자동 문서 분류 및 챗봇 기반 RPA 서비스를 제공하는 통합지식관리플랫폼 개발

기간: 2020.11 - 2022.11 · 주관: Ministry of SMEs and Startups, Korea

배경 및 개요

기존 지식관리시스템은 문서 등록의 번거로움과 부서별 보유 문서·지식 파악의 어려움 때문에 실제 업무에 활용되기 어려웠습니다. 이 문제를 풀기 위해 문서 등록(OCR 등) 시 문서를 자동으로 분류해 가시화하는 지식 관리 모듈과, 문서 검색·공유를 룰 베이스 기반 챗봇으로 자동화하는 업무 지원 모듈(RPA, Robotic Process Automation)을 개발하고, 이를 SaaS 기반 플랫폼으로 만드는 것이 목표였습니다.

담당 업무: 이미지 문서의 OCR 분석 모듈 개발

문서 이미지 기울기 보정

윤곽 탐지 보정, 허프 변환(Hough transform) 보정, 이미지 히스토그램(Projection profile method) 보정, 합성곱 신경망 기반 보정까지 네 가지 알고리즘을 각각 구현한 뒤 앙상블해 최적의 기울기 보정 결과를 산출했습니다.

각 방법의 성능을 Mean Absolute Error로 비교한 결과는 다음과 같습니다.

네 가지 방법을 앙상블했을 때 단일 방법 대비 오차가 크게 줄었습니다.

딥러닝 세그멘테이션 기반 문자 영역 검출

UNet 기반 딥러닝 모델로 문서 이미지 내 문자 영역을 검출했으며, 검증 데이터에서 IoU 0.9038을 기록했습니다.

OCR 결과 Parsing

Naver Clova AI의 OCR 오픈소스와 Tesseract 소프트웨어를 함께 사용했습니다. 단어 단위로 잘게 쪼개진 입력 이미지에 맞는 설정을 적용했고, OCR 프로세스를 거친 이미지 파일별 결과는 JSON 형태로 저장했습니다.

문서 내 개체명 인식(NER) 알고리즘 개발

학습 데이터가 부족한 전문 분야 텍스트에 적합한 개체명 인식 방법을 제안했습니다. 컴퓨터 비전 분야에서 자주 쓰이는 MixUp 기법과 Consistency Learning 학습 방법을 개체명 인식에 적용했으며, 이 연구는 다음 논문으로 정리해 Applied Sciences에 게재했습니다 (Youn et al., 2022).