한국 SW중심대학 공동 AI 경진대회 <본선>

최종코드 제출

Team: 한림대학교

private score: 5위

• 안녕하세요, 한림대학교 팀입니다. 저희는 한림대학교 학부생 동기 5인으로 구성되어 있으며 대회에 참가하면서 좋은 경험을 했습니다. 감사합니다. 아래는 score 재현 방법입니다.

---

실행 방법

외부 사용 데이터

아래 데이터셋을 TIW 으로 칭합니다.

AIHUB: 한국어 글자체 이미지

아래 데이터셋을 HUB 으로 칭합니다.

AIHUB: 야외 실제 촬영 한글 이미지

데이콘이 제공한 데이터셋을 TRAIN과 TEST로 칭합니다.

파일 경로 설정 방법: ./customocr

├── hallymocr: 학습에 필요한 모듈들
│   ├── modules
│   │   └── __pycache__
│   └── __pycache__
├── images: 학습에 사용되는 이미지 파일
│   ├── crop_tiw : 크롭된 HUB 이미지
│   ├── crop_train : 크롭된 TIW 이미지
│   ├── hub_train : HUB이미지
│   ├── test : TEST이미지
│   ├── tiw : TIW 원본이미지
│   └── train : TRAIN 원본이미지
├── labels: 라벨 및 이미지 정보가 담긴 json파일
│   ├── hub_train : HUB json파일
│   └── tiw : TIW json파일
├── lmdb_gt: lmdb생성을 위한 txt파일
├── result: 생성된 lmdb파일
│   ├── htrain: HUB lmdb
│   ├── tiw: TIW lmdb
│   ├── train: TRAIN[:-1000]
│   └── valid: TRAIN[-1000:]
├── saved_models: 모델 및 로그 저장
│ └── TPS-ResNet-BiLSTM-Attn-Seed1111
├── ocr.ipynb: 핵심 실행 파일(main)
├── README.md
├── requirements.yaml
└── train_edit.csv: 수작업으로 정제된 TRAIN csv파일

1. git pull하기

git pull https://github.com/mhseo10/customocr

2. AI_HUB에서 데이터 다운로드 받기

한국어 글자체 이미지
야외 실제 촬영 한글 이미지

3. 이미지 및 json파일 저장 (★★)

한국어 글자체 이미지 (TIW)

• ★ 중요 ★4개의 카테고리중 Text in the wild 데이터셋만 사용
• 이미지 파일: ./images/tiw에 저장하며, 이때 Text in the wild데이터 셋 안에 4개의 폴더가 있는데, 이를 각 폴더로 두지 않고 각 폴더안에 있는 image파일들을 ./tiw에 한 곳으로 저장해야합니다.
• json 파일: TIW 데이터셋은 하나의 json파일로 라벨링이 이루어져 있습니다.
  • ex) 100만장의 image, 1개의 json파일
  • 이때 json파일은 textinthewild_data_info.json입니다.
  • ./labels/tiw에 저장합니다.

야외 실제 촬영 한글 이미지 (HUB)

• HUB셋은 Train셋과 Validation셋이 존재하나 Train셋만 사용합니다.
• 이미지 파일: ./images/hub_train에 저장하며 이때 TIW와 다르게 다운된 폴더 구조 째로 넣어주시면 됩니다.
• json 파일: KOREAN 데이터셋은 하나의 image에 하나의 json파일이 각각 매치되어있습니다.
  • ex) 100만장의 image, 100만개의 json파일
  • [원천]과 [라벨]로 이름이 지정되어있습니다. [원천]의 이름에 맞게 [라벨]에 json파일이 매치되어있습니다.
  • ./labels/hub_train에 저장합니다.

4. ocr.ipynb 노트북 실행