광학 문자 인식 알고리즘이 비즈니스 프로세스를 어떻게 재정의합니까?

게시 됨: 2022-04-14

데이터를 입력하고 한 곳에서 다른 곳으로 옮기는 것은 시간이 많이 걸리고 반복적인 작업입니다. 한 직원은 데이터를 이동하는 데 하루에 최대 3시간을 쉽게 보낼 수 있습니다. 수동 데이터 처리는 작업자의 시간을 낭비할 뿐만 아니라 오류가 발생하기 쉬우며 이로 인해 수익 손실이 발생합니다.

데이터의 과거와 미래를 조사한 Dun & Bradstreet의 보고서에 따르면 기업 5곳 중 1곳은 불완전한 데이터로 인해 손실을 보고 있습니다. 광학 문자 인식(OCR) 기술은 기업이 이러한 문제를 해결하는 데 도움이 될 수 있습니다. OCR 알고리즘은 종이 기반 문서를 편집 가능한 검색 가능한 텍스트로 변환할 수 있습니다.

또한 파일에서 정보를 추출하여 회사 IT 시스템의 해당 필드에 입력할 수도 있습니다. 그렇다면 OCR은 어떻게 작동합니까? 이 기술이 비즈니스 목표를 달성하는 데 어떻게 도움이 됩니까? 그리고 인공 지능 솔루션 제공업체에 연락하여 OCR 소프트웨어를 구축하고 설정하는 데 도움을 받아야 합니까?

광학 문자 인식이란 무엇이며 어떻게 작동합니까?

OCR 정의

광학 문자 인식은 입력하거나 손으로 쓴 텍스트와 텍스트가 포함된 인쇄된 이미지를 기계가 읽을 수 있는 디지털 데이터 형식으로 변환하는 기술입니다. OCR 알고리즘은 많은 양의 종이 문서를 디지털 파일로 변환하여 텍스트 저장, 처리 및 검색을 용이하게 합니다.

OCR 시스템은 하드웨어와 소프트웨어로 구성됩니다. 하드웨어 부품은 광학 스캐너 또는 종이 문서를 디지털 형식으로 변환할 수 있는 유사한 장치일 수 있습니다. 소프트웨어 부분은 OCR 알고리즘 자체입니다.

OCR은 어떻게 작동합니까?

하나의 문자를 쓰는 방법에 대한 다양한 글꼴과 변형으로 인해 컴퓨터가 문자를 인식하기가 어렵습니다. 손으로 쓴 편지는 문제를 더욱 복잡하게 만듭니다. 그럼에도 불구하고 광학 문자 인식 알고리즘은 이 문제를 해결합니다. 모든 OCR 솔루션은 4가지 주요 단계로 작동합니다.

이미지 획득

이 프로세스에는 광학 스캐너를 사용하여 종이 문서의 디지털 사본을 캡처하는 작업이 포함됩니다. 문서는 적절하게 정렬되고 크기가 조정되어야 합니다.

전처리

이 단계의 목표는 OCR 알고리즘에서 입력 파일을 사용할 수 있도록 하는 것입니다. 노이즈와 배경이 제거됩니다. 전처리에는 다음 단계가 포함됩니다.

  • 레이아웃 분석: 캡션, 열 및 그래프를 블록으로 식별
  • 기울어 짐 제거: 스캔하는 동안 제대로 정렬되지 않은 경우 디지털 문서를 기울여 선을 수평으로 만듭니다.
  • 이미지 개선: 가장자리를 매끄럽게 하고, 먼지 입자를 제거하고, 텍스트와 배경 사이의 대비를 높입니다.
  • 텍스트 감지: 일부 알고리즘은 별도의 단어를 감지하여 문자로 나누는 반면 다른 알고리즘은 텍스트를 문자로 분할하지 않고 직접 작업합니다.
  • 이진화: 스캔한 문서를 흑백 형식으로 변환합니다. 여기서 어두운 영역은 문자(알파벳 또는 숫자)를 나타내고 흰색 영역은 배경으로 식별됩니다. 이 단계는 다른 글꼴을 인식하는 데 도움이 됩니다.

이 단계에서 광학 문자 인식 알고리즘은 문자와 숫자를 인식하기 위해 다양한 조작을 수행합니다. 두 가지 주요 접근 방식이 있습니다.

  • 패턴 인식: OCR 알고리즘은 다양한 글꼴, 텍스트 형식 및 필기 스타일에 대해 학습되어 입력 파일의 고유한 문자를 학습한 내용과 비교합니다.
  • 기능 인식: 일부 알고리즘은 입력 파일의 문자를 식별하기 위해 십자선 및 곡선과 같은 알려진 문자 속성의 이점을 얻습니다. 예를 들어, 문자 "H"는 두 개의 수직선과 하나의 교차하는 수평선으로 식별됩니다. 신경망(NN)으로 구동되는 OCR 알고리즘은 첫 번째 NN 레이어가 입력 파일의 픽셀을 집계하여 이미지의 저수준 기능 맵을 생성하는 다른 논리를 사용합니다.

문자를 감지한 후 프로그램은 추가 조작을 용이하게 하기 위해 문자를 ASCII(American Standard Code for Information Exchange)로 변환합니다.

후처리

출력은 문자열이나 파일과 같이 기본적일 수 있습니다. 고급 OCR 솔루션은 원본 페이지 구조를 유지하고 검색 가능한 텍스트가 포함된 PDF 파일을 생성할 수 있습니다. 지금까지 다양한 입력 파일에서 100% 정확도를 보장하는 도구는 없지만 일부 광학 문자 인식 알고리즘은 친숙한 텍스트에서 99.8%라는 놀라운 정확도를 달성할 수 있습니다. 필기를 사용하면 결과가 크게 손상됩니다. 또한 잘못된 교육이나 익숙하지 않은 텍스트의 경우 오류율이 20%에 달할 수 있음을 이해하는 것이 중요합니다. 따라서 사용자는 특히 새로운 유형의 문서가 파이프라인에 들어올 때 OCR 알고리즘의 출력을 지속적으로 모니터링, 교정 및 수정해야 합니다.

후처리 단계에는 데이터 검증을 위한 자연어 처리(NLP) 및 기타 AI 기술도 포함될 수 있습니다. AI는 텍스트를 수정할 수 있을 뿐만 아니라 계산 오류도 잡아낼 수 있습니다. 송장을 처리하는 동안 OCR 알고리즘이 총액을 $500로 식별했다고 가정해 보겠습니다. AI는 모든 비용을 더하고 500달러가 되지 않는다는 것을 알아냄으로써 이를 확인할 수 있습니다. AI는 직원에게 이 특정 사례를 검토하도록 알릴 수 있습니다.

알고리즘의 품질을 향상시키려면 문자 분할을 위해 자체 사전을 사용하는 Tesseract와 같은 오픈 소스 OCR 라이브러리로 실험할 수 있습니다. 또 다른 접근 방식은 도메인에서 반복되는 전문 용어집을 만드는 것입니다. 또한 검토자는 피드백을 다른 광학 문자 인식 알고리즘 교육 세션에 대한 입력으로 사용할 수 있습니다.

OCR 알고리즘이 비즈니스에 어떤 이점을 제공할 수 있습니까?

광학 문자 인식 솔루션이 할 수 있는 일은 다음과 같습니다.

  • 비용 절감: 파일을 디지털 형식으로 변환하고 데이터 입력을 자동화하여 직원 시간 측면에서 비용 절감
  • 고객 만족도 향상: 이 기술을 통해 사람들은 은행이나 기타 시설을 직접 방문하는 대신 신분증을 스캔하여 원격으로 개인 정보를 업데이트할 수 있습니다.
  • 더 저렴한 백업 옵션 제공: 종이 기반 문서를 중복 및 삼중 문서와 함께 저장할 필요가 없으므로 값비싼 물리적 저장 장치가 소모됩니다.
  • 다른 언어 간 번역 촉진: 일부 OCR 도구에는 문서를 한 언어에서 다른 언어로 번역하는 기능이 있습니다.
  • 워크플로 자동화: 적절한 관리 시스템이 있는 디지털 파일을 검색하는 것이 종이 문서를 처리하는 것보다 빠릅니다. 손실된 실제 파일을 찾는 동안 더 적은 프로세스가 보류됩니다. 보다 포괄적인 자동화 솔루션에 관심이 있는 경우 OCR 및 기타 고급 기능을 포함하는 지능형 프로세스 자동화 서비스를 활용할 수 있습니다.

시장에서 사용 가능한 OCR 솔루션

OCR 기능을 IT 시스템에 통합하려는 경우 선택할 수 있는 몇 가지 옵션이 있습니다.

오픈 소스 광학 문자 인식 알고리즘

기업이 필요에 따라 조정할 수 있는 몇 가지 오픈 소스 OCR 알고리즘이 있습니다. 이러한 솔루션은 소스 코드에 보편적으로 액세스할 수 있으므로 사용자 지정하기가 더 쉽습니다. 그러나 중앙 기관은 없습니다. 오픈 소스 솔루션 개발자는 책임을 지지 않으며 추가 지원을 제공하지 않습니다. 따라서 코드의 품질이 의심스러울 수 있습니다. 이 옵션은 오작동을 수정할 수 있는 강력한 IT 부서가 있는 회사에 더 적합합니다. 또는 이 소프트웨어를 사용자 지정하고 재교육할 수 있는 기계 학습 컨설턴트에게 문의할 수 있습니다.

다음은 일반적으로 사용되는 오픈 소스 OCR 솔루션입니다.

테서랙트

Tesseract 오픈 소스 엔진은 가장 널리 사용되는 OCR 도구 중 하나이며 가장 정확한 무료 도구 중 하나로 여겨집니다. 1985년과 1994년 사이에 Hewlett-Packard에 의해 개발되었습니다. 2006년부터 이 플랫폼은 Google에서 관리하고 추가로 개발했습니다. Tesseract는 C++로 작성되었지만 Java, Python, Swift, Ruby, R 및 몇 가지 일반적인 프로그래밍 언어로 래퍼를 제공합니다.

이 도구는 명령줄을 사용하여 작동하며 그래픽 사용자 인터페이스가 없습니다. 그러나 이 솔루션을 사용자 친화적으로 만들기 위해 배포할 수 있는 몇 가지 GUI 옵션이 있습니다. 한 가지 예는 glimageReader입니다. 이 인터페이스는 Python을 사용하여 개발되었으며 PNG, GIF 및 PNM을 포함한 다양한 이미지 형식을 지원합니다.

Tesseract는 페이지 레이아웃 분석을 제공하지 않고 출력 형식을 지정하지 않으며 명령줄 인터페이스를 사용하려면 모든 이미지를 TIFF 형식으로 제출해야 합니다. 또한 이 OCR 솔루션은 GPU에 최적화되어 있지 않으며 일괄 처리를 허용하지 않습니다.

오크로푸스

OCRopus는 원래 Python으로 작성되었으며 이제 별도의 C++ 버전이 있습니다. Google에서 지원하며 Google ReCaptcha 알고리즘의 OCR 엔진으로 사용되었습니다.

OCRopus에는 세 가지 주요 기능이 있습니다.

  • 물리적 레이아웃 분석: 텍스트 블록, 열 및 행을 식별하고 읽기 순서를 결정합니다. 예를 들어 열을 감지하기 위해 최대 공백 사각형 알고리즘을 사용하여 열 사이의 공백을 감지합니다.
  • 라인 인식: 세로 라인이든 왼쪽에서 오른쪽 라인이든 각 블록 또는 열 내의 라인을 인식합니다.
  • 통계적 언어 모델링: 사전과 확률적 문법을 사용하여 문자가 누락되거나 식별되지 않는 문제를 해결합니다.

EasyOCR

광학 문자 인식 회사인 Jaided AI는 딥 러닝 모델과 함께 Python 및 PyTorch 라이브러리를 사용하여 EasyOCR 패키지를 구축했습니다. 키릴 문자, 중국어, 아랍어 등 80개 이상의 언어를 지원하며 이 기반이 계속 확장되고 있습니다. 구현 로드맵의 일부로 필기 텍스트 인식을 위한 구성 가능한 옵션을 추가할 계획입니다.

상용 OCR 솔루션

SaaS(Software as a Service) 솔루션을 사용하면 고품질 알고리즘의 이점을 누리고 완전한 공급업체 지원을 받을 수 있습니다. 선택한 플랫폼에 따라 데이터 세트에 대한 OCR 알고리즘을 재교육하고 고유한 요구 사항에 맞게 조정할 수도 있습니다.

아마존 텍스트트랙트

Amazon Textract는 스캔한 문서에서 인쇄된 텍스트와 손으로 쓴 텍스트를 추출하는 기계 학습 기반 서비스입니다. 구조화되지 않은 데이터와 양식 및 테이블과 같은 서식이 지정된 텍스트에 대해 작업할 수 있습니다. 이 솔루션은 AI를 사용하며 추가 구성 단계나 템플릿이 필요하지 않습니다. 이 서비스는 안전하며 HIPAA 및 GDPR과 같은 데이터 보호 규정을 준수합니다. Amazon Textract는 고객이 적절하게 사용하고 비용을 지불할 수 있는 4가지 API를 제공합니다.

  • 문서 텍스트 감지 API: 스캔에서 구조화되지 않은 인쇄된 텍스트와 손글씨를 추출합니다. 비용은 처음 백만 페이지에 대해 페이지당 $0.0015입니다. 이후에는 가격이 하락합니다.
  • 문서 API 분석: 구조화된 데이터와 함께 작동합니다. 양식 및 테이블에서 텍스트를 추출합니다. 클라이언트는 테이블을 처리할 때 페이지당 $0.015를 지불하고 양식의 경우 페이지당 $0.05를 지불합니다. 처음 백만 페이지 이후에는 가격이 낮아집니다.
  • 비용 API 분석: 송장과 함께 작동합니다. 이 서비스에는 영수증 관련 필드의 공통 분류가 있습니다. 예를 들어 인보이스 번호를 인식할 수 있습니다. 사용자는 처음 백만 페이지에 대해 페이지당 0.01달러를 지불합니다.
  • Analyze ID API: 운전 면허증, 여권과 같은 신원 문서의 컨텍스트를 이해하고 특정 필드에서 텍스트를 추출할 수 있습니다. 처음 100,000페이지에 대해 $0.025에 이 서비스의 혜택을 받을 수 있습니다.

구글 클라우드 비전

Google은 문서 및 이미지에서 인쇄 및 필기 텍스트를 추출할 수 있는 Vision API를 제공합니다. 여기에는 광학 문자 인식을 위한 두 가지 기능이 포함되어 있습니다.

  • Text_detection: 교통 표지판 사진과 같은 이미지에서 텍스트를 추출합니다.
  • Document_text_detection: 문서 및 이미지의 텍스트를 캡처합니다. 밀도가 높은 텍스트에 최적화된 응답으로 이전 기능과 다릅니다.

두 기능 모두 사용자는 매월 처음 1,000개 단위를 무료로 처리할 수 있습니다. 그 후에는 1,000개 단위당 $1.5를 지불하게 됩니다. 이 가격은 매월 더 많은 단위를 제출할수록 낮아집니다.

마이크로소프트 애저 컴퓨터 비전

Microsoft는 독립 실행형 기능이 아닌 일반 컴퓨터 비전 API의 일부로 OCR 서비스를 제공합니다. 따라서 광학 문자 인식 외에도 유명인, 랜드마크, 브랜드 식별 및 일반 물체 감지가 포함된 전체 패키지에 대해 비용을 지불해야 합니다. 이 API는 처음 백만 단위에 대해 1,000건의 트랜잭션당 1달러의 비용이 듭니다. 그 후 가격은 거래 1,000건당 0.65달러로 감소하며 더 많은 콘텐츠를 제출할수록 계속 낮아질 것입니다.

다양한 산업 분야의 주요 OCR 사용 사례

광학 문자 인식 알고리즘은 다양한 산업 분야에서 주목을 받고 있습니다. 다음은 가장 눈에 띄는 OCR 응용 프로그램 중 일부입니다.

은행 OCR

은행 기관은 워크플로에서 수많은 종이 기반 문서를 사용합니다. 여기에는 수표, 고객 기록, 대출 신청서, 은행 명세서 등이 포함됩니다. OCR 인식 알고리즘을 채택하면 직원이 이러한 모든 문서를 디지털 방식으로 저장하고 액세스할 수 있으며 서류 손실 및 손상을 방지할 수 있습니다.

취급 확인

이 부문에서 OCR의 한 예는 은행 앱을 사용하여 종이 기반 수표를 디지털 방식으로 입금하는 것입니다. 이러한 솔루션은 광학 문자 인식 알고리즘을 배포하여 직원이 이 모든 데이터를 수동으로 전송할 필요 없이 검사에서 관련 필드를 식별하고 그에 따라 작업을 수행합니다. 또한 이러한 앱은 기존 데이터베이스에 대해 서명 유효성 검사를 수행하고 즉시 확인을 지울 수 있습니다.

고객 온보딩

직원이 고객의 신원을 수동으로 확인하도록 하는 대신 OCR 기반 솔루션은 개인의 여권 및 기타 신분증 문서에서 모든 관련 정보를 추출하고 검증할 수 있습니다. 이를 통해 즉각적인 확인이 가능하고 고객 경험이 향상됩니다.

클라이언트 정보 업데이트

은행을 방문하거나 전화할 필요 없이 OCR의 도움으로 고객은 문서를 스캔하여 정보를 자동으로 업데이트할 수 있습니다. 예를 들어, Alfa-Bank는 스마트 엔진과 협력하여 광학 문자 인식 기능으로 은행 앱을 개선했습니다. 이 새로운 기능을 통해 고객은 스마트폰 카메라 앞에 신분증을 놓고 추출된 데이터를 확인하고 은행 시스템에서 정보를 업데이트할 수 있습니다.

의료 분야의 OCR

은행 부문과 마찬가지로 의료 기관은 엑스레이 스캔, 검사 결과, 치료 계획 등과 같은 많은 종이 문서를 축적합니다. OCR 알고리즘은 이러한 파일을 디지털화하여 물리적 문서의 손실을 방지하고 종이 파일을 수동으로 처리하는 데 낭비되는 노력을 줄이는 데 도움이 됩니다. 또한 필기 텍스트를 인식하는 일부 OCR 솔루션은 환자 등록 서류 및 처방전을 처리할 수 있습니다.

의료 청구 시스템

OCR 지원 의료 청구 처리를 전문으로 하는 소프트웨어 공급업체가 있습니다. 그러한 회사 중 하나가 OCR 솔루션입니다. 추가 처리를 위해 의료 청구를 스캔, 확인 및 올바르게 라우팅할 수 있는 제품을 개발했습니다. 이 프로그램은 특히 치과 청구 양식 및 CMS-1500과 같은 일반적인 형식으로 작동하도록 훈련되고 구성됩니다.

팩스

많은 의료 시설이 여전히 팩스에 의존하고 있습니다. 광학 문자 인식 솔루션은 들어오는 자료를 접근 가능한 디지털 저장 형식으로 변환할 수 있습니다.

인보이스 발행

OCR 기반 솔루션은 의료 기관이 인보이스를 디지털화하고 올바르게 제출하는 데 도움이 됩니다. OCR의 한 예는 송장 처리를 전문으로 하는 OCR 기반 솔루션을 제공하는 샌프란시스코 기반 Nanonets에서 나온 것입니다. 회사는 자사 소프트웨어가 청구서당 청구서 데이터 입력 시간을 3분에서 30초로 단축할 것이라고 주장합니다.

소매 OCR

광학 문자 인식 알고리즘을 통해 소매 직원은 구매 주문서, 송장, 포장 목록 및 기타 문서를 처리하는 시간을 절약할 수 있습니다. 이러한 솔루션은 또한 제품 바코드에서 일련 번호를 추출하고 고객이 바우처를 스캔하고 일련 코드를 추출할 수 있도록 합니다.

신분증 스캔

매장 직원은 연령 확인, 고객 충성도를 위한 정보 입력 등과 같은 여러 가지 이유로 개인 정보를 스캔해야 할 수 있습니다. OCR 공급업체는 이 기회를 활용합니다.

예를 들어 플로리다에 본사를 둔 OCR Solutions는 ID 문서를 스캔하고 관련 필드를 추출하고 해당 정보로 소매업체 데이터베이스를 채울 수 있는 OCR 기반 소프트웨어인 idMax를 개발했습니다. idMax는 로컬에 설치하거나 클라우드를 통해 액세스할 수 있습니다.

귀하의 비즈니스에 OCR 솔루션을 채택할 때의 과제

작업을 개선하기 위해 OCR 인식 알고리즘을 배포하기로 결정한 경우 고려해야 할 몇 가지 측면이 있습니다.

입력 자료: 모든 입력 파일이 OCR 알고리즘에 적합한지 확인하십시오. 예를 들어, 파일은 해당 내용을 인식하는 알고리즘의 기능을 방해할 수 있는 손상이 없어야 합니다. 대비가 충분히 높고 페이지가 적절하게 정렬되어 있습니다. 일부 알고리즘에는 강력한 사전 처리 기능이 있으며 이러한 문제 중 일부를 해결할 수 있습니다. 그러나 그렇지 않은 경우 고품질 스캐너에 투자하고 적절한 페이지 정렬을 확인하는 것이 좋습니다.

교육 데이터 세트: 광학 문자 인식 알고리즘을 교육하거나 재교육하기로 결정한 경우 사용하려는 데이터가 입력 자료를 충실하게 나타내고 올바른 주석이 충분히 포함되어 있는지 확인해야 합니다. 훈련 데이터 세트가 너무 작거나 적절한 주석이 포함되어 있지 않으면 알고리즘이 원하는 결과를 생성하지 않습니다. 또한 훈련 중에는 유사한 문자/기호에 특별한 주의가 필요합니다. 예를 들어, 숫자 2와 7은 특히 알고리즘이 손으로 쓴 텍스트와 함께 작동할 것으로 예상되는 경우 다소 비슷하게 보일 수 있습니다. 데이터 과학자는 훈련 데이터에서 이러한 구분을 다루어야 합니다. 또 다른 예는 OCR 알고리즘을 사용하여 자동차의 번호판을 감지하고 캡처하는 것입니다. 당신의 알고리즘이 자동차 뒷면에 번호판으로 오인하는 텍스트가 있는 맞춤형 스티커를 사용하지 않는지 확인해야 합니다.

필기 텍스트: 필기에는 수많은 추가 OCR 문제가 있습니다. 사람들 사이에는 매우 다양한 글쓰기 스타일이 있으며, 개별 사용자의 글도 일관성이 없을 수 있습니다. 다양한 스타일을 모두 고려해야 하기 때문에 신뢰할 수 있는 대표적인 교육 데이터 세트를 수집하는 것은 어려운 일입니다. 필기체 필기는 특히 처리하기가 어렵습니다. 또한 인쇄된 텍스트는 직선으로 표시되지만 필기는 회전이 가변적인 경향이 있어 문제가 더욱 복잡해집니다.

확장성: 사용자 수 또는 시간대당 요청 수를 늘리면 시스템이 붕괴될 수 있습니다. 특히 오픈 소스 솔루션을 사용하고 자신의 컴퓨팅 성능에 의존하는 경우에는 더욱 그렇습니다. 클라우드에서 실행되는 상용 OCR 제품의 경우 더 많은 용량을 배치하고 비용을 지불할 수 있습니다.

OCR 알고리즘의 성능 모니터링: 배포 후 다양한 요인으로 인해 알고리즘의 성능이 저하되기 시작할 수 있습니다. 한 가지 예는 훈련 데이터와 실제 생산 데이터 간의 분포 변화입니다. 이는 모델이 다른 글꼴이나 비정상적인 기울기를 가진 문자와 같이 준비되지 않은 데이터세트에서 작업을 시작할 때 발생합니다. 이러한 변경 사항은 시간이 지남에 따라 모델의 출력에 영향을 미치므로 초기 정확도 수준을 유지하려면 이러한 문제를 감지하고 그에 따라 모델을 다시 훈련해야 합니다.

요약하자면

광학 문자 인식 알고리즘은 비즈니스 프로세스의 속도를 높일 수 있습니다. 그러나 고려해야 할 관련 과제가 있습니다. 선택한 알고리즘은 재교육이 필요할 수 있으며 대규모 데이터 세트에 적절하게 주석을 추가하는 것은 지루한 작업입니다. 또한 비즈니스가 확장됨에 따라 잠재적인 확장에 대해서도 생각해야 합니다.

오픈 소스 솔루션을 채택하는 것은 가격 면에서 유혹적인 것처럼 보이지만 지원 및 업데이트 부족과 같은 단점이 있어 보안 허점을 열 수 있습니다. 이와 관련하여 상용 솔루션은 더 안정적이지만 비용이 많이 들고 맞춤화하기 어려울 수 있습니다.

진행 방법과 귀하의 비즈니스에 어떤 OCR 솔루션이 가장 적합한지 확실하지 않은 경우 주저하지 말고 문의하십시오. ITRex에서는 최상의 OCR 옵션을 결정하기 위해 귀하의 비즈니스 요구 사항을 철저히 평가하게 되어 기쁘게 생각합니다. 또한 선택한 솔루션을 재교육하고 시스템에 통합하는 데 도움을 드릴 수 있습니다. 필요한 경우 맞춤형 OCR 알고리즘을 구축할 수도 있습니다.

광학 문자 인식으로 작업 속도를 높이고 싶습니까? ITRex 라인을 중단하십시오! AI 전문가가 OCR 솔루션 통합 및 교육을 지원합니다. 또한 필요한 경우 맞춤형 알고리즘을 개발할 수도 있습니다.

2022년 4월 6일 https://itrexgroup.com 에 원래 게시되었습니다 .