arthurflor23/handwritten-text-recognition
Handwritten Text Recognition
해결하는 문제
필기체 인식 (HTR)은 필기체 이미지 데이터를 기계가 읽을 수 있는 문자로 변환하는 작업입니다. 이 프로젝트는 원시 데이터 준비부터 학습, 테스트, 실시간 추론에 이르기까지 HTR 모델을 구축하고 사용하는 데 필요한 완전하고 구성 가능한 워크플로우를 제공합니다. 또한 필기체 합성 및 맞춤법 교정을 지원하여 제한된 학습 데이터와 같은 일반적인 문제를 해결합니다.
작동 방식
이 툴킷은 TensorFlow를 기반으로 구축되었으며, 전체 파이프라인을 제어할 수 있는 다양한 매개변수를 갖춘 명령줄 인터페이스를 제공합니다. 인식, 합성, 세그멘테이션, 필자 식별 및 맞춤법 교정을 위한 개별 모델을 학습시킬 수 있습니다. 인식 모델은 필기체 이미지를 읽어 텍스트로 변환하며, 합성 모델은 텍스트로부터 인공 필기체를 생성하여 학습 데이터를 증강하는 데 사용할 수 있습니다. MLflow가 통합되어 실험 추적, 지표 기록, 모델 실행 저장이 가능하므로 서로 다른 구성을 비교하고 결과를 재현하기 쉽습니다. 사용자는 광범위한 통합 데이터셋 (IAM, RIMES, CVL 등) 중에서 선택하거나 폰트 파일을 합성 데이터 소스로 사용할 수 있습니다. 모델의 견고성을 높이기 위한 데이터 증강 변환 (회전, 노이즈, 탄성 변형 등)도 제공됩니다.
대상 사용자
유연하고 재현 가능한 프레임워크가 필요한 필기체 인식 분야의 연구자, 학생 및 개발자. 여러 데이터셋에 걸쳐 실험하거나, 다양한 모델 아키텍처를 비교하거나, 합성을 활용하여 제한된 실제 데이터로 학습해야 하는 사용자에게 특히 유용합니다. MLflow 통합은 실험 추적과 모델 관리를 중시하는 팀에게도 매력적입니다.
주요 특징
- 다양한 유명 HTR 데이터셋 (IAM, RIMES, CVL 등)을 즉시 지원.
- 실험 추적, 실행 기록 및 모델 재현성을 위한 MLflow 통합.
- 인식 및 합성 모델을 모두 포함하여 합성 필기체를 통한 데이터 증강 가능.
- 풍부한 데이터 증강 및 전처리 옵션 (조명 보정, 이진화, 기하학적 변환) 제공.
- 학습, 테스트, 추론 및 체크포인트 작업을 위한 명령줄 플래그를 제공하며, 사용자 정의 워크플로우를 위해 쉽게 조합 가능.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트