Data-Centric 접근을 기반으로 데이터 품질을 개선하고, 글자 검출 및 인식 성능을 강화하는 것을 목표로 했다. 품질 높은 데이터를 쉽게 얻기는 어렵고, 모델 성능에 직접적인 영향을 미치기 때문에 신중하게 준비해야 한다.
이로 인해 최근 AI 시스템의 성공을 위해 ‘Data-Centric AI’ 접근이 필요하다는 목소리가 높아지고 있다. 데이터 문제는 단순히 모델의 성능에만 영향을 미치는 것이 아니라, AI 시스템의 신뢰성과 효율성, 그리고 비즈니스의 결과 전반에 걸쳐 영향을 미친다. 따라서 성공적인 AI 시스템을 위해서는 모델 성능 개선에만 집중하는 것이 아니라, 높은 품질의 데이터 확보와 검증을 통한 Data-centric 접근이 반드시 필요하다. 프로젝트를 통해 모델링을 통한 성능 향상이 아닌 데이터를 통한 성능 향상을 하고자한다.
공통 역할은 annotation guideline을 세워서 EDA를 했다. EDA가 끝난 후, 개인 역할을 분담하여 프로젝트를 진행했다.
