CRNN (Convolution Recurrent Neural Network)

I. CNN과 RNN의 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

구분	구성요소	설명
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 인식	필기체 인식
– 기존 상용 소프트웨어 보다 높은 성능 발휘	– 문맥에 따른 손글씨 단어, 문장 인식