* layout -analysis
* In computer vision, document layout analysis is the process of identifying and categorizing the regions of interest in the scanned image of a text document.
* 문서 레이아웃을 분류하고 식별하는 과정
* document
* text와 image 또는 chart로 이루어진 파일
* 주로 pdf
* 필요시 word, hwp -> pdf 변환 프로그램 개발
* text의 청각화 또는 OCR (Optical character recognition)에 활용하기 위한 모델 개발
* 단 (열) classification
* 논문, 공문서 등 대부분의 document가 1단 또는 2단으로 구성되어 있음
* 문서 편집 툴인 word에서는 최대 12단 편집 기능 제공
* docuemnt 전처리
* skew correction
* 좌우 균형이 맞지 않는 document 존재 가능성
* noise removal
* background separation
* document layout point calculation
* reading order for document calculation
* OS : Microsoft Windows 버전 1803 (OS 빌드 : 17134.829)
* CPU : intel i5-8250U CPU @ 1.60GHz
* RAM : 4 GB
* 운영 환경과 동일
* python
* Python 3.7.3
| step | 내용 | 날짜 | 결과 |
|---|---|---|---|
| 1 | Make block of contents | 2019.07.15 |  |
| 2 | Valid block detection based on dilate repetition rate | 2019.07.17 | dilate repetition rate == 1 : 이미지와 캡션 분리 가능, == 2 : 이미지와 캡션 분리 불가능 |
| 3 | Valid block detection based on consecutive pixel position checker value change of RLSA | 2019.07.17 | consecutive pixel position checker value : value와 contents block의 size는 정비례, 일정 range를 벗어나면 image와 text를 구분하는 contents block 생성 불가능 4어절 이상, 문단에 적합 |
| 순서 | consecutive pixel position checker value | dilate repetition rate | text 최소 크기 | text 평균 | text 최대 크기 | 이미지 |
|---|---|---|---|---|---|---|
| 1 | 1 | 1 |  |
 |
 |
 |
| 2 | 1 | 2 |  |
 |
 |
 |
| 3 | 5 | 1 |  |
 |
 |
 |
| 4 | 5 | 2 |  |
 |
 |
 |
| 5 | 10 | 1 |  |
 |
 |
 |
| 6 | 10 | 2 |  |
 |
 |
 |
| 7 | 20 | 1 |  |
 |
 |
 |
| 8 | 40 | 1 |  |
 |
 |
 |
| 9 | 100 | 1 |  |
 |
 |
 |
* 테스트 문서 : Khoddami-Vishteh HR, Narenjiha H, Noori R, Olyaei A, Fard-Sanei A, Fekri M, Farhoudian A. Component Analysis of the Illegal Handmade Pills and Capsules for Self-Medicating Substance Dependence in Tehran, Iran. page (3) * 2480 x 3508 크기의 원본을 400 * 600 크기로 변환 후 테스트한 결과 * 문서 크기에 따른 결과의 차이가 있을 수 있으니 추가 실험이 필요함
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent