Improving Accuracy of Table Detection in Document Image using Loss Compensation Faster R-CNN
Minyoung Kyoung, Hyunbean Yi · Journal of the Institute of Electronics and Information Engineers · 2021
표 검출은 문서 분석을 위하여 필수적이지만, 표의 종류와 형태가 다양하기 때문에 자동으로 검출하는 것은 매우 어렵다. 최근 대량의 표 데이터 구축과 딥러닝 기법을 통해 표 검출 성능이 크게 향상되었지만, 그래프나 그림을 표로 잘못 인식하는 문제는 여전히 남아있다. 이러한 표 오검출 문제가 발생하는 이유는 모델이 추출한 표 영역의 특징 벡터에 다른 객체의 특징벡터가 일부 포함되기 때문이며, 본 논문에서는 이와 같은 공통적인 특징 벡터를 제거하기 위해 손실 보상 기반의 학습 기법을 수행한다. 적절한 손실 값을 추가하기 위해 표 영역과 배경 영역을 도메인으로 정의하고 두 도메인을 분류하는 손실 보상모듈을 제안하며, 해당 모듈을 Faster R-CNN에 추가하여 표 영역이 가지는 고유한 특징을 추출할 수 있도록 개발하였다. 실험을 통해 제안하는 방식이 별도의 학습 데이터 추가 없이 표 오검출율을 크게 낮출 수 있음을 증명하였고, 그 결과 Faster R-CNN과 비교하여 향상된 표 검출 성능을 확인하였다.