AI-Hub

데이터 변경이력

데이터 히스토리

소개

일상에서 접할 수 있는 다양한 한글 이미지(간판, 책표지)를 이용하여 다양한 OCR 솔루션에 사용될 수 있는 text-in-the-wild 이미지 데이터

구축목적

일상에서 접할 수 있는 실내외 이미지 속 한글의 디지털 텍스트를 다량으로 확보하여, 문서나 필기체 외에 다양한 폰트로 노출되어 있는 한글자원을 효과적으로 활용하기 위한 인공지능 기반 OCR 기술 개발용 학습 데이터셋

구축 내용 및 제공 데이터량

• 간판

  • 간판 사진은 전국 범위를 대상으로 낮, 밤, 우천, 눈 등 조건하에서 가로/세로형 간판, 돌출형 간판, 창문이용 간판 등을 중심으로 실내외 환경에서 여러 시야각도로 촬영을 목표로 함.
  • 최종 인공지능 데이터 : 간판 한글단어 바운딩박스 45만 건이 포함된 1600*1200 해상도의 한글 이미지들과 한글이 입력되어 있는 해당 이미지별 어노테이션 JSON 파일
  - JPEG 이미지 약 450,000건 : 한글단어 45만 건에 해당하는 학습 데이터 구축
  - 어노테이션 JSON 파일 약 450,000개 : 한글단어 45만 건 이상에 해당하는 학습 데이터 구축 완료
  - 이미지와 JSON 파일 수량 비율은 1:1

  간판 구축 내용 및 제공 데이터량 표

  분류	세분류	촬영수량	비율
  실외간판	가로형간판	140,000	31.0%
  	세로형간판	30,000	6.7%
  	돌출간판	55,000	12.2%
  	지주이용간판	30,000	6.7%
  	현수막	30,000	6.7%
  	창문이용광고물	30,000	6.7%
  	소계	315,000	70%
  실내간판	실내간판	90,000	20%
  	실내안내판	45,000	10%
  	소계	135,000	30%
  합계		450,000	100%

• 책표지

  • 최종 인공지능 데이터 : 책표지 한글단어 바운딩박스 5만 건이 포함된 1600*1200 해상도의 한글 이미지들과 한글이 입력되어 있는 해당 이미지별 어노테이션 JSON 파일
  - JPEG 이미지 약 50,000건 : 한글단어 5만 건에 해당하는 학습 데이터 구축
  - 어노테이션 JSON 파일 약 50,000개 : 한글단어 5만 건 이상에 해당하는 학습 데이터 구축 완료
  - 이미지와 JSON 파일 수량 비율은 1:1

  책표지 구축 내용 및 제공 데이터량 표

  분류(KDC)	촬영수량	비율
  총류	2,500	5%
  철학	3,500	7%
  종교	4,000	8%
  사회과학	8,000	16%
  자연과학	2,500	5%
  기술과학	8,000	16%
  예술	2,500	5%
  언어	4,000	8%
  문학	8,000	16%
  역사	3,000	6%
  기타(유아)	4,000	8%
  합 계	50,000	100%

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 일상에서 접할 수 있는 실내외 이미지 속 한글의 디지털 텍스트를 다량으로 확보하여, 문서나 필기체 외에 다양한 폰트로 노출되어 있는 한글자원을 효과적으로 활용하기 위한 인공지능 기반 OCR 기술 
  개발용 학습 데이터 셋

활용 분야

• 웨어러블카메라 및 모바일OCR(책표지 인식통한 온라인 구매) 등 
  야외에서 한글의 인식이 필요한 분야

소개

• 문서(font)나 필기체 외에 일상에서 접할 수 있는 다양한 한글 이미지를 이용하여 각종 비정형 한글을 인식함으로써 각종 솔루션에 사용될 수 있는 한글 이미지 학습 데이터 구축

   

  

구축 내용 및 제공 데이터량

• 간판

  • 간판 사진은 전국 범위를 대상으로 낮, 밤, 우천, 눈 등 조건하에서 가로/세로형 간판, 돌출형 간판, 창문이용 간판 등을 중심으로 실내외 환경에서 여러 시야각도로 촬영을 목표로 함.
  • 최종 인공지능 데이터 : 간판 한글단어 바운딩박스 45만 건이 포함된 1600*1200 해상도의 한글 이미지들과 한글이 입력되어 있는 해당 이미지별 어노테이션 JSON 파일
  - JPEG 이미지 약 450,000건 : 한글단어 45만 건에 해당하는 학습 데이터 구축
  - 어노테이션 JSON 파일 약 450,000개 : 한글단어 45만 건 이상에 해당하는 학습 데이터 구축 완료
  - 이미지와 JSON 파일 수량 비율은 1:1

  간판 구축 내용 및 제공 데이터량 표

  분류	세분류	촬영수량	비율
  실외간판	가로형간판	140,000	31.0%
  	세로형간판	30,000	6.7%
  	돌출간판	55,000	12.2%
  	지주이용간판	30,000	6.7%
  	현수막	30,000	6.7%
  	창문이용광고물	30,000	6.7%
  	소계	315,000	70%
  실내간판	실내간판	90,000	20%
  	실내안내판	45,000	10%
  	소계	135,000	30%
  합계		450,000	100%

• 책표지

  • 최종 인공지능 데이터 : 책표지 한글단어 바운딩박스 5만 건이 포함된 1600*1200 해상도의 한글 이미지들과 한글이 입력되어 있는 해당 이미지별 어노테이션 JSON 파일
  - JPEG 이미지 약 50,000건 : 한글단어 5만 건에 해당하는 학습 데이터 구축
  - 어노테이션 JSON 파일 약 50,000개 : 한글단어 5만 건 이상에 해당하는 학습 데이터 구축 완료
  - 이미지와 JSON 파일 수량 비율은 1:1

  책표지 구축 내용 및 제공 데이터량 표

  분류(KDC)	촬영수량	비율
  총류	2,500	5%
  철학	3,500	7%
  종교	4,000	8%
  사회과학	8,000	16%
  자연과학	2,500	5%
  기술과학	8,000	16%
  예술	2,500	5%
  언어	4,000	8%
  문학	8,000	16%
  역사	3,000	6%
  기타(유아)	4,000	8%
  합 계	50,000	100%

대표도면

• 간판 한글 인식(OCR) 학습용 데이터

   

• 책표지 한글 인식(OCR) 학습 데이터

   

필요성

• 기존 OCR분야는 최적의 인식을 위해 노이즈 없는 인쇄체나 필기체를 학습 및 인식의 대상으로 집중해 왔으며, 따라서 실내 사무분야 등에서는 인공지능 인식이 성과를 보이고 있음. 그러나 실외 간판이나 책표지와 같은 비정형 폰트형태의 한글을 많이 사용하는 분야는 산업계의 관심 및 투자 부족과 기술개발의 난이도 등으로 해당분야 한글 이미지의 인식율이 매우 낮았음. 
• 이에 따라 본 과제에서는 인공지능 OCR엔진이 실내외에 위치한 간판, 책표지의 한글데이터를 인식할 수 있도록 학습데이터를 구축하고 학습모델을 개발하여 비정형 한글데이터의 인식율 향상을 노력하고자 함.
• 1600*1200 해상도의 jpeg 이미지를 촬영하며, 야외(LSVT) 45만장, 책표지 5만장 총 50만장의 이미지 및 라벨링 json 구축 목표
• 본 사업은 야외 간판 한글데이터 수집을 주요 목적으로 하고 있으나, 좀더 다양한 유형의 한글데이터 구축을 위하여 비정형 한글 폰트를 사용하는 책표지의 한글데이터를 일부 포함하여 구축하기로 함.

데이터 구조

• 데이터 구성

  데이터 구성 표1

  Key	Description	Type	Child Type
  annotations		List	Object
  [		Object
  id		Number
  image_id		Number
  text		String
  bbox		List	Object
  [		Object
  	x좌표	Number
  	y좌표	Number
  	width	Number
  	height	Number
  ]
  cropLables		List
  []
  images		List	Object
  [		Object

  데이터 구성 표2

  Key	Description	Type	Child Type
  id		Number
  width		Number
  height		Number
  file_name		String
  date_created		Date
  ]
  info		List	Object
  [		Object
  name		String
  description		String
  date_created		Date
  ]
  metadata		List	Object
  [		Object
  class		String
  subclass		String
  area		String
  device		String
  weather		String
  illuminance		String
  light		String
  outline		String
  wordorientation		String
  wordsize		String
  wordfont		String
  wordcolor		String
  wordconnection		String
  ]

   

• 어노테이션 포맷

  어노테이션 포맷 표1

  No.		항목		길이	타입	필수 여부
  		한글명	영문명
  1		어노테이션 정보	annotations		List
  	1-1	어노테이션 식별자	annotations[].id	10	Number	Y
  	1-2	인식문자이미지식별자	annotations[].image_id	10	Number	Y
  	1-3	어노테이션 텍스트	annotations[].text	1000	String	Y
  	1-4	어노테이션 바운딩박스	annotations[].bbox	4	List
  2		Crop라벨	cropLables		List
  3		이미지정보	images		List
  	3-1	이미지식별자	images[].id	10	Number	Y
  	3-2	이미지너비	images[].width	4	Number	Y
  	3-3	이미지높이	images[].height	4	Number	Y
  	3-4	이미지파일명	images[].file_name	100	String	Y
  	3-5	이미지촬영일자	date_created	100	String	Y
  4		데이터셋정보	info		Object
  	4-1	데이터셋명	info.name	100	String	Y
  	4-2	데이터셋설명	info.description	1000	String
  	4-3	데이터셋생성일자	info.date_created	100	String	Y
  5		메타데이터	metadata		List
  	5-1	분류	metadata[].class	100	String	Y
  	5-2	세분류	metadata[].subclass	100	String
  	5-3	지역	metadata[].area	100	String
  	5-4	수집장치	metadata[].device	100	String	Y
  	5-5	날씨	metadata[].weather	100	String

  어노테이션 포맷 표2

  No.		항목		길이	타입	필수 여부
  		한글명	영문명
  	5-6	조도	metdata[].illuminance	100	String
  	5-7	광원	metadata[].light	100	String
  	5-8	외곽선 선명도	metadata[].outline	100	String	Y
  	5-9	글씨방향	metadata[].wordorientation	100	String	Y
  	5-10	글씨크기	metadata[].wordsize	100	String	Y
  	5-11	글씨폰트	metadata[].wordfont	100	String	Y
  	5-12	글자색	metadata[].wordcolor	100	String	Y
  	5-13	글자연결	metadata[].wordconnection	100	String	Y

데이터셋 구축 담당자

수행기관(주관) : 동양시스템즈

수행기관(참여)

데이터 관련 문의처