본 논문은 문서 이미지 이진화를 위한 ERN-Net을 제안했어요. ERN-Net은 약한 획, 끊어진 문자, 노이즈 배경 등 성능 저하에 민감한 영역을 개선하기 위해 진화적 추론 노드와 다중 스케일 추론을 활용해요.
ResNet-101, ConvNeXt-Tiny, ConvNeXt-Base를 비교한 결과, ConvNeXt-Tiny가 정확도와 메모리 사용량 간 최적의 균형을 제공하는 것으로 나타났어요.
DIBCO 기반 사전 훈련은 모델 메모리 소비를 늘리지 않으면서 이진화 성능을 향상시키며, 약 1.5시간의 추가 훈련 시간이 필요해요.