kitae0522/hangul-recognition

한글 인식기

커스텀 VGG19 모델로 만든 한글 음절 인식기

• Author : Song Kitae (Department of AI Software, Dankook Software High School)
• Use Module : Tensorflow 2, Keras....
• Key Word : 딥러닝, VGG19, 한글 OCR

요약

1. 50개의 무료 라이선스 손글씨 글꼴을 이용해 117,500장의 이미지 데이터셋을 직접 만들었다. (48 x 48 x 1)
2. VGG19 모델의 일부 레이어 파라미터 수를 수정함으로써, 학습 시간을 줄이고 모델 용량을 39% 줄였다.
3. ngrok과 파이썬 웹 프레임워크인 Flask를 사용해, 다른 사람들이 모델을 사용할 수 있도록 API를 만들었다.
4. 약 99%의 정확도를 얻어낼 수 있었고, Minimum Loss는 0.05를 달성했다.

시작하며...

여러 가지의 CNN 모델에 관해 공부하던 도중, 우연히 @junstar92님의 깃헙에서 한글 음절 인식기를 보게 되었고, 이후 구체적인 개발 계획을 세워, 토이 프로젝트로 한글 음절 OCR을 개발했습니다. 여기에 그치지 않고, ngrok과 Flask를 사용해 API를 배포했습니다.

전체 소스 코드는 여기를 누르시면 확인할 수 있습니다.

데이터셋

총 50개의 무료 라이선스 손글씨 폰트를 사용했으며, KS X 1001 집합에 포함되는 음절의 이미지 데이터셋을 직접 만들었습니다.

이미지를 생성하는 코드가 궁금하시다면 여기를 눌러주세요. PIL 모듈을 사용해서 만들었습니다. 또, 이미지 데이터셋을 만들 때 사용한 글꼴 목록이 궁금하시다면 여기를 눌러주세요.

생성된 이미지 데이터셋 결과

./data/dataset.zip 파일에 117,500장의 이미지 데이터(48*48)가 압축되어 들어있으며, 직접 다운로드하실 수 있고, wget를 이용해서 다운로드 하실 수 있습니다.

$ wget -O dataset.zip https://raw.githubusercontent.com/kitae0522/hangul-recognition/main/data/dataset.zip

학습 결과

train 데이터셋에서 약 99%의 accuracy를, 0.05의 loss, valid 데이터셋에서 약 98%의 accuracy를, 0.06의 loss를 가지며 학습을 완료했습니다.

왼쪽이 모델이 예측한 결과, 오른쪽이 진짜 정답입니다.

Model accuracy	Model loss

Give me feedback!

• E-Mail : [email protected]

컴퓨터 비전을 공부하고 있는 고등학생입니다. 위 이메일이나 이슈로 피드백을 남겨주시면 감사하겠습니다.