Skip to main content

​
OCR — 이미지 속 텍스트 인식

OCR(Optical Character Recognition)은 이미지에서 텍스트를 인식하여 디지털 문자열로 변환하는 기술입니다. 문서 디지털화, 번호판 인식, 영수증 처리 등에 핵심적으로 활용됩니다.

​
핵심 아이디어

전통적인 OCR은 텍스트 영역 탐지(Detection)와 문자 인식(Recognition)을 분리하여 수행합니다. 최근에는 Transformer 기반의 End-to-End 모델이 등장하여 복잡한 문서 레이아웃도 처리할 수 있게 되었습니다.

​
동작 방식

​
구현

​
PaddleOCR

from paddleocr import PaddleOCR

# 한국어 + 영어 OCR
ocr = PaddleOCR(use_angle_cls=True, lang='korean')

result = ocr.ocr('document.jpg', cls=True)

for line in result[0]:
    bbox = line[0]        # 텍스트 영역 좌표
    text = line[1][0]     # 인식된 텍스트
    conf = line[1][1]     # 신뢰도
    print(f"[{conf:.2f}] {text}")

​
EasyOCR

import easyocr

reader = easyocr.Reader(['ko', 'en'])
results = reader.readtext('document.jpg')

for bbox, text, conf in results:
    print(f"[{conf:.2f}] {text}")

​
OCR 도구 비교

비교 항목PaddleOCREasyOCRTesseractDonut
한국어 지원우수우수보통좋음
속도빠름보통빠름느림
정확도높음높음보통매우 높음
레이아웃 이해기본기본없음강함
GPU 필요권장권장불필요필수
추천 용도범용 OCR간단한 OCR레거시문서 AI

​
Donut: End-to-End Document Understanding

Donut은 OCR 없이 이미지에서 직접 구조화된 정보를 추출하는 Transformer 모델입니다. 
from transformers import DonutProcessor, VisionEncoderDecoderModel
import torch

processor = DonutProcessor.from_pretrained("naver-clova-ix/donut-base-finetuned-cord-v2")
model = VisionEncoderDecoderModel.from_pretrained("naver-clova-ix/donut-base-finetuned-cord-v2")

# 영수증 파싱
from PIL import Image
image = Image.open("receipt.jpg")
pixel_values = processor(image, return_tensors="pt").pixel_values

with torch.no_grad():
    outputs = model.generate(pixel_values, max_length=512)

result = processor.batch_decode(outputs, skip_special_tokens=True)[0]
print(result)  # JSON 구조의 영수증 정보
가능하지만 인쇄체보다 정확도가 낮습니다. TrOCR(Transformer OCR)이 손글씨 인식에 특화되어 있으며, Hugging Face에서 사전학습 모델을 제공합니다.
표 인식은 Table Detection(표 영역 탐지)과 Table Structure Recognition(행/열 구조 파악)으로 나뉩니다. Microsoft의 Table Transformer, PaddleOCR의 PP-Structure 등이 활용됩니다.

​
참고 논문

논문학회/연도링크
OCR-free Document Understanding (Donut)ECCV 2022arXiv:2111.15664
TrOCRAAAI 2023arXiv:2109.10282