한글 TEXT DATASET

[ 데이터셋 ] OCR 대회를 주최하는 ICDAR 학회에서 제공하는 데이터셋 중 우리가 관심있는 Text Recognition Task의 데이터셋은 대다수가 영어로 구성되어 있다.
아래는 2015년에 열린 ICDAR IC(Incidental Scene Text) 대회의 Task 4.3 Word Recognition 데이터셋이다.

이와 같이 영어로 학습된 모델을 가져오면 한글인식은 당연히 떨어질 수 밖에 없다. 따라서 한글데이터셋을 따로 확보하여 fine-tuning 하는 과정이 필수적이다. 다행스럽게도 AI HUB에서 한글 이미지 데이터를 제공한다.

[한글 데이터셋 ] : https://aihub.or.kr/aidata/133

AI Hub에서 제공하는 한글 이미지 데이터는 손글씨, 인쇄체, Text in the Wild로 세가지 종류가 있다. 우리 프로젝트에서는 민증,여권 등 인쇄체를 인식하므로 인쇄체 이미지를 이용하여 학습할 것이다.