국내 최초 인공지능(AI) 기반 한글 타자기록 문자인식 기술 개발

국내 최초 인공지능(AI) 기반 한글 타자기록 문자인식 기술 개발  - 국가기록원, 인공지능 스타트업 기업과 연구개발 통해 이용자 접근성 확대 -

□ 1960년대부터 1990년대까지 정부에서 주로 사용되었던 타자기록을 쉽고 간편하게 검색하고 활용할 수 있게 된다. 

□ 국가기록원은 딥러닝 기반으로 약 22만 개의 한글 타자체 단어를 학습시켜 국내최초로 비전자 타자기록의 인공지능(AI) 문자인식(OCR)* 기술 개발에 성공하였다고 밝혔다.

    * 사람이 쓰거나 기계로 인쇄한 문자의 이미지를 기계가 읽을 수 있는 문자로 변환하는 기술 

 ○ 이러한 기술은 국가기록원이 ‘20년 연구개발 사업의 일환으로 인공지능 스타트업기업과 협업하여 수행한 ｢소장기록물 특성을 고려한 OCR 인식 성능 개선방안 연구｣ 과제를 통해 개발되었다.

□ 국가기록원은 그동안 문서를 이미지로 스캔한 파일을 제공해왔으나, 문서내용 검색에는 한계가 있어 이용자들의 불편이 있었다. 

 ○ 특히 기존의 문자인식 기술은 활자체에 최적화되어 있어, 사람이 손으로 쓰거나 타자를 이용하여 작성된 문서의 경우에는 효과가 크지 않았다.

 ○ 타자기록은 1950년대에 최초로 세벌식 타자기가 양산되면서 정부의 공문서 작성에 쓰이기 시작했으며, 1969년에 네벌식, 1982년에 두벌식 자판이 사용되는등 글꼴이 매우 다양하고 시각적으로 활자체와 차이가 있어 기존의 기술로는인식성능이 떨어진다.

 

□ 이번 개발에 사용된 학습데이터는 1960～1990년대까지 재무부, 외무부, 건설교통부 등에서 생산한 도시계획, 경제계획 문서와 국무회의, 경제장관회의 등의 회의록 및각종 법령 등을 대상으로 하고 있다.

 ○ 올해는 1단계로 공공기관에서 컴퓨터가 보급되기 이전에 주로 사용해 왔던 타자기록에 대해 문자인식 연구를 추진했다. 

 ○ 그 결과, 기존의 문자인식 기술과는 달리 문자탐지와 문자인식의 2단계로 구성된딥러닝 기반의 인공지능 문자인식 모델을 개발하여 학습 속도를 개선하고 인식성능을 90% 이상 획기적으로 높였다.

□ 앞으로 국가기록원은 문자인식 기술을 적용·발전시켜 국민들이 보다 쉽고 편리하게기록물을 활용할 수 있도록 비전자 기록물의 원문 검색 및 색인 등의 정보 활용서비스에 확대 적용할 계획이다.

 ○ 아울러, 이번에 구축된 학습데이터는 국가기록원 누리집을 통해 공개될 예정이다.

(예시) 1973년 외무부 기안문, 문자인식 전·후 비교표
문자인식 전	문자인식 후

□ 안경원 국가기록원장 직무대리는 “이번 연구를 통해 개발된 기술은 국가기록원의기록물 접근성 향상에 기여했다는 점에서 큰 의미가 있다.”며 “국가기록원은 앞으로도 인공지능 기술 등의 접목을 통해 국민들이 필요한 서비스를 제공할 수 있도록노력하겠다.”라고 밝혔다.

 

참고1

한글 타자기록 문자인식 기술 개발 추진개요

□ 추진배경

 ○ 국가기록원은 정부 부처에서 주로 1960～1990년대까지, 약 40년 동안 생산한타자기록 11만권* 이상 보유

     * 1960년대 1.9만권, 1970년대 3.9만권, 1980년대 2.8만권, 1990년대 2.7만권 보유

 ○ 타자기록은 활자체에 최적화된 기존 문자인식* 기술의 한계로 단어 검색이 안되는스캔 이미지로 제공되는 등 문자인식 성능개선 필요

     * 문자인식(Optical Character Recognition, OCR) : 사람이 쓰거나 기계로 인쇄한 문자의 이미지를 기계가 읽을 수 있는 문자로 변환하는 기술

□ 추진 내용

 ○ (인식대상) 1960～1980년대 재무부, 외무부, 건설교통부 등에서 생산한 타자기록 1,970장 (전체 22만 단어)

 ○ (인식방법) 데이터 수집 → 데이터 라벨링 → 텍스트 전사 → OCR모델 학습

    ① 데이터 수집 : 타자기록의 스캔 이미지 선별

            * 생산년도·생산기관 등 다양하게 포함

    ② 데이터 라벨링 : 인식대상 기록물의 각 단어를 감싸는 바운딩박스 생성

    ③ 텍스트 전사 : 작업자가 각 바운딩박스 내 텍스트 값 입력

    ④ OCR모델 학습 : 딥러닝 기반으로 22만 단어를 학습시켜 OCR모델 인식성능 개선

       

데이터 수집	데이터 라벨링	텍스트 전사	OCR모델 학습

출처 : 행정안전부