실험 내용
OCR
참고
1.
실험 조건
a.
기존 라이브러리 사용
b.
이미지 전처리 과정 추가
2.
성능평가
•
Recall: 실제 True 중 True로 올바르게 예측한 비율
•
Precision: 예측 True 중 True로 올바르게 예측한 비율
a.
Detection
•
GT(Ground-Truth)와 예측(Pred) 박스가 겹치는 정도로 판정
•
IoU ≥ 0.5 일 경우 성공으로 판단
◦
IoU (Intersection over Union): 두 영역의 합집합 영역 대비 교집합 영역의 비율
Recall = (Detection 성공 영역 개수) / (GT 내 영역 개수)
Precision = (Detection 성공 영역 개수) / (Pred 내 영역 개수)
F1 score = 2 × Recall × Precision / (Recall + Precision)
b.
Recognition
•
WEM(Word-based Exactly Matching)
◦
GT와 Pred 단어가 정확히 일치하면 성공으로 판단
c.
End-to-end (문자 탐지 및 인식)
•
Detection 성공한 영역에 대해 Recognition도 성공한 경우
Recall = (Detection 성공 AND Recognition 성공 영역 개수) / (GT 내 영역 개수)
Precision = (Detection 성공 AND Recognition 성공 영역 개수) / (Pred 내 영역 개수)
F1 score = 2 * Recall * Precision / (Recall + Precision)
•
결과 예시
Detection | Recognition | End-to-end | |
기존 easyocr 라이브러리 | |||
이미지 전처리 과정 추가 |
추천 시스템 성능평가
Precission@K
Recall@K
1.
실험 조건
2.
성능평가
결과 정리
•
OCR / 추천시스템 성능 평가 결과 설명