diff --git a/_posts/study/2023-10-11-Deep Text Recognition.md b/_posts/study/2023-10-11-Deep Text Recognition.md
index c4814cf4d024..11e44d281c60 100644
--- a/_posts/study/2023-10-11-Deep Text Recognition.md	
+++ b/_posts/study/2023-10-11-Deep Text Recognition.md	
@@ -1,13 +1,12 @@
 ---
 layout: single
-title: "Deep Text Recognition: What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis"
+title: "What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis"
 permalink: /studies/paper/Deep Text Recognition
 tags: [Paper, Vision AI]
 categories:
   - 📄 paper
 use_math: true
 date: 2023-10-11
-published: false
 ---
 *최근 몇 년 동안 Scene Text Recognition(STR) 모델에 대한 많은 새로운 제안이 도입되었다. 기존 연구들은 기술의 경계를 넓혔다고 주장하지만, 학습 및 평가 데이터셋의 일관성 없는 선택으로 인해 전체적이고 공정한 비교가 대부분 누락되었다. 본 논문은 세 가지 주요 기여를 통해 이 어려움을 해결한다. 첫째, 학습 및 평가 데이터셋의 불일치와 불일치로 인한 성능 격차를 검토한다. 둘째, 대부분의 기존 STR 모델에 맞춰질 수 있는 통합된 네 단계 STR 프레임워크를 소개한다. 이 프레임워크를 사용하면 이전에 제안된 STR 모듈의 광범위한 평가와 이전에 탐색되지 않은 모듈 조합의 발견이 가능하다. 셋째, 하나의 일관된 학습 및 평가 데이터셋 세트에서 정확도, 속도 및 메모리 요구 사항 측면에서 모듈별 기여도를 분석한다. 이러한 분석은 현재의 비교에서 이해하기 어려운 기존 모듈의 성능 향상에 대한 장애를 해결한다. 본 논문의 코드는 [이 링크](https://github.com/clovaai/deep-text-recognition-benchmark){:target="_blank"}에서 공개적으로 이용 가능하다.*
 
@@ -68,7 +67,7 @@ published: false
   - **IIIT5K-Words (IIIT):** Google 이미지 검색에서 크롤링한 데이터셋으로 2,000개 학습 이미지와 3,000개 평가 이미지를 포함한다.
   - **Street View Text (SVT):** Google Street View에서 수집된 야외 거리 이미지로 257개 학습 이미지와 647개 평가 이미지를 포함한다.
   - **ICDAR2003 (IC03):** 카메라로 촬영된 장면 텍스트를 읽기 위한 ICDAR 2003 Robust Reading 경쟁을 위해 생성되었다. 1,156개의 학습 이미지와 1,110개의 평가 이미지를 포함한다.(비알파벳 문자 또는 3자 미만 단어 제외 시 867개)
-  - **ICDAR2013 (IC13):**  IC03의 대부분 이미지를 상속받고 ICDAR 2013 Robust Reading 경쟁을 위해 생성되었다. 848개의 훈련 이미지와 1,095개의 평가 이미지를 포함한다. (비알파벳 문자를 포함한 단어 제외 시 1,015개)
+  - **ICDAR2013 (IC13):**  IC03의 대부분 이미지를 상속받고 ICDAR 2013 Robust Reading 경쟁을 위해 생성되었다. 848개의 학습 이미지와 1,095개의 평가 이미지를 포함한다. (비알파벳 문자를 포함한 단어 제외 시 1,015개)
 - **비정규 데이터셋(irregular datasets):** 곡선이 있는 텍스트, 임의로 회전되거나 왜곡된 텍스트와 같은 STR의 어려운 코너 케이스를 일반적으로 포함한다.
   - **ICDAR2015 (IC15):** ICDAR 2015 Robust Reading 경쟁을 위해 생성되었다. Google Glass를 통해 캡처된 4,468개의 학습 이미지와 2,077개의 평가 이미지를 포함한다. 많은 이미지가 노이즈가 많고, 흐리며, 회전되었고, 일부는 해상도가 낮다. 평가를 위한 또 다른 버전은 1,811개와 2,077개 이미지를 포함하고 있으며,비알파벳 문자 이미지와 일부 극도로 회전되고 관점이 변경되며 곡선이 있는 이미지를 제외하고 1,811개의 이미지만 사용했다.
   - **SVT Perspective (SP):** Google Street View에서 수집된 645개의 평가 이미지를 포함한다. 많은 이미지가 비정면 시점으로 인한 관점 투영을 포함한다.
@@ -134,77 +133,101 @@ published: false
 
 ## 4. Experiment and Analysis
 ### 4.1. Implementation detail
-- 학습 및 평가 데이터셋의 중요성: 학습, 검증, 평가 데이터셋의 선택은 STR 모델의 성능 측정에 큰 영향을 미칩니다.
-- STR 학습 및 모델 선택:
-  - 학습 데이터: MJSynth 8.9M과 SynthText 5.5M(총 14.4M).
-  - 옵티마이저: AdaDelta, 감쇠율 0.95.
-  - 학습 배치 크기: 192, 반복 횟수: 300K.
-  - 경사 클리핑: 크기 5에서 사용.
-  - 파라미터 초기화: He의 방법.
-  - 검증 데이터: IC13, IC15, IIIT, SVT의 학습 세트 합집합.
-  - 모델 검증: 2000 학습 스텝마다 실행, 가장 높은 정확도 모델 선택.
-  - IC03 데이터는 평가 데이터셋과의 중복을 피하기 위해 제외.
-- 평가 메트릭:
-  - 정확도: 9개 실세계 평가 데이터셋 및 통합 평가 데이터셋(총 8,539개 이미지)에서 이미지 당 단어 예측 성공률 측정.
-  - 속도: 주어진 텍스트를 인식하는 데 필요한 평균 클럭 시간(밀리초 단위) 측정.
-  - 메모리: 전체 STR 파이프라인에서 학습 가능한 부동 소수점 파라미터 수 계산.
-- 실험 환경:
-  - Intel Xeon(R) E5-2630 v4 2.20GHz CPU, NVIDIA TESLA P40 GPU, 252GB RAM.
-  - 모든 실험은 NAVER Smart Machine Learning (NSML) 플랫폼에서 수행됨.
+- 학습, 검증, 평가 데이터셋의 선택은 STR 모델의 성능 측정에 큰 영향을 미친다.
+- 공정한 비교를 위해 학습, 검증, 평가 데이터셋의 선택을 고정해야 한다.
+- **STR training and model selection**
+  - 학습 데이터셋은 MJSynth 8.9M과 SynthText 5.5M으로 총 14.4M 사용한다.
+  - 옵티마이저는 AdaDelta를 사용하며, decay rate는 0.95로 설정한다.
+  - 학습 배치 크기는 192이며, 반복 횟수는 300K이다.
+  - 그래디언트 클리핑의 크기는 5에서 사용된다.
+  - 모든 파라미터 He의 방법으로 초기화한다.
+  - 검증 데이터로 IC13, IC15, IIIT, SVT의 학습 세트의 합집합을 사용한다.
+  - 모델을 2,000 학습 스텝마다 검증하여 가장 높은 정확도 모델을 선택한다.
+  - IC03 데이터는 평가 데이터셋과의 중복을 피하기 위해 제외한다.
+- **Evaluation metrics**
+  - 정확도, 시간, 메모리 측면에서 STR 조합에 대한 철저한 분석을 제공한다.
+  - 정확도는 이미지 당 단어 예측의 성공률을 9개 실제 세계 평가 데이터셋(총 8,539 이미지)에서 측정한다.
+  - 속도 평가는 동일한 컴퓨팅 환경에서 주어진 텍스트를 인식하는 데 걸리는 평균 클럭 시간(밀리초 단위)을 측정한다.
+  - 메모리 평가는 전체 STR 파이프라인에서 학습 가능한 부동 소수점 파라미터의 수를 계산한다.
+- **Environment**
+  - Intel Xeon(R) E5-2630 v4 2.20GHz CPU, NVIDIA TESLA P40 GPU, 252GB RAM 환경에서 수행한다.
+  - 모든 실험은 NAVER Smart Machine Learning (NSML) 플랫폼에서 수행된다.
 
 ### 4.2. Analysis on training datasets
-- 학습 데이터셋의 선택이 성능에 미치는 영향: 다양한 그룹의 학습 데이터셋 사용이 벤치마크에서의 성능에 큰 영향을 미칩니다.
-- 학습 데이터셋에 대한 실험 결과:
-  - MJSynth만 사용했을 때: 80.0% 총 정확도.
-  - SynthText만 사용했을 때: 75.6% 정확도.
-  - MJSynth와 SynthText 둘 다 사용했을 때: 84.1% 정확도.
-- 데이터셋의 결합이 정확도 향상에 기여: MJSynth와 SynthText의 결합은 개별 사용보다 4.1% 이상 정확도를 향상시킵니다.
-- 다양한 학습 데이터셋 사용의 복잡성 인식: 다른 학습 데이터셋 사용 결과의 성능 비교는 불가능하며, 모델의 기여를 입증하기 어렵습니다.
-- 학습 데이터의 다양성의 중요성: MJSynth의 20%와 SynthText의 20%를 함께 학습시킨 결과, 개별 사용보다 높은 정확도(81.3%)를 달성하며, 학습 데이터의 다양성이 학습 예제의 수보다 중요할 수 있음을 시사합니다.
+- 다양한 그룹의 학습 데이터셋 사용이 벤치마크에서의 성능에 얼마나 큰 영향을 미치는지 조사한다.
+- 오직 MJSynth만 사용했을 때 총 정확도 80.0% 달성한다.
+- 오직 SynthText만 사용했을 때 75.6% 달성한다.
+- MJSynth와 SynthText를 함께 사용했을 때 84.1% 달성한다.
+- MJSynth와 SynthText의 결합은 각각을 개별적으로 사용했을 때보다 정확도를 4.1% 이상 향상시킨다.
+- MJSynth의 20% (1.8M)와 SynthText의 20% (1.1M)를 함께 학습시킬 때 총 2.9M (SynthText의 절반)을 사용하여 81.3%의 정확도를 달성한다. 이는 MJSynth나 SynthText를 개별적으로 사용했을 때보다 더 나은 성능을 보인다.
+- MJSynth와 SynthText는 왜곡과 흐림과 같은 다른 옵션을 사용하여 생성되었기 때문에 서로 다른 특성을 가진다.
+- 이 결과는 학습 데이터의 다양성이 학습 예제의 수보다 더 중요할 수 있으며, 다른 학습 데이터셋을 사용하는 것의 효과가 단순히 '더 많은 것이 더 좋다'고 결론짓기보다 더 복잡하다는 것을 보여준다.
 
 ### 4.3. Analysis of trade-offs for module combinations
-- 정확도-속도 트레이드오프
-  - T1부터 T5까지의 모듈 조합은 순차적으로 다음 모듈을 도입함으로써 정확도를 향상시킵니다: ResNet, BiLSTM, TPS, Attn.
-  - T1은 변환 또는 순차 모듈을 포함하지 않아 최소 시간을 소요합니다.
-  - T5까지 각 단계마다 단일 모듈이 변경되어, 계산 효율성의 비용으로 성능이 향상됩니다.
-  - ResNet, BiLSTM, TPS는 비교적 적당한 전체 속도 저하로 정확도를 크게 향상시킵니다.
-  - Attn 모듈의 추가는 효율성의 큰 비용으로 정확도를 단 1.1%만 향상시킵니다.
-- 정확도-메모리 트레이드오프
-  - P1부터 P5까지의 모듈 조합은 메모리와 정확도 사이의 트레이드오프를 보여줍니다.
-  - P1은 메모리 소비가 가장 적은 모델입니다.
-  - P1에서 P5로 가면서 변경된 모듈은 Attn, TPS, BiLSTM, ResNet입니다.
-  - RCNN은 VGG와 비교하여 더 가볍고 좋은 정확도-메모리 트레이드오프를 제공합니다.
-  - 변환, 순차, 예측 모듈은 메모리 소비에 크게 기여하지 않으며, 정확도 향상을 제공합니다.
-  - ResNet의 추가는 메모리 소비를 크게 증가시키면서 정확도를 약간 향상시킵니다.
-- 속도와 메모리에 가장 중요한 모듈
-  - 속도에 대해 Attn 모듈의 추가가 전체 STR 모델을 상당히 느리게 합니다.
-  - 메모리에 대해 특징 추출기가 가장 중요한 기여를 합니다.
-  - 이 분석을 통해, 다른 응용 시나리오와 제약 조건 하에 있는 사용자는 자신의 필요에 맞는 최적의 트레이드오프를 위해 다양한 모듈 조합을 고려할 수 있습니다.
+- 다양한 모듈 조합에서 나타나는 정확도-속도 및 정확도-메모리 트레이드오프에 초점을 맞춘다.
+- Fig 4와 같이 총 24가지 조합의 트레이드오프 플롯을 제공한다.
+- **Analysis of combinations along the trade-off frontiers.**
+  - accuracy-time trade-off (Fig 4(a))
+    - Rosetta와 STAR-net이 프론티어(최적선)에 위치한다.
+    - T1부터 T5까지의 모듈 조합은 순차적으로 ResNet, BiLSTM, TPS, Attn. 모듈을 도입함으로써 정확도를 향상시킨다.
+    - T1은 변환 또는 순차 모듈을 포함하지 않아 최소 시간을 소요한다.
+    - T5까지 각 단계마다 단일 모듈이 변경되어, 계산 효율성의 비용으로 성능이 향상된다.
+    - ResNet, BiLSTM, TPS는 비교적 적당한 전체 속도 저하로 정확도를 크게 향상시킨다.
+    - Attn 모듈의 추가는 효율성의 큰 비용으로 정확도를 단 1.1%만 향상시킨다.
+  - accuracy-memory trade-off (Fig 4(b))
+    - R2AM이 프론티어(최적선)에 위치한다.
+    - P1부터 P5까지의 모듈 조합은 메모리와 정확도 사이의 트레이드오프를 보여준다.
+    - P1은 메모리 소비가 가장 적은 모델이다.
+    - P1에서 P5로 가면서 변경된 모듈은 Attn, TPS, BiLSTM, ResNet이다.
+    - RCNN은 VGG와 비교하여 더 가볍고 좋은 정확도-메모리 트레이드오프를 제공한다.
+    - 변환, 순차, 예측 모듈은 메모리 소비에 크게 기여하지 않으며, 정확도 향상을 제공한다.
+    - ResNet의 추가는 메모리 소비를 크게 증가시키면서 정확도를 약간 향상시킨다.
+- **The most important modules for speed and memory.**
+  - 속도와 메모리에 가장 중요한 모듈, 즉 각각 예측 및 특징 추출 모듈을 각각 나타내는 산점도를 Fig 5에서 보여준다.
+  - 속도에는 예측 모듈이 메모리에는 특징 추출 모듈이 가장 큰 영향을 미친다.
+  - 속도에 대해 Attn 모듈의 추가가 전체 STR 모델을 상당히 느리게 한다.
+  - 메모리에 대해 특징 추출기가 가장 중요한 기여를 한다.
+
+<div align="center">
+<img src="../../assets/images/2023-10-11-Deep Text Recognition/Fig4.jpg" alt="Figure_4" style="zoom:50%;"/><br>
+<img src="../../assets/images/2023-10-11-Deep Text Recognition/Fig5.jpg" alt="Figure_5" style="zoom:70%;"/>
+</div>
 
 ### 4.4. Module analysis
-- 모듈별 평균화된 정확도 계산: 테이블 2에 포함된 모듈 조합을 평균내어 각 모듈의 성능을 평가합니다.
-- 성능 향상 대 자원 요구사항: 각 단계에서 모듈을 업그레이드하면 추가적인 자원, 시간, 또는 메모리가 필요하지만, 이는 성능 향상을 제공합니다.
-- 비정규 데이터셋에서의 성능 향상: 비정규 데이터셋에서의 성능 향상이 정규 벤치마크의 약 두 배임을 발견했습니다.
-- 정확도 향상 대비 시간 사용 최적 순서: None-VGG-None-CTC의 기본 조합에서 ResNet, BiLSTM, TPS, Attn 순으로 모듈을 업그레이드하는 것이 시간 대비 정확도 향상에 가장 효율적입니다.
-- 정확도-메모리 관점에서의 최적 순서: RCNN, Attn, TPS, BiLSTM, ResNet 순으로 모듈을 업그레이드하는 것이 메모리 대비 정확도 향상에 가장 효율적입니다.
+- Table 2에 포함된 모듈 조합을 평균내어 각 모듈의 성능을 평가한다.
+- 각 단계에서 모듈을 업그레이드하면 추가적인 자원, 시간, 또는 메모리가 필요하지만, 이는 성능 향상을 제공한다.
+- 비정규 데이터셋에서의 성능 향상이 정규 벤치마크의 약 두 배이다.
+- 사용 측면에서 ResNet, BiLSTM, TPS, Attn 순서가 기본 조합(None-VGG-None-CTC)에서 모듈을 업그레이드하는 가장 효율적인 순서이다. 이 순서는 정확도-시간 프론티어(T1→T5)의 조합 순서와 동일이다.
+- 정확도-메모리 관점에서는 RCNN, Attn, TPS, BiLSTM, ResNet 순서가 모듈을 업그레이드하는 가장 효율적인 순서이다. 이 순서는 정확도-메모리 프론티어(P1→P5)의 조합 순서와 같다.
 - 시간 대 메모리에서의 모듈 순서 차이: 시간에 대한 모듈의 효율적 순서는 메모리에 대한 순서와 반대입니다.
-- 모듈별 기여도 분석:
-  - TPS 변환: 곡선 및 원근 텍스트를 표준화된 뷰로 정규화하여 텍스트 인식을 개선합니다.
-  - ResNet: 밀집한 배경 잡음과 보지 못한 폰트에서 더 나은 표현력을 제공합니다.
-  - BiLSTM: 더 나은 컨텍스트 모델링을 통해 관련 없이 자른 문자를 무시할 수 있습니다.
-  - Attn (주의 메커니즘): 누락되거나 가려진 문자를 찾아내어 텍스트 인식을 향상시킵니다.
+- **Qualitative analysis**
+  - Fig 7은 특정 모듈이 업그레이드될 때(예: VGG에서 ResNet 백본으로)만 올바르게 인식되는 샘플을 보여준다.
+  - 업그레이드를 통해 인식이 가능해진 개선 사항을 보여준다.
+  - TPS 변환은 곡선 및 관점 텍스트를 표준화된 뷰로 정규화하여 텍스트 인식을 개선한다.
+  - ResNet은 밀집한 배경 잡음과 보지 못한 폰트에서 더 나은 표현력을 제공한다.
+  - BiLSTM은 더 나은 맥락 모델링을 통해 관련 없이 자른 문자를 무시할 수 있다.
+  - Attn (주의 메커니즘)은 누락되거나 가려진 문자를 찾아내어 텍스트 인식을 향상시킨다.
+
+<div align="center">
+<img src="../../assets/images/2023-10-11-Deep Text Recognition/Fig7.jpg" alt="Figure_7" style="zoom:80%;"/>
+</div>
 
 ### 4.5. Failure case analysis
-- 캘리그래피 폰트: 브랜드 또는 상점 이름에 사용된 독특한 폰트 스타일은 일반화된 시각적 특징을 제공하는 새로운 특징 추출기가 필요합니다.
-- 세로 텍스트: 현재의 STR 모델들은 주로 수평 텍스트 이미지를 처리하도록 설계되어 있어, 세로 텍스트를 효과적으로 처리할 수 없습니다.
-- 특수 문자: 현재 벤치마크는 특수 문자를 평가하지 않으므로, 특수 문자를 학습에서 제외하게 되어 이를 영숫자 문자로 잘못 인식하게 됩니다.
-- 심각한 가림 현상: 현재 방법들은 문맥 정보를 충분히 활용하지 못해 객체가 가려진 경우를 효과적으로 처리하지 못합니다.
-- 저해상도: 저해상도 이미지를 효과적으로 처리하기 위한 명시적인 방법이 부족합니다. 이미지 피라미드나 초해상도 모듈이 해결책이 될 수 있습니다.
-- 라벨 노이즈: 실패 예제 중 일부는 잘못된 라벨링 때문이었습니다. 특수 문자를 고려하지 않을 때의 오류 라벨링 비율은 1.3%, 특수 문자를 고려할 때는 6.1%, 대소문자를 고려할 때는 24.1%였습니다.
+- 8,539개의 벤치마크 데이터셋 예시 중 644개 이미지(7.5%)가 24개 모델 중 어느 것으로도 올바르게 인식되지 않는 6가지 실패 사례를 Fig 6에 보여준다.
+- **Calligraphic fonts:** 브랜드 또는 상점 이름에 사용된 독특한 폰트 스타일은 일반화된 시각적 특징을 제공하는 새로운 특징 추출기 개발이나 규제화를 통한 접근이 필요하다.
+- **Vertical texts:** 현재의 STR 모델들은 주로 수평 텍스트 이미지를 처리하도록 설계되어 있어, 세로 텍스트를 효과적으로 처리할 수 없다.
+- **Special characters:** 현재 벤치마크는 특수 문자를 평가하지 않으므로, 특수 문자를 학습에서 제외하게 되어 이를 영숫자 문자로 잘못 인식하게 된다. 특수 문자를 포함한 학습이 정확도를 향상시킬 수 있다.
+- **Heavy occlusions:** 현재 방법들은 문맥 정보를 충분히 활용하지 못해 객체가 가려진 경우를 효과적으로 처리하지 못한다.
+- **Low resolution:** 저해상도 이미지를 효과적으로 처리하기 위한 명시적인 방법이 부족하다. 이미지 피라미드나 초해상도 모듈이 해결책이 될 수 있다.
+- **Label noise:** 실패 예제 중 일부는 부정확한 레이블링 때문이었다. 특수 문자를 고려하지 않을 때의 오류 라벨링 비율은 1.3%, 특수 문자를 고려할 때는 6.1%, 대소문자를 고려할 때는 24.1%였다.
+
+<div align="center">
+<img src="../../assets/images/2023-10-11-Deep Text Recognition/Fig6.jpg" alt="Figure_6" style="zoom:80%;"/>
+</div>
 
 ## 5. Conclusion
-- 문제의 배경: 새로운 장면 텍스트 인식(STR) 모델들이 크게 발전했음에도 불구하고, 일관성 없는 벤치마크로 인해 제안된 모듈이 STR 기본 모델을 어떻게 개선하는지 판단하기 어려웠습니다.
-- 연구의 목표: 이전에 일관되지 않은 실험 설정으로 인해 가려졌던 기존 STR 모델의 기여를 분석합니다.
-- 연구 방법: 주요 STR 방법론들 간의 공통 프레임워크 및 일곱 개의 벤치마크 평가 데이터셋과 두 개의 학습 데이터셋(MJ와 ST) 도입.
-- 제공된 비교: 주요 STR 방법론들 간의 공정한 비교를 제공하며, 어떤 모듈이 가장 큰 정확도, 속도, 그리고 크기의 이득을 가져오는지 분석.
-- 분석과 기여: STR의 전형적인 도전 과제와 남아 있는 실패 사례에 대해 모듈별 기여에 대한 광범위한 분석을 제공함.
\ No newline at end of file
+- 새로운 장면 텍스트 인식(STR) 모델들이 크게 발전했음에도 불구하고, 일관성 없는 벤치마크로 인해 제안된 모듈이 STR 기본 모델을 어떻게 개선하는지 판단하기 어려웠다.
+- 이전에 일관되지 않은 실험 설정으로 인해 가려졌던 기존 STR 모델의 기여를 분석한다.
+- 주요 STR 방법론들 간의 공통 프레임워크 및 7 개의 벤치마크 평가 데이터셋과 2 개의 학습 데이터셋(MJ와 ST) 도입한다.
+- 주요 STR 방법론들 간의 공정한 비교를 제공하며, 어떤 모듈이 가장 큰 정확도, 속도, 그리고 크기의 이득을 가져오는지 분석한다.
+- STR의 전형적인 도전 과제와 남아 있는 실패 사례에 대해 모듈별 기여에 대한 광범위한 분석을 제공한다.
\ No newline at end of file