Skip to content

Latest commit

 

History

History
221 lines (150 loc) · 12 KB

README.md

File metadata and controls

221 lines (150 loc) · 12 KB
Raw

Untitled

0️⃣ Final Project 수행 목표

  • 문제 정의를 통해 AI 를 실제 서비스를 출시해보는 연습을 해본다.
    • 기존 AI 서비스 조사를 통해 트렌드와 서비스 출시의 기저를 파악해본다.
    • 서비스 기획, 데이터셋 조사 및 준비, 모델링, 웹 프로토타이핑, 모델 서빙 등 전체 과정을 직접 구현해본다.
  • AI 대회 참여와 실제 서비스 구현 사이의 차이를 몸소 깨달아본다.
    • AI 대회: 추최 측의 데이터 이용가능. 평가 Metric 제공. 참가자들 사이의 공유 문화
    • 실제 서비스: 서비스 요구사항만 있음. 데이터 없음. 평가 Metric 없음.

1️⃣ 문제 정의

1-1. 시장 조사

1-2. 서비스 기획 주제

  • OCR 을 이용해 신발 tag 에 있는 품번을 인식하여 웹 상의 정보를 사용자에게 제공

1-3. 서비스 기획 세분화

  • 사용자의 사진 입력
    • 사용자는 서비스에 본인의 사진을 업로드한다.
    • 업로드한 사진에서 품번이 있는 부분을 잘라낸다.
  • 정보 제공
    • 품번 인식이 제대로 된 경우, 가격 등의 상품 정보를 제공받는다.
  • 데이터 생성
    • 오프라인 유저들의 패턴을 파악을 위한 로그 데이터를 쌓는다.

2️⃣ 서비스 흐름도

순서도

3️⃣ 서비스 요구사항

  • 정성적 요구사항: 상품번호 타이핑 시간보다 빠르게 OCR 인식
  • 정량적 요구사항: 이미지를 잘라낸 시점부터 정보를 제공받기까지 5초 이내

4️⃣ 서비스 시스템 구조

시스템 구조도 변경

  1. 사용자가 사진을 업로드하고 품번이 있는 부분을 잘라낸다.
  2. 잘린 사진을 OCR 인식기 모델이 있는 백엔드로 전송한다.
  3. 전송 받은 사진에 대해 모델이 예측을 수행하여 품번 label 과 confidence score 를 다시 프론트로 전송한다.
  4. 예측된 품번 label 이 잘못된 경우 label 수정을 하도록 유도한다.
  5. 품번 label 을 Naver API 서버에 전송하여 상품명, 최저가 등의 정보를 다시 프론트로 전송하여 띄워준다.
  6. 품번 label 과 사용자가 잘라낸 이미지를 Google Cloud Storage 에 저장한다.

5️⃣ 데이터셋

5.1. 수집한 데이터셋

  • 참여자 1명당 20~30장을 직접 찍어 구성한 데이터셋 총 153장

    • 촬영장소는 주로 각자의 집 혹은 외부의 신발 매장.

    데이터_원본_학습

    직접 찍은 사진의 원본 (좌)

    원본에서 품번만 잘라낸 이미지 (우)

5.2. 생성한 데이터셋

  • 아래의 레포지토리를 참고하여 생성한 데이터셋으로 현 시점의 테스크를 위한 인식기를 학습시키기에 적합하다고 판단.

    데이터_생성

5.3. 학습 데이터셋 버전 관리

  • "모델 학습, 모델 추론, 데이터셋 버전 업데이트" 를 하나의 cycle 로 생각하여 cycle 을 돌리면서 데이터셋 버전 업데이트에 따른 성능 변화 관찰
    • v1.0
      • 기본값으로 생성한 이미지 500장으로 모델을 학습
      • 모델 추론을 통해 기울어진 텍스트, 특이한 폰트 등에서 모델이 약한 부분을 관찰
      • 텍스트 각도, 폰트를 고려한 이미지 추가를 데이터셋 버전 업데이트 방향으로 설정
    • v2.0
      • v1.0 에서 0~30도 기울어지고 다양한 폰트를 갖는 이미지를 800장 추가
      • 모델 추론을 통해 90도정도 기울어진 텍스트, 긴 문자열 등에서 모델이 약한 부분을 관찰
      • 더 많이 기울어지고 텍스트의 길이를 늘린 이미지 추가를 데이터셋 버전 업데이트 방향으로 설정
    • v2.1
      • v2.0 에서 더 많이 기울어지고 텍스트 길이가 더 긴 이미지를 500장 추가
      • 모델 추론 결과, 기존 v2.0 에서의 문제 해결이 불가능하고 오히려 정확도를 낮춤
      • 위 이유들로 v2.1 은 기각

6️⃣ 모델링

6.1. 모델 선정

ViTSTR

  • https://github.com/roatienza/deep-text-recognition-benchmark

  • 성능 비교 테이블

    Model name Pretrained model Model after Fine-tuning
    ViTSTR-Tiny 24.35% 42.31%
    ViTSTR-Tiny+Aug 21.80% 63.46%
    ViTSTR-Small 28.85% 63.46%
    ViTSTR-Small+Aug 28.85% 58.33%
    ViTSTR-Base 33.33% 58.97%
    ViTSTR-Base+Aug 37.82% 60.90%

    Accuracy 측정

  • 위와 같은 정확도 결과를 얻어으나 아래의 더 좋은 결과를 얻어 ViTSTR 모델은 사용하지 않기로 결정

clova-ai deep-text-recognition-benchmark

  • https://github.com/clovaai/deep-text-recognition-benchmark

  • 성능 비교 테이블

    Model name Pretrained model Model after Fine-tuning
    None-ResNet-None-CTC 38.14% 63.91%
    None-VGG-None-CTC 8.2% 77.32%
    TPS-ResNet-BiLSTM-Attn 43.29% 82.47%
    TPS-ResNet-BiLSTM-CTC 62.88% 85.56%
    TPS-ResNet-BiLSTM-Attn-case-sensitive* 49.35% 73.07%

    *: 이 모델은 특수 문자를 인식함.

    Accuracy 측정

  • 특수 문자를 인식해야하고 영어 대문자를 인식해야하는 task 임을 고려하여 정확도는 조금 낮지만 case-sensitive 모델을 선정

6.2. 데이터셋 버전에 따른 성능 변화

  • 최종 모델 TPS-ResNet-BiLSTM-Attn-case-sensitive (a.k.a. TRBA-sensitive) 를 학습시켜 정확도를 관찰

  • 성능 비교 테이블

    데이터셋 버전 v1.0 v2.0 v2.1
    정확도 66.67% 75.65% 67.95%

    v2.1 의 경우, 정확도도 떨어지고 v2.0 에서의 문제 해결에 도움이 되지 않아 최종 데이터셋 버전은 v2.0 으로 결정

7️⃣ 모델 평가

7.1. Metric 선정

  • 성능 평가 : 정확도(Accuracy)
  • 속도 평가 : CPU/GPU 추론 속도

7.2. 정량 평가

  • 최종 정확도: 78.20%
  • 최종 속도: 1초(V100 GPU), 3초(CPU)

7.3. 정성 평가

  • 일반적인 경우

    general cases

  • Edge Case

    edgecase

8️⃣ 프로토타입

  • 프론트엔드
    • streamlit 을 이용하여 구현
  • 백엔드
    • Fast API 를 이용하여 구현
  • 스토리지
    • 구글 클라우드 스토리지를 이용
    • 사진 이미지와 예측 label 을 전송하여 저장
  • 구현 데모 페이지

9️⃣ Future Works

  1. 너무 느린 추론 속도 (V100 GPU: 1s/img, CPU: 3s/img)
    • Feature Extractor 인 ResNet 를 포함하여 성능의 큰 하락 없이 모델의 경량화 시도를 하여 추론 시간을 단축시키고 한 GPU 에 여러 모델을 올려 분산처리를 시도하면 좋을 것 같음.
  2. 모델 정확도
    • 78.20% 의 정확도로 만족스러운 서비스가 될 것인지 의문이 들어 data centric, model centric 관점에서 더 접근하여 정확도를 높이는 시도를 하면 좋을 것 같음.
  3. Edge Case 처리
    • 최종 모델의 논문 상으로는 90도 회전된 이미지에 대한 처리가 불가하여 이를 잘 처리하는 모델을 찾아보고 실험해보면 좋을 것 같음.
    • 이 외에도 이미지에 품번이 아닌 다른 텍스트가 들어간 경우, 모델의 추론 난이도가 올라가는 문제도 있어 이 부분을 해결하는 새로운 시도가 있다면 좋을 것 같음.
  4. 배치 서빙
    • 모델의 지속적 성능 향상을 위해 구글 클라우드 스토리지에 쌓이는 데이터 중 기존 모델의 예측 레이블을 사용자가 수정한 데이터에 대해 모델을 정기적으로 학습하고 학습 후 성능을 모니터링하는 파이프라인을 구축하는 시도가 있으면 좋을 것 같음.

🔟 시연 영상

시연 영상

참여자

이름 캠퍼 ID Github 역할 비고
김서기 T2035 Link 백엔드 (GCP, 네이버 검색API 연결), 모델 실험,
프론트엔드(Streamlit), 데이터 수집 및 라벨링
김승훈 T2042 Link 데이터, 모델 실험 (TRBA), 베이스라인 구축,
백엔드(FastAPI, GCP), 데이터 생성, 데이터 수집 및 라벨링
배민한 T2260 Link PM, 모델 실험, 프론트엔드 (Streamlit), 데이터 수집 및 라벨링
손지아 T2113 Link EDA, 모델 실험, 베이스라인 구축, 프론트엔드 (Streamlit),
데이터 관리, 데이터 생성, 데이터 수집 및 라벨링
이상은 T2157 Link 논문 리서치, 목업 디자인, 데이터 수집 및 라벨링 퇴소
조익수 T2213 Link 모델 분석 및 실험 (TRBA, ViTSTR),
프론트엔드(Streamlit), 데이터 수집 및 라벨링