.svg)
AI 솔루션 문의하기
문서를 인식하는 작업은 글자를 읽어내는 절차만으로 끝나지 않으며, 그 글자가 문서 안에서 어떤 위치에 어떤 형태로 놓여 있는지를 먼저 파악하는 절차가 함께 필요합니다. 같은 숫자라도 표 안의 셀에 놓인 경우와 본문 문장 속에 놓인 경우는 의미가 달라질 수 있어, 글자를 인식하기 전에 문서를 구성하는 영역을 먼저 나누어 살피는 작업이 뒤따르는 처리 결과의 정확도를 좌우합니다. 문서 안의 영역을 표, 문단, 제목, 여백처럼 성격이 다른 요소로 먼저 구분한다면 이후 글자를 인식하는 단계에서 각 영역에 맞는 방식을 따로 적용할 수 있는 근거가 마련됩니다.
한 장의 문서 안에는 제목, 본문, 표, 도장, 서명란처럼 여러 성격의 영역이 함께 놓여 있는 경우가 많으며, 이 영역들은 서로 다른 규칙으로 배치되어 있어 하나의 방식으로 한꺼번에 처리하기 어렵습니다. 딥러닝 모델이 문서 이미지 전체를 살펴 각 영역의 경계와 종류를 먼저 구분해 낸다면 표는 표대로, 문장은 문장대로 각 영역에 맞는 인식 방식을 적용할 수 있는 기반이 마련됩니다. 문서 종류마다 영역의 배치가 다르므로 다양한 형태의 문서를 폭넓게 학습해 두는 작업이 함께 이루어질 필요가 있습니다.
사람은 문서를 볼 때 위에서 아래로, 왼쪽에서 오른쪽으로 읽는 방식을 자연스럽게 적용하지만, 여러 단으로 나뉘거나 표와 문장이 섞인 문서에서는 이 순서를 기계가 스스로 판단하기 어려운 경우가 있습니다. 순서를 잘못 판단하면 문장이 뒤섞여 의미가 통하지 않는 결과로 이어질 수 있습니다. 영역 간의 위치 관계와 크기, 정렬 방식을 함께 분석해 읽는 순서를 추정하는 절차를 거친다면 여러 단으로 나뉜 문서에서도 원래 의도된 순서에 가깝게 문장을 복원할 수 있습니다.
표는 문서에서 가장 정보가 밀집된 형태로 담기는 영역이지만, 셀의 경계가 흐리거나 병합된 셀이 섞여 있으면 각 숫자와 항목이 어느 행과 열에 속하는지를 가려내기 까다로워집니다. 표 영역을 인식한 이후에는 셀의 경계와 병합 여부를 함께 분석해 각 항목이 속한 행과 열을 정확히 연결하는 절차를 거쳐야 표 안의 정보가 의미를 잃지 않고 정리됩니다. 표의 형태는 문서마다 크게 달라질 수 있어 다양한 표 구조를 함께 학습해 두는 작업이 필요합니다.
같은 종류의 문서라도 발급하는 곳에 따라 양식이 조금씩 다르게 구성되는 경우가 흔합니다. 특정 양식에만 맞추어 설계된 인식 방식은 다른 양식이 들어왔을 때 정확도가 떨어질 수 있습니다. 여러 발급처의 서로 다른 양식을 폭넓게 학습해 특정 형태에 치우치지 않는 인식 방식을 마련한다면 처음 접하는 양식이 들어와도 일정 수준의 인식 정확도를 유지할 수 있습니다. 새로운 양식이 발견될 때마다 학습 자료에 추가해 나가는 절차도 함께 운영될 필요가 있습니다.
문서에는 도장이 찍힌 부분이나 서명이 들어간 부분이 함께 포함되어 있는 경우가 많으며, 이 영역은 글자를 인식하는 목적이 아니라 그 자체로 확인이 필요한 대상으로 다루어져야 합니다. 도장과 서명이 위치한 영역을 별도로 구분해 인식 절차에서 제외하거나 별도의 확인 절차로 넘긴다면 글자 인식 과정에서 도장 문양이나 서명 필체가 엉뚱한 글자로 잘못 인식되는 상황을 줄일 수 있습니다.
일부 문서는 인쇄된 양식 위에 손으로 직접 작성한 내용이 함께 들어가는 형태로 구성됩니다. 인쇄된 글자와 손글씨는 형태의 규칙성이 크게 달라 같은 방식으로 인식하면 손글씨 부분에서 오류가 잦아질 수 있습니다. 인쇄 영역과 손글씨 영역을 먼저 구분한 이후 각각에 맞는 인식 방식을 따로 적용한다면 손글씨가 섞인 문서에서도 인식 정확도를 유지할 수 있습니다. 손글씨는 작성자마다 필체가 달라 다양한 필체 자료를 함께 학습해 두는 작업이 병행될 필요가 있습니다.
레이아웃 분석과 글자 인식을 거친 결과라도 흐린 인쇄 상태나 접힌 자국처럼 문서 자체의 상태에 따라 오류가 남을 수 있습니다. 인식된 결과를 원본 문서 이미지와 대조해 신뢰도가 낮게 나온 부분을 따로 표시하고, 그 부분만 사람이 다시 확인하는 절차를 마련한다면 전체 문서를 처음부터 다시 검토하지 않고도 오류가 남은 부분만 효율적으로 확인할 수 있습니다.
문서인식 시스템을 운영하는 과정에서는 어떤 유형의 문서에서 어떤 오류가 자주 발생하는지에 대한 자료가 함께 쌓이게 됩니다. 반복적으로 오류가 발생하는 문서 유형이나 영역을 자료에서 확인한다면 그 유형에 맞추어 인식 방식을 다시 학습시키는 작업으로 이어갈 수 있고, 이는 시간이 지날수록 전체적인 인식 정확도를 끌어올리는 근거가 됩니다.
딥러닝 레이아웃 분석 기반 문서인식은 글자 하나하나를 읽어내는 절차에 앞서 문서를 구성하는 영역과 구조를 먼저 파악하는 절차가 뒷받침되어야 완결됩니다. 표와 손글씨, 도장 영역을 구분하는 절차와 다양한 양식에 대응하는 학습, 인식 이후의 검증 절차를 함께 운영하면서 문서인식 체계는 다루는 문서의 종류와 구성에 맞게 자리를 잡아갑니다. 앞으로 접하게 될 새로운 형태의 문서가 늘어날수록 이 학습과 검증을 반복해 나가는 절차가 함께 이어져야 합니다.
.svg)
.svg)
