레퍼런스
문서 AI에 대한 데이터 레퍼런스 및 용어 정의 모음입니다. 각 페이지는 출처 검증 완료되었으며 인용할 수 있도록 설계되었습니다.
통계
Receipt v1.1: 고정된 SROIE 및 CORD 영수증에서 docTR vs Docling 비교; 정규화 텍스트 거리, 후처리 필드 F1, 배치 처리량, GPU 비용.
영수증 v1.1: 361개 SROIE 및 100개 CORD 영수증에서 docTR vs Surya2; 텍스트 거리 진단, 후처리 필드 F1, 배치 타이밍, GPU 비용.
영수증 v1.1: docTR이 SROIE LLM 필드 F1과 배치 처리량에서 앞서고, EasyOCR이 SROIE 정규식 F1과 CORD 배치 처리량에서 앞섭니다. 방법 및 출처.
영수증 벤치마크: 사용 가능한 RTX 4090 GPU 추정치는 역사적 $0.76/hr 기준 SROIE 1,000페이지당 $0.0479–$1.0609입니다. 타이밍 한계와 CPU 범위를 설명합니다.
SROIE에서 영수증 OCR 요청 p50은 108.7–2668.0ms입니다. 유지된 CPU/GPU 엔진 실행 8건; p95, 허용된 실제 처리량 및 타이밍 한계를 설명합니다.
Receipt v1.1은 SROIE와 CORD에서 PaddleOCR과 EasyOCR을 비교합니다: 정규화 텍스트 거리, 정규식 및 LLM 필드 F1, 배치 처리량, GPU 비용.
자체 벤치마크: 영수증 필드 추출에서 LLM 후처리가 regex를 능가하며, SROIE + CORD의 8개 OCR 모델에 대한 필드 F1과 방법론을 포함합니다.
Receipt v1.1은 SROIE와 CORD 필드 점수, 요청 지연 시간, 과거 GPU 비용을 기준으로 세 가지 VLM을 비교합니다. Unlimited-OCR의 SROIE wall 및 비용 데이터는 누락되었습니다.
영수증 v1.1: 361개 SROIE 및 100개 CORD 영수증에서 Tesseract vs PaddleOCR 비교; 정규화 텍스트 거리, 필드 F1, 누락된 벽시계 시간, CPU 비용 범위.
자체 벤치마크: 361개 SROIE + 100개 CORD 영수증으로 8개 오픈소스 OCR 엔진과 문서 파싱 VLM 비교 — CER, 필드 F1, 레이턴시, 비용. 방법론 포함.
영수증 벤치마크: 정규화된 SROIE CER과 필드 F1은 서로 다른 대상을 측정합니다. CORD 전체 페이지 CER은 적용할 수 없습니다. 채점 및 파이프라인 한계를 설명합니다.
461장의 영수증(SROIE + CORD)에 대한 5개 오픈소스 OCR 모델의 자체 벤치마크: CER, WER, 필드 F1, 지연 시간, 1,000페이지당 비용.
문서 자동화의 예외 발생률: 최고 수준 9% 대 평균 22%, 근본 원인, 검토 비용, 임계값 트레이드오프를 모든 출처와 함께 제시합니다.
레코드당 문서 처리 비용에 대한 독립 벤치마크: 수동 $8-16, 템플릿 $2-5, AI 페이지당 $0.02부터. 문서 유형, 크기, 지역별.
필기 OCR 정확도 데이터: IAM CER 1.2-1.7%, 아랍어 8.9-16%, 역사적 문서 71-82%. 문자 체계, 모델 및 문서 유형별 분석. 인용 가능한 출처 15개.
송장 처리 시간 벤치마크: 수동 터치 12.5분 vs 사이클 9.2일, 방법·복잡도·단계별 — 인용 가능한 전체 출처 포함.
데이터 입력 자동화 ROI에 대한 독립 벤치마크: 3~12개월 투자 회수 기간, 60~80% 절감, 손익분기 물량, 그리고 수익을 모델링하는 공식 제공.
문서 유형별 OCR 정확도에 대한 독립 벤치마크: 디지털 PDF 99.2-99.8%, 스캔 98-99%, 필기 46-95%, 표 TEDS. 인용 가능한 출처 15개.
조건과 필드별 영수증 OCR 정확도: 깨끗한 스캔 90%+, 바랜 감열지 55-73%, 휴대폰 사진 67-69%. 총액 95-99%, 판매자명 73-88%. 출처 14곳.
수동 데이터 입력 오류율에 대한 독립적 벤치마크: 필드 수준 1-4%, 레코드 수준 최대 40%, 문서 유형·산업·역할별 분석.
정의
데이터 캡처는 종이, 스캔본, PDF, 사진을 기계가 읽을 수 있는 데이터로 변환합니다. 작동 방식, 유형, 오해를 정리합니다.
ICR은 손으로 인쇄한 텍스트를 위한 머신러닝 문자 인식입니다. OCR에서 어떻게 발전했는지, ICR vs OCR vs IWR의 차이점, 그리고 어디에 사용되는지 알아봅니다.
키 정보 추출(KIE)은 인보이스 번호, 날짜 같은 필드를 문서에서 구조화된 데이터로 추출합니다. 작동 방식, 경계, 오해를 살펴봅니다.
검색 가능한 PDF는 보이지 않는 OCR 텍스트 레이어가 있는 스캔본입니다 — 텍스트를 선택, 복사하고 Ctrl+F로 찾을 수 있습니다. 작동 방식, PDF/A 규칙, 흔한 함정을 다룹니다.
필드 단위 정확도는 올바르게 추출된 필드를 세고, 문자 단위 정확도는 올바르게 읽은 문자를 셉니다. 문자 정확도 99%가 데이터 정확도 99%를 의미하지는 않습니다.
IDP는 문서에서 데이터를 캡처, 분류, 추출, 검증하는 AI 소프트웨어입니다. 작동 방식, OCR에서 LLM으로의 진화, 오해를 다룹니다.
STP 비율은 사람의 개입 없이 처리된 문서의 비율을 측정합니다 — 업계 평균 32%, 최고 수준 49%, AI 60-80%. 공식과 오해.
OCR은 인쇄, 필기 또는 타이핑된 텍스트의 이미지를 기계가 읽을 수 있는 데이터로 변환합니다. 작동 방식, 4가지 OCR 유형, 역사 및 사용 사례를 알아보세요.