CRNN (Convolution Recurrent Neural Network)

I. CNNRNN의 융합 기술, CRNN

  • 특징 추출과 시계열 모델을 통합하여 이미지에서 시계열 데이터를 인식하는 고성능 학습 모델
     

II. CRNN의 수행 절차 및 구성요소

가. CRNN의 수행 절차

  • Convolution Net. 최상부에서 출력된 Feature Sequence의 프레임 예측 위해 Recurrent Net. 사용

나. CRNN의 구성요소

구분구성요소설명
계층
요소
CNN– Feature Map, Pooling, Sampling
RNN– BPTT, LSTM, GRU, 시계열 분석
Transcription– 예측 Label을 based, free 변환
기술
요소
E2E Train– Text Read 전처리 훈련
Conv. Feature map– Convolution 기반 이미지 학습
CharGT-Free– Text 수준 Label 입/출력
Unconstrained– 단어, 임의 Sequence 처리
Model Size– 학습 모델 저장 공간

 

III. CRNN 기반 활용 사례

악보 문맥 인식필기체 인식
– 기존 상용 소프트웨어 보다 높은 성능 발휘– 문맥에 따른 손글씨 단어, 문장 인식

 

콘텐츠 사용 시 출처 표기 부탁 드리고, 댓글은 큰 힘이 됩니다^^