고도화에 핵심적인 역할을 했다. 특히, 전국 단위 데이터 처리 파이프라인을 구축하여, 다양한 환경과 이미지 데이터를 안정적으로 분석하고, 이를 기반으로 서비스 품질과 데이터 정확성을 높이는 데 기여했다.

4.1. 기술적 성과

  • 정확도: 기존 외부 OCR 솔루션 대비 약 30% 이상 향상된 성능 달성
  • 처리 속도: 추론 속도 개선으로 실시간 처리 가능
  • 도메인 적응성: 도메인별 특화 모델을 통해 추가 성능 향상
  • 강건성: 다양한 환경(문서, 야외, 비정형 텍스트)에서 일관된 성능 유지

4.2. 비즈니스 임팩트

📌 대규모 데이터 처리 파이프라인 구축

OCR 모델은 전국적으로 수집된 대규모 이미지 데이터에서 텍스트를 자동으로 추출하고, 이를 기반으로 데이터 업데이트를 효율화하는 파이프라인을 구축했다.

  • 대규모 이미지 처리: 대규모 배치 처리와 실시간 처리 모두 지원
  • 데이터 정확성 향상: 자동화된 텍스트 추출로 인한 수동 입력 오류 감소
  • 처리 시간 단축: 기존 수동 작업 대비 처리 시간 대폭 단축

📌 서비스 품질 및 효율성 강화

OCR 기술을 활용하여 대규모 데이터에서 텍스트 정보를 분석하고, 이를 자동으로 반영함으로써 사용자에게 더 정확하고 풍부한 정보를 제공할 수 있었다.

  • 데이터 자동화: 이미지 데이터에서 추출한 정보를 서비스 데이터에 자동 통합
  • 운영 효율성 향상: 수동 입력 작업 감소로 인한 운영 비용 절감
  • 사용자 경험 개선: 더 정확하고 최신의 정보 제공으로 사용자 만족도 향상

📌 확장 가능성 및 재사용성

개발한 OCR 기술은 정확도와 확장성에서 기존 솔루션을 능가하는 성과를 달성했다.

  • 모듈화된 구조: General Model과 도메인 특화 모델의 분리로 새로운 도메인 추가 용이
  • 확장 가능한 아키텍처: 다양한 환경과 요구사항에 맞춰 모델을 빠르게 적응 가능
  • 재사용 가능한 컴포넌트: 전처리, Detection, Recognition 모듈의 독립적 활용 가능

5. 프로젝트 회고

프로젝트를 진행하며 OCR 기술은 도메인에 따라 이미지 품질, 텍스트 형태, 배경이 다르기 때문에 환경에 특화된 기술을 개발하는 것이 중요하다는 것을 느꼈다. 특히, General Model을 먼저 구축한 후 도메인별로 특화하는 접근법이 효율적이었으며, 이를 통해 개발 시간을 단축하면서도 각 도메인에서 최고의 성능을 달성할 수 있었다.

모델 성능의 핵심은 데이터 품질에 있다는 것을 다시 한번 확인했다. 합성 데이터와 실제 데이터의 적절한 조합이 모델의 일반화 성능을 크게 향상시켰으며, 각 도메인의 특성을 정확히 파악하고 이를 데이터셋과 증강 기법에 반영하는 것이 중요했다.

모델 측면에서는 풀고자 하는 문제를 더 잘 해결할 수 있는 방향으로 모델 아키텍처를 개선했다. 특히 비정형성이 큰 텍스트(곡선, 회전, 왜곡이 포함된 복잡한 형태의 텍스트)를 처리하기 위해 기존 모델의 한계를 극복할 수 있는 아키텍처를 도입하고 최적화했다. 정확도와 속도 사이의 트레이드오프를 신중히 고려하여 프로젝트 요구사항에 가장 적합한 모델을 선택했으며, transformer 기반 모델로의 전환을 통해 성능과 효율성을 모두 개선할 수 있었다.

Paper Survey

Pre-Processing

  • Scene Text Image Super-Resolution in the Wild / ECCV 2020 자연환경에서 촬영된 장면 텍스트 이미지를 슈퍼 해상도로 복원하는 방법을 제안한다. 텍스트 영역의 해상도를 개선해 텍스트 인식 성능을 높이는 방안을 탐구한다.

  • BEDSR-Net: A Deep Shadow Removal Network from a Single Document Image / CVPR 2020 단일 문서 이미지에서 그림자를 제거하기 위한 딥러닝 기반 네트워크를 제안한다. 문서의 그림자를 제거해 텍스트 인식 정확도를 향상시키는 방법론을 탐구한다.

  • SwinIR: Image Restoration Using Swin Transformer / CVPR 2021 Swin Transformer 아키텍처를 활용해 이미지 복원을 수행하는 방법을 제안한다. 슈퍼 해상도와 잡음 제거 작업에서 뛰어난 성능을 보이는 기술적 접근을 소개한다.

  • Text Prior Guided Scene Text Image Super-Resolution / arXiv 2021 텍스트 프라이어를 활용해 장면 텍스트 이미지의 해상도를 개선하는 기법을 제안한다. 텍스트 정보를 활용해 더 정밀한 텍스트 검출을 가능하게 한다.

  • Scene Text Telescope: Text-Focused Scene Image Super-Resolution / CVPR 2021 텍스트 부분에 초점을 맞춘 장면 텍스트 복원 기법을 제안한다. 텍스트 영역을 강조하고 배경 정보를 간소화하여 텍스트 인식 성능을 높이는 방법론을 소개한다.

  • Activating More Pixels in Image Super-Resolution Transformer / arXiv 2022 transformer 기반 네트워크에서 더 많은 픽셀을 활성화해 해상도 복원을 정확히 수행하는 기법을 제안한다. 계산 효율성을 높이는 방향으로 개선한다.

Text Detection

  • EAST: An Efficient and Accurate Scene Text Detector / CVPR 2017 단일 신경망을 통해 텍스트 영역을 직접 회귀하여 빠르고 정확하게 검출하는 방법을 제안한다.

  • TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes / ECCV 2018 중심선과 반지름을 활용해 임의의 형태를 가진 텍스트를 유연하게 검출할 수 있는 방식을 제안한다.

  • CRAFT: Character Region Awareness for Text Detection / CVPR 2019 문자 중심의 텍스트 영역을 학습해 텍스트 줄을 연결하는 방식으로 텍스트 검출 성능을 향상시키는 기법을 제안한다.

  • TextFuseNet: Scene Text Detection with Richer Fused Features / IJCAI 2020 다양한 스케일의 특징을 통합해 복잡한 배경에서도 텍스트를 검출할 수 있는 방법을 제안한다.

Text Recognition

  • CRNN: An End-to-End Trainable Neural Network for Image-based Sequence Recognition / TPAMI 2016 CNN과 RNN을 결합한 구조로 텍스트 시퀀스를 처리하는 엔드투엔드 학습 가능 네트워크를 제안한다.

  • ASTER: An Attentional Scene Text Recognizer with Flexible Rectification / TPAMI 2018 텍스트 왜곡을 보정하는 정렬 메커니즘과 Attention 기반 텍스트 인식기를 결합하여 텍스트 인식 성능을 높이는 방법을 제안한다.

  • SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition / CVPR 2020 시각적 정보와 의미적 정보를 동시에 학습해 텍스트 인식 정확도를 높이는 네트워크를 제안한다.

  • Data Augmentation for Scene Text Recognition / ICCV 2021 다양한 텍스트 데이터 증강 기법을 활용해 학습 데이터의 다양성을 확보하고 텍스트 인식 성능을 개선하는 방법을 제안한다.

  • SVTR: Scene Text Recognition with a Single Visual Model / IJCAI 2022 단일 시각 모델을 통해 텍스트 인식 효율성과 정확성을 모두 높이는 방식을 제안한다.