Deep Learning for Contour Recovery and Accurate Table Detection in Documents
연구 내용
윤곽 검출 결과의 끊김을 복원하고, 문서 영상에서 표를 오검출 없이 탐지하기 위한 딥러닝 학습·추론 고도화 연구
본 연구는 윤곽 검출의 불연속성을 딥러닝 모델로 복원하는 프레임워크를 다룹니다. CNN이 끊긴 윤곽의 양 끝점에서 실제 윤곽 방향으로 벡터를 반복 예측하도록 구성하고, 반복 추론에서 누적되는 오차를 줄이기 위해 ground truth selection 알고리즘과 sub-iteration 학습 전략을 적용합니다. 추가로 문서 영상에서 표를 검출할 때 그래프나 그림을 표로 오인하는 문제를 줄이기 위해, 표 영역과 배경 영역을 도메인으로 정의하고 손실 보상 모듈을 Faster R-CNN에 결합해 특징을 분리하는 접근을 수행합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구로 끊긴 윤곽을 연결해 복원하는 Deep Contour Recovery를 제안하며, 반복 예측 과정의 안정적 학습을 위한 ground truth selection과 sub-iteration training을 설계했습니다. 이후 문서 이해 과제로 확장하여, Faster R-CNN 기반 표 검출에서 오검출의 원인이 되는 공통 특징을 억제하기 위해 손실 보상 모듈을 도입했습니다. 최근에는 구조화된 시각 정보 추출에서 발생하는 오류 유형을 학습 목표와 추론 방식으로 직접 대응하는 방향으로 연구를 이어가고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Deep Contour Recovery: Repairing Breaks in Detected Contours using Deep Learning
Improving Accuracy of Table Detection in Document Image using Loss Compensation Faster R-CNN