Light-OCR-Data

1. AIHUB 데이터셋

AIHUB에서 공개한 한국어 글자체 이미지 데이터셋 중 Text in the Wild의 이미지/annotation을 사용했습니다. 각 도로교통표지판, 상품, 간판과 기타 카테고리로 분류됩니다.
약 100,000개의 이미지/annotation 중에서 각 카테고리 별로 10% 씩 선별하여, 약 9,900개를 모델 평가에 사용하였습니다. 선별한 테스트 데이터 리스트는 dataset/aihub_test_image_list.txt에서 확인하실 수 있습니다.

2. AIHUB 테스트 이미지 분리

코드 실행 전, AIHUB 데이터셋의 압축을 해제해야합니다. 압축 해제 후 데이터 디렉토리 구조는 다음과 같습니다.

AIHUB
  |---book
  |     |---000334C2A3FCD51B5C2F5AE7DE872A7C.jpg
  |     |---0008D5F549FE35B36BF92091E2D01646.jpg
  |                        .
  |                        .
  |---Goods
  |     |---00024467863E82F72B18598125DAE6B5.jpg
  |     |---000B7167D8521139AE0DF9B387C034D5.jpg
  |                        .
  |                        .
  |---Singboard
  |     |---0003053D121A0074B66CA75DCD51C8F3.jpg
  |     |---000AD252F19F62A9055C2CB8864B07E8.jpg
  |                        .
  |                        .
  |---Traffic_Sign
  |     |---000D6985A1C98F0549F53FEE4FA556B8.jpg
  |     |---001353D4CEF660E0C1F54B40FB4469B3.jpg
  |                        .
  |                        .
  |
  |---textinthewild_data_info.json

다음을 실행하여 선별한 테스트 이미지를 분리할 수 있습니다. 이때, --output으로 설정할 디렉토리는 --aihub 디렉토리와 다른 곳으로 지정해야합니다.
```
python make_dataset.py --aihub [path/to/image] --list_path [path/to/list/txt] --output [path/to/output]
```
--aihub: 앞서 압축을 모두 푼 AIHUB dataset의 디렉토리.
--list_path: AIHUB 테스트 이미지를 정리한 리스트 파일 경로.
--output: AIHUB 테스트 이미지 및 GT를 저장될 디렉토리 경로.

3. API

KaKao OCR API 및 Naver OCR API 사용법 입니다. 앞서 분리한 테스트 이미지 전체에 대한 각 API의 결과를 json 파일로 생성합니다. (Kakao OCR API의 경우 일일 사용 5000개 제한으로 초과 시 json 파일에 error가 작성됩니다.)
```
python kakao.py [path/to/image] [appkey]
```
```
python naver.py [path/to/image] [api_url] [api_key]
```
```
python jenti.py [path/to/image]
```
코드를 실행한 위치에 {kakao, naver, jenti}.json가 생성됩니다. 저희 평가 코드를 통해 각 OCR API의 성능을 확인할 수 있습니다.

4. 지원

본 연구개발은 2021년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행한 연구 성과물의 일부입니다. 해당 연구과제에 대한 정보는 아래와 같습니다.

과제번호: 2021-0-00023
연구사업명: 인공지능산업원천기술개발
연구과제명: 복합재난 상황에서의 문제해결을 위한 경량화 한글 탐지/인식 기술 개발
주관연구기관: 주식회사 젠티

jentiai/Korean-Light-OCR-Data

Light-OCR-Data

1. AIHUB 데이터셋

2. AIHUB 테스트 이미지 분리

3. API

4. 지원