요약

1. Intro

   Scene Image 에서 Text를 detection하는 대회로 이 대회는 EAST 모델로 inference 모델이 고정인 상태에서 data augmentation과 data cleansing으로만 성능을 향상시키는 대회

2. How

   • ICDAR17외에 부족한 Data를 증강시키기 위해 외부 데이터를 Searching 하여 학습
   • ICDAR19 + 대회에서 추가로 제공한 Annotation 데이터 추가
   • 데이터 증강 및 Class 불균형을 해소하기위한 방법으로 Augmentation 기법을 적용
   • 데이터 전수조사를 통해 라벨링이 애매한 유형들을 정리한 후 Data Cleansing을 진행

3. Role

   • Scene Text Augmentation 관련하여 논문서칭
   • Task에 맞는 Augmentation 기법 실험 및 정리

4. Result

   • 데이터 증강 및 Cleansing을 통해 DetEval f1 score 기준 0.46 ⇒ 0.65로 성능향상
   • 시간관리 실패로 인하여 데이터 증강 + Augmentation까지 합쳐서 실험하지는 못한채 대회종료

5. Text Detection Wrap-up Report - Click

회고

칭찬할 점

• Scene Text Augmentation 논문을 참고하여 효과가 좋은 기법들을 정리하고 적용하여 실험을 해본 점
• Text Detection 대회의 기본적인 process를 경험한 점

아쉬운 점

• 기간이 짧아 모델 학습 후 실험을 진행하여 많은 실험을 진행하지 못한 점
• Augmentation 분석과 각 기법에 따른 실험을 진행했으나 다른 팀원들의 Data 증강, Cleansing결과와 합쳐서 실험을 진행하지 못한 점

개선할 점

• Augmentation 기법 실험에서 Score 결과에 집중하였는데, 학습된 결과를 좀 더 시각적으로 확인하는 것들을 진행하여 Task에 좀 더 최적화된 방법들을 적용해보고 싶다.
• 모델에 대한 100% 이해가 없다보니 성능을 올리는데 한계가 많아 모델에 대한 이해를 기반으로 문제들을 해결하는 습관을 기르려고 한다.
• Albumentation 기법에 없는 경우 실험을 진행하지 않았지만, OpenCV나 기타 다른 라이브러리를 활용 또는 직접 구현하여 여러가지 기법들을 실험해보고자 한다.