문서 유형별 OCR 정확도: 디지털 PDF, 스캔,필기 및 표 벤치마크 (2026)

최종 검토: 2026-08-10 · 데이터 범위: 일부 · 출처: 독립 연구 16건

이 페이지에서 다루는 내용: 동료 심사 완료 연구(Springer, UNLV ISRI, ICDAR 대회), 정부 기관(NIST, EDPB, US GPO), 방법론이 투명한 업계 벤치마크(AIMultiple)에서 집계한 문자·단어·필드·구조 수준의 OCR 정확도 벤치마크입니다. 문서 유형, 스캔 해상도, 필드 유형, 언어별로 분류했으며, 대부분의 "99% 정확도" 주장이 생략하는 문자 대 필드 대 구조 지표의 구분을 포함합니다. 모든 출처는 제3자이며 독립적으로 검증 가능합니다.
이 페이지에서 다루지 않는 내용: 수동 데이터 입력 오류율(인간 데이터 입력 오류율 참조), OCR 자체의 메커니즘(OCR이란? 참조), 또는 아래 인용된 벤치마크 수치를 넘어선 특정 제품에 대한 벤더 주장입니다.

아래 모든 수치는 방법론 섹션에 인용된 공개 제3자 연구 및 업계 보고서를 기반으로 합니다. 출처가 상충하는 경우 보수적인 범위(보고된 최저–최고 값)를 사용합니다. 이 페이지는 방향성 벤치마크이며, 특정 엔진이나 조직에 대한 정확한 예측이 아닙니다.

모든 OCR 벤더는 "99% 정확도"의 한 버전을 인용합니다. 독립 연구 16건을 종합하면, 그 수치는 정확히 한 가지 문서 조건에서만 사실입니다 — 선명한 디지털 생성 텍스트로, 모든 주요 엔진이 99.2% 이상을 기록합니다 — 그리고 다른 모든 경우에는 점차 사실이 아니게 됩니다: 선명한 스캔은 98–99%로 떨어지고, 오래된·손상된 스캔은 71–98%, 필기는 솔루션별로 46–95%의 편차를 보이며, 훼손된 원본은 72.7%까지 낮아집니다. 이 수치는 거짓이 아닙니다. 다만 문서 유형별 측정값을 마치 보편적인 것처럼 제시한 것입니다.

99.2–99.8%
선명한 디지털 생성/타이핑 텍스트의 문자 정확도 — 쉬운 타이핑 텍스트에서 모든 엔진이 99.2% 이상(IntuitionLabs 2025); ABBYY는 선명한 스캔에서 최대 99.8%를 보고(벤더 주장)
71–98%
손상·오래된 신문 스캔(1803–1954) 전반의 원시 문자 정확도로, 호주 국립도서관이 측정(Holley 2009) — 일반적인 문서 분류 중 가장 넓은 범위
46–95%
12개 최신 솔루션의 필기 인식 정확도(AIMultiple 2026) — 최상위 LLM 기반 시스템은 93–95%에 도달하고, 레거시 엔진은 범위의 하단에 머뭅니다

"99%"라는 수치는 어디에서 오는가 — 그리고 왜 오해를 부르는가

99%라는 수치는 깨끗한 인쇄 텍스트에 대한 문자 수준 측정값이며, 문자 수준 정확도는 사용 가능한 지표 중 가장 유리한 관점입니다. 이를 이해하고, 함께 사용되는 나머지 세 가지 관점을 알면 "99% OCR 정확도"와 "78% 필드 정확도"가 같은 시스템에서 동시에 사실일 수 있는 이유가 설명됩니다.

문자 오류율(CER)은 개별적으로 잘못 읽은 문자를 셉니다. CER 1%는 100자당 약 1자가 틀렸다는 뜻입니다. 인쇄 텍스트에 널리 채택된 벤치마크 척도로, 호주 국립도서관의 신문 디지털화 프로그램에서 공식화한 기준은 양호한 OCR을 98–99% 정확(1–2% CER), 보통을 90–98%(2–10% CER), 불량을 90% 미만으로 정의합니다(Holley, 2009). 유럽 데이터 보호 위원회(EDPB)의 OCR 지침도 일반적인 인쇄 문서 성능을 독립적으로 95–99% 문자 정확도로 제시하며, 98–99%를 프로덕션 등급 보장 수준으로 취급합니다(EDPB, 2024).

문제는 문자 정확도가 사용 중인 지표 중 가장 요구 수준이 낮다는 점입니다. 2,000자의 문서가 99% 문자 정확도를 기록해도 여전히 약 20자가 틀린 셈입니다. 단어 수준에서는 같은 출력이 96–98%에 그칠 수 있는데, 문자 하나만 잘못 읽어도 단어 전체가 실패로 처리되기 때문입니다. 인보이스 번호나 날짜를 추출할 때 중요한 필드 수준에서는 숫자 하나만 틀려도 필드 전체가 실패하므로, 99% 문자 정확도를 가진 시스템도 엔진에 따라 78–98%의 필드 정확도밖에 내지 못할 수 있습니다(BusinessWareTech 벤치마크, 2025). 표에는 네 번째 지표가 적용됩니다. 트리 편집 거리 유사도(TEDS)는 추출된 표 구조와 셀 내용이 원본과 일치하는지를 평가하는데, 이는 문자 정확도와는 완전히 다른 축입니다.

역사적 기록은 깨끗한 텍스트의 상한선이 얼마나 어려운지 보여줍니다. UNLV 정보과학연구소는 1992–1995년에 기계 인쇄된 영어 페이지를 대상으로 매년 OCR 정확도 테스트를 실시했으며, 최고 상용 시스템은 문자 정확도가 대략 94%에서 98%+로 상승한 뒤 대체로 그 수준에서 정체되었습니다(Rice, Jenkins & Nartker, 1995). NIST도 1998년 평가에서 같은 결론에 도달했습니다. 1% 문자 오류율은 원본이 깨끗하고 고정된 형식으로 타자된 원고일 때만 달성 가능하다는 것입니다(NIST IR 6101, 1998). 25년간의 딥러닝이 그 상한선을 밀어 올렸지만, 이는 가장 깨끗한 입력에 한해서입니다.

문서 유형은 OCR 정확도를 좌우하는 단일 최대 요인으로, 엔진 선택보다 영향이 큽니다. 아래 차트는 각 문서 등급별로 발표된 범위를 나타냅니다. 가장 낮은 값과 가장 높은 값 사이의 폭이 정직한 답이며, 단일 "평균"이 아닙니다. 손상되었거나 필기된 문서는 범위가 너무 넓어 점 추정치가 오히려 오해를 부를 수 있습니다.

문서 유형별 분석

문서 유형별 OCR 정확도 범위: 디지털 생성 텍스트 99.2–99.8%, 선명한 스캔 인쇄물(300 DPI) 98–99%, 손상·오래된 스캔본 71–98%, 필기 최신 시스템 최고 94–99%, 필기 전체 솔루션 범위 46–95%, 훼손된 원본 72.7–94.7%.

출처: IntuitionLabs (2025) — 쉬운 타이핑 텍스트에서 모든 엔진 >99.2%; Holley (2009) — 선명한 98–99% "양호" 벤치마크; 손상된 1803–1954년 호주 신문에서 원시 문자 신뢰도 71–98.02%; AIMultiple (2026) — 12개 솔루션에서 필기 46–95%; GatedLexiconNet (2024) — IAM 단어 정확도 약 94.3%; IJSAT (2026) — 300 DPI에서 훼손된 원본 72.7–94.7%. 출처가 일치하지 않는 경우 보수적인 범위를 사용했습니다.

문서 유형 / 상태정확도 범위중간값출처연도표본
디지털 생성 PDF (ERP/타이핑 출력)99.2–99.8%99.5%IntuitionLabs; ABBYY (벤더 주장)2025쉬운 타이핑 텍스트에서 모든 엔진 >99.2%
선명한 스캔 인쇄물 (300 DPI)98–99%98.5%Holley; EDPB2009 / 2024"양호한 OCR" 벤치마크; NLA 디지털화 컬렉션
스캔 — 손상·오래된 자료71–98%~85%Holley2009신문 제목 30종 이상, 1803–1954, 원시 문자 신뢰도
필기 — 최신 최고 시스템 (벤치마크)단어 정확도 94–99%96%GatedLexiconNet; LLM HTR 벤치마크2024–2025IAM (필기자 657명, 13,353줄); RIMES (프랑스어 편지)
필기 — 솔루션 간 범위46–95%~70%AIMultiple2026솔루션 12종, SBERT 유사도 점수
훼손된 원본 사진72.7–94.7%~84%IJSAT2026EasyOCR; 정상 vs 구겨짐/오염/젖음, 300 DPI
표 — 구조 (디지털 생성)TEDS 0.91–0.970.94PubTabNet 리더보드 (MuTabNet 0.969); TrOCR-ctx (0.909)2024–2025PubTabNet 말뭉치, TEDS 구조 유사도
표 — 감지 (보관 자료 / 손으로 그린 표)wF1 0.49–0.530.51ICDAR 2019 cTDaR2019보관 자료 트랙, IoU 0.6–0.9에서 가중 F1

출처는 위 표에 나열되어 있습니다. 문자/단어 수치는 동료 심사 완료 및 정부 연구에서 가져왔으며, 벤더가 주장한 수치는 그렇게 표시했습니다. TEDS와 wF1은 구조 수준 지표이므로 문자 정확도와 직접 비교할 수 없습니다 — 정확도 범위가 이렇게 넓은 이유를 참조하세요. 가장 심한 손상 행의 경우, 71% 하한은 성능이 가장 나쁜 오래된 신문 제목에 대한 2009년 측정값입니다(현재까지 발표된 가장 최근의 원시 수치). 유사한 문서에 적용된 최신 엔진은 이보다 상당히 높은 점수를 기록합니다(방법론 참조).

해상도는 가장 통제 가능한 정확도 변수이지만, 발표된 증거는 벤더 블로그가 시사하는 것보다 빈약합니다. 유일하게 엄격한 정부 연구인 미국 정부출판국(GPO)의 오래되고 변색된 문서에 대한 테스트에서는 더 높은 DPI가 아니라 컬러(RGB) 캡처가 결정적 요인이라는 사실이 밝혀졌습니다. RGB 스캔은 GPO의 99% 문자 정확도 요구사항을 충족한 반면, 동일 문서의 비트맵(흑백) 스캔은 ~77%를 기록했고, 300에서 200 DPI로 다운샘플링해도 정확도 향상은 없었습니다(US GPO 백서).

DPI 및 스캔 품질별 분석

스캔 해상도 / 모드관찰된 효과출처연도
300 DPI 이상(표준)선명한 인쇄물에서 98–99% 문자 정확도 충족; 10pt 미만 글꼴에는 400–600 DPI 권장Univ. of Pittsburgh OCR guide; US GPO2024 / ~2022
200 DPI선명한 인쇄물에서는 충분; GPO 테스트에서 300에서 다운샘플링해도 인식 결과는 변하지 않음US GPO~2022
150 DPI 미만영향이 큰 손상 요인으로 평가됨; 작은 글꼴은 실패하고 정확도는 98–99% 선명 구간 아래로 떨어짐LlamaIndex glossary; degradation floor per IJSAT (2026)2026
72 DPI(화면 캡처)안정적인 문자 판별에 픽셀 밀도가 부족; 정확도에 "영향이 큼"으로 분류됨LlamaIndex glossary2026
오래된 문서의 컬러(RGB) 대 비트맵 스캔오래되거나 변색된 원본에서 RGB는 99%, 비트맵은 ~77% 기록US GPO~2022

출처는 위 표에 나열되어 있습니다. 솔직한 단서를 참고하세요. 다른 모든 요인을 일정하게 유지하면서 DPI만 단독으로 분리한 동료 심사 연구는 없습니다. 따라서 "150 DPI 미만" 행은 LlamaIndex 참조 용어집의 명시적 저해상도 지침과 IJSAT(2026)가 300 DPI에서 측정한 물리적 손상 정확도 하한을 결합한 것으로, 대리 지표임을 명시합니다.

필드 유형은 판독 오류가 중요한지를 결정합니다. 문단에서 잘못 읽은 단어는 대부분의 워크플로에서 눈에 띄지 않지만, 인보이스 번호에서 잘못 읽은 숫자는 전체 필드를 실패로 만듭니다. 여러 엔진에서 필드 유형을 분리한 유일한 공개 벤치마크는 2025년 인보이스 추출 연구이며, 필드 유형과 엔진에 따라 40–98%에 달하는 그 편차는 "OCR 정확도"가 하나의 숫자가 아니라는 가장 명확한 증거입니다(BusinessWareTech, 2025).

필드 유형별 분석

필드 유형정확도 범위맥락출처연도
키-값 텍스트 필드(인보이스 헤더)엔진별 78–98%GPT-4o + OCR 98%, Azure Document Intelligence 93%, Google Document AI 82%, AWS Textract 78%BusinessWareTech2025
라인 항목 / 표 행엔진별 40–82%라인 항목 감지: 동일 테스트에서 Textract 82% vs Google Document AI 40%BusinessWareTech2025
숫자 필드(날짜, 합계, ID)78–98%(필드 범위 내)제한된 형식이 도움이 되지만, 숫자 하나만 잘못 읽어도 필드가 실패합니다BusinessWareTech; AIMultiple 인보이스 벤치마크2025–2026
체크박스 / 마크 감지신뢰할 수 있는 공개 벤치마크 없음데이터 공백 — 한계에서 지적됨; 기존 마크 감지 문헌은 AI OCR 이전의 것——
서명(인식)공개 정확도 벤치마크 없음데이터 공백 — 벤더는 인식 정확도가 아닌 감지를 보고합니다——

출처는 위 표에 나열되어 있습니다. 78–98%와 40–82% 수치는 단일 독립 벤치마크(BusinessWareTech, 2025, 실제 인보이스 테스트 세트)에서 나온 것으로, C등급 출처이며 AIMultiple의 인보이스 벤치마크가 방향성을 뒷받침합니다. AIMultiple은 모든 도구에서 품질이 낮은 문서의 정확도가 급격히 떨어진다는 사실을 발견했습니다(AIMultiple, 2026). "데이터 공백"으로 표시된 행은 인용 가능한 제3자 측정값이 없으며, 벤더 수치로 채우지 않고 그대로 기재한 것입니다.

언어는 가장 덜 알려진 정확도 차원입니다. 거의 어떤 벤더도 언어별 벤치마크를 공개하지 않기 때문입니다. 동료 심사를 거친 유일한 다국어 비교 연구인 2021년 연구(영어 및 아랍어 문서 이미지 18,568건)는 동일한 엔진에서 영어 정확도가 아랍어보다 "상당히 높다"고 밝혔으며, 기본 설정 인식에서 그 격차는 10–25%포인트 수준이었습니다(Hebert et al., 2021). 필기 벤치마크는 두 번째 데이터 포인트를 추가합니다. 프랑스어(RIMES)와 영어(IAM) 필기는 이제 최고 수준 시스템에서 인쇄물에 가까운 품질에 도달했지만, 이는 깨끗하고 표준화된 말뭉치 필기에 한해서입니다.

언어 및 문자별 분석

언어 / 문자정확도근거출처연도
영어 — 인쇄(깨끗함)96–99.5%깨끗한 텍스트에 대한 모든 주요 엔진의 기준선Hebert et al.; EDPB2021 / 2024
아랍어 — 인쇄영어보다 약 10–25%포인트 낮음동일 엔진, 단일 공통 글꼴 말뭉치, 여전히 상당히 낮음Hebert et al.2021
영어 필기(IAM 벤치마크)SOTA 단어 정확도 약 94.3%WER 5.73%(GatedLexiconNet), GPT-4o-mini 사용 시 WER 3.34%GatedLexiconNet; LLM HTR benchmark2024–2025
프랑스어 필기(RIMES 벤치마크)문자 정확도 약 97–99%비즈니스 서신에서 CER 0.9–1.7%GatedLexiconNet2024
CJK, 데바나가리 및 기타 문자비교 가능한 공개 벤치마크 없음데이터 공백 — 동료 심사를 거친 엔진 간 비교를 찾지 못함——

출처는 위 표에 나열되어 있습니다. IAM과 RIMES는 표준화된 필기 말뭉치입니다. 실제 환경의 지저분한 필기, 특히 인쇄체와 필기체가 섞인 경우는 이러한 깨끗한 말뭉치 수치보다 낮은 점수를 받습니다(문서 유형 표의 46–95% 교차 솔루션 범위가 실제 환경 기준입니다). 아랍어 격차는 단일 공통 글꼴 말뭉치에서 발표된 "영어 정확도가 아랍어보다 상당히 높았다"는 결과를 보수적으로 해석한 것입니다. 더 어려운 말뭉치라면 격차가 더 벌어질 가능성이 높습니다.

정확도 범위가 이렇게 넓은 이유: 네 가지 지표, 하나의 단어

OCR 정확도 데이터에서 가장 넓은 겉보기 모순은 측정 오류가 아니라 서로 다른 문서 조건에 적용된 서로 다른 지표입니다. "99% 문자 정확도"와 "78% 필드 정확도"는 같은 시스템을 설명하며, "wF1 0.49 표 감지"와 "TEDS 0.96 표 구조"는 서로 다른 말뭉치에서 같은 기술을 설명합니다.

사용되는 네 가지 지표는 엄격한 난이도 계층을 이룹니다. 문자 정확도(99% 이상)는 부풀리기 가장 쉽습니다. 단어 정확도는 더 낮은데, 잘못된 문자 하나가 단어 전체를 실패로 만들기 때문입니다. 호주 신문 교정 연구는 원시 역사적 출력에서 81.7% 단어 정확도를 측정했으며, 수동 교정 후 97.6%로 상승했습니다(Cassidy, 2019, 동일 말뭉치 등급에 대한 Macquarie University 연구). 필드 정확도는 더 낮은데, 잘못된 숫자 하나가 필드 전체를 실패로 만들기 때문입니다(위의 78–98% 엔진 범위). 구조적 지표(표의 TEDS, 감지의 wF1)는 완전히 별개의 축입니다. 표가 완벽한 문자로 읽히더라도 행/열 구조가 잘못 재구성되면 낮은 점수를 받을 수 있습니다. 이것이 현대 표 구조 인식이 TEDS 0.91–0.97에 도달하는 동안에도 아카이브 표 감지가 wF1 0.49–0.53에 그치는 이유입니다(TrOCR-ctx, 2025; PubTabNet 리더보드).

노이즈는 편차를 더욱 증폭시킵니다. 동료 심사 완료된 Hebert et al. 연구에서 깨끗한 책 스캔에 인공 노이즈 한 겹을 추가하자 최고 엔진의 단어 정확도가 약 96%에서 82.5%로 떨어졌고, 오픈소스 Tesseract는 58.4%로 떨어졌습니다. 노이즈 두 겹은 더 낮아졌습니다(Hebert et al., 2021). 이것이 "OCR은 얼마나 정확한가?"에 대한 정직한 답이 항상 문서 유형에 따라 조건화된 범위인 이유이며, 단일 숫자 주장은 보편적 옷을 입은 깨끗한 텍스트 측정값으로 취급해야 하는 이유입니다.

이 데이터를 활용하는 방법

"OCR 정확도가 99%라고 들었다"는 말 — 모든 벤더가 반복하는 주장이자 이 페이지가 검증하는 대상 — 을 여러분의 문서에 적용할 수 있는 방어 가능한 기대치로 바꾸는 데 전체 감사가 필요한 것은 아닙니다. 위 범위를 사용한 3단계 간이 계산이면 충분하며, 보통 헤드라인 수치가 실제로 처리하는 문서에는 적용되지 않는다는 사실을 드러냅니다.

  1. 문서 구성을 분류하세요. 처리량을 위 밴드로 나누세요 — 예를 들어 월 1,000건의 인보이스가 흐르는 일반적인 매입채무 프로세스라면: 70% 디지털 생성 PDF(99.2–99.8%), 20% 선명한 스캔본(98–99%), 10% 손상된 스캔본 또는 필기 주석이 있는 파일(중간값 약 85%).
  2. 문자 정확도를 필드 정확도로 변환하세요. 문자 단위 수치는 추출 워크플로를 실제보다 좋아 보이게 합니다. 대신 엔진 티어에 맞는 측정된 필드 단위 밴드를 사용하세요: 중간 티어 클라우드 프로세서 93%, LLM 보조 파이프라인 98%, 하위 티어 엔진 78–82%(BusinessWareTech 2025).
  3. 월별 오류 수를 추정하세요. 필드 정확도 93%, 인보이스당 12개 필드라면 1,000건의 인보이스에서 검토 전 기준 약 월 840개의 잘못된 필드가 발생합니다(1,000 × 12 × 7%). 처리량의 10%가 손상되었거나 필기라면 이 오류 수는 밴드 격차만큼 — 일반적으로 필드 정확도 15–30%포인트 — 증가합니다.
  4. 이 수치가 수용 가능한지 판단하세요. 월 840개의 잘못된 필드가 다운스트림 시스템이 감당할 수 있는 범위를 초과한다면, 공개된 해결책은 다음과 같습니다: 스캔 품질을 300-DPI/RGB 밴드로 높이기(GPO는 이것만으로 오래된 문서에서 77%→99% 격차가 해소된다고 밝혔습니다), 신뢰도가 낮은 필드를 사람 검토로 라우팅하기, 또는 과거 단어 정확도를 81.7%에서 97.6%로 끌어올린 보정 단계 적용하기(Cassidy, 2019).

이것은 대략적인 추정 공식이며, 여러분의 문서를 직접 벤치마킹하는 것을 대체하지 않습니다. 이 페이지의 모든 공개 범위는 다른 사람의 말뭉치에서 측정된 것입니다 — 여러분의 워크플로에 적용되는 유일한 정확도 수치는 여러분이 직접 측정한 값입니다. 이 페이지의 가치는 측정하기 전에 기대치를 설정하는 데 있습니다.

자주 묻는 질문

평균 OCR 정확도는 얼마인가요?

평균은 전적으로 문서 유형에 따라 달라집니다. 이 페이지의 출처들을 종합하면, 선명한 디지털 생성 텍스트는 평균 99.2–99.8%의 문자 정확도(IntuitionLabs 2025; ABBYY), 선명한 스캔본은 98–99%(Holley 2009; EDPB 2024), 손상·오래된 스캔본은 71–98%(Holley 2009), 필기는 솔루션에 따라 46–95%(AIMultiple 2026)입니다. 단일한 "평균 OCR 정확도" 수치는 의미가 없습니다 — 그 범위가 곧 답입니다.

좋은 OCR 정확도는 얼마인가요?

널리 채택된 호주 국립도서관의 척도는 좋은 인쇄 텍스트 OCR을 98–99%의 문자 정확도(1–2% CER)로, 보통을 90–98%, 나쁨을 90% 미만으로 정의합니다(Holley, 2009). 비즈니스 데이터에서 중요한 지표인 필드 수준 추출의 경우, 더 현실적인 "좋음"은 93–98%이며, 이는 2025년 인보이스 벤치마크에서 최상위 엔진들만 도달한 수치입니다.

스캔 문서와 디지털 PDF에서 OCR 정확도는 어떻게 다른가요?

인쇄 텍스트의 선명한 스캔본은 98–99%의 문자 정확도를 보입니다 — 디지털 생성 텍스트의 99.2–99.8%에 근접하지만 동일하지는 않습니다. 스캔본이 손상되면 격차는 급격히 벌어집니다: 오래된 신문 스캔본은 71–98%의 원시 정확도를 기록했고(Holley 2009), 훼손된 원본은 300 DPI에서도 72.7–94.7%로 떨어졌습니다(IJSAT 2026). 낮은 DPI, 비트맵(흑백) 캡처, 노화된 종이는 각각 스캔본을 이 범위의 아래쪽으로 밀어냅니다.

필기 OCR 정확도는 얼마인가요?

최신 시스템은 IAM, RIMES 같은 선명한 벤치마크 말뭉치에서 ~94–99% 단어 정확도에 도달하지만(GatedLexiconNet 2024; LLM HTR benchmark 2025), 모든 솔루션을 통틀으면 범위는 46–95%입니다(AIMultiple 2026) — 구형 엔진은 하한에 머물고, 지저분한 실제 필기, 인쇄체와 필기체가 섞인 글, 역사적 문자는 선명한 말뭉치 수치보다 훨씬 낮은 점수를 받습니다.

OCR 정확도에 가장 좋은 DPI는 무엇인가요?

300 DPI가 표준 권장 사항입니다. 선명한 인쇄물에서 98–99% 문자 정확도 범위를 충족하며, 10pt 미만 글꼴에는 400–600 DPI가 권장됩니다(University of Pittsburgh OCR 가이드). 특히 GPO의 연구에 따르면 오래된 문서에서는 해상도보다 스캔 색상 모드가 더 중요했습니다. RGB 캡처는 99%를 기록한 반면 비트맵(흑백)은 약 77%에 그쳤고, 300에서 200 DPI로 다운샘플링해도 결과는 달라지지 않았습니다.

표에서 OCR 정확도가 더 낮은 이유는 무엇인가요?

표는 문자 인식 위에 구조 인식 단계가 추가됩니다. 엔진은 내용을 사용하기 전에 행, 열, 병합된 셀을 재구성해야 합니다. 최신 시스템은 디지털 생성 표 말뭉치에서 TEDS 0.91–0.97을 기록하지만(PubTabNet 리더보드; TrOCR-ctx 2025), 보관 문서나 손으로 그린 표는 wF1 0.49–0.53 감지로 떨어집니다(ICDAR 2019 cTDaR). 또한 실제 인보이스 테스트에서 라인 항목 추출은 엔진에 따라 40–82% 범위였습니다(BusinessWareTech 2025).

OCR 정확도는 언어에 따라 다른가요?

예 — 상당히 다릅니다. 유일한 동료 심사 완료 교차 언어 비교 연구에 따르면 동일한 엔진과 말뭉치에서 영어 정확도가 아랍어보다 10–25%포인트 더 높았습니다(Hebert et al. 2021). 필기 벤치마크에서는 프랑스어와 영어 말뭉치가 최상위 시스템에서 이제 인쇄물에 가까운 품질에 도달했지만, CJK, 데바나가리 또는 기타 문자 체계에 대해서는 비교 가능한 공개 벤치마크가 존재하지 않습니다 — 이는 실제 데이터 공백입니다(한계 참조).

방법론 및 출처

이 페이지는 어떻게 만들어졌나

이 페이지는 1995~2026년에 걸친 16개의 독립 연구 데이터를 집계합니다. 출처는 세 가지 기준으로 선정했습니다: (1) 표본 크기가 명시된 공개 문서화 방법론, (2) 가능한 경우 최근 3년 이내 수집된 데이터, 오래된 출처는 본문에 연도 표기, (3) 마케팅 주장이 아닌 문서 처리와의 관련성. 여러 출처가 동일 차원을 보고하는 경우 보수적 범위(보고된 최저~최고 값)를 사용합니다 — 과소 주장을 선호합니다. 출처가 크게 불일치하는 경우, 그 불일치는 평균으로 뭉개지 않고 지표 수준이나 말뭉치로 설명합니다.

지표 구분이 이 페이지의 척추입니다: 문자 수준, 단어 수준, 필드 수준, 구조 수준(TEDS/wF1) 수치는 절대 하나의 숫자로 혼합하지 않습니다. 벤더 자체 보고 수치(ABBYY의 99.8%)는 벤더 주장으로 표기하고 상한 참조로만 사용하며, 이는 검증을 요구하는 D등급 인용 규칙에 따른 것입니다 — 이 경우 IntuitionLabs의 독립 측정으로 모든 엔진이 쉬운 타이핑 텍스트에서 99.2%를 초과함이 확인되었습니다.

출처 목록

  1. Holley, R. — "How Good Can It Get?" D-Lib Magazine 15(3/4) (2009). National Library of Australia 신문 디지털화 프로그램; 1803–1954년 30개 이상의 역사적 신문 제목에 걸친 원시 문자 신뢰도 측정. 71–98.02%의 손상 스캔 범위, 98–99%/90–98%/<90% 양호/보통/불량 척도, 1–2% CER "양호" 벤치마크를 제공합니다.
  2. Hebert, J. et al. — "OCR with Tesseract, Amazon Textract, and Google Document AI: a benchmarking experiment," Journal of Computational Social Science (2021). 동료 심사 완료; n=322 영어 도서 스캔 + n=100 아랍어 기사 스캔 × 43가지 노이즈 유형 = 18,568개 문서, 51,304건 요청. 깨끗한 문서에서 노이즈 문서로의 단어 정확도 하락(~96%→82.5%→58.4%), 영어 대 아랍어 격차, 서버 대 오픈소스 비교를 제공합니다.
  3. Rice, S.V., Jenkins, F.R. & Nartker, T.A. — "The Fourth Annual Test of OCR Accuracy," UNLV ISRI (1995). 460페이지 DOE 샘플 + 200페이지 잡지 샘플에 대한 상용 OCR의 연례 독립 평가. 깨끗한 텍스트 상한선을 뒷받침하는 1992–1995년 문자 정확도 발전(~94%→98%+)을 제공합니다.
  4. NIST IR 6101 — "Impact of image quality on machine print optical character recognition" (1998). Federal Register 페이지에 대한 세 가지 상용 OCR 제품의 미국 국립표준기술연구소 평가. "1% 오류율은 고정 형식의 깨끗한 원본이 필요하다"는 제약을 제공합니다.
  5. European Data Protection Board — "AI Possible Risks & Mitigations: OCR" (2024). EU 규제 기관의 기술 지침. 일반 인쇄 문서의 95–99% 범위와 98–99% 프로덕션 보장 수준을 제공합니다.
  6. US Government Publishing Office — "Optimizing OCR Accuracy on Older Documents" 백서. GPO의 99% 정확도 요구사항에 대한 노후·변색 문서의 스캔 모드 및 개선 사항 공식 테스트. RGB 99% 대 비트맵(흑백) ~77% 결과와 300→200 DPI 다운샘플링 결과를 제공합니다.
  7. "Optical Character Recognition Accuracy on Degraded Documents," IJSAT (2026). 동료 심사 완료; 300 DPI에서 네 가지 물리적 상태에 대한 EasyOCR. 정상 94.7% / 구겨짐 86.9% / 오염 80.9% / 젖음 72.7% 정확도 사다리를 제공합니다.
  8. AIMultiple — "OCR Benchmark: Text Extraction / Capture Accuracy" (2026). Sentence-BERT 코사인 유사도를 사용한 벤더 중립적 분석가 벤치마크; 12개 이상의 솔루션. 46–95% 필기 범위와 솔루션별 선두(GPT-5 95%, olmOCR-2-7B 94%, Gemini 2.5 Pro 93%)를 제공합니다.
  9. AIMultiple — "Invoice OCR Benchmark: Extraction Accuracy of LLMs vs OCRs" (2026). 벤더 중립적 벤치마크, 공개된 20개 인보이스의 400개 이상 키-값 쌍. 저품질 대 고품질 정확도 하락 결과를 제공합니다.
  10. Gao, L. et al. — "ICDAR 2019 Competition on Table Detection and Recognition (cTDaR)," ICDAR (2019). 학술 대회, 11개 팀, 손으로 그린 표와 필기 표가 포함된 현대·기록물 데이터셋. 기록물 트랙 wF1 0.49(이후 모델 0.53) 표 감지 하한을 제공합니다.
  11. OpenCodePapers — "Table Recognition on PubTabNet" 리더보드 (2024). PubTabNet 말뭉치에서 발표된 TEDS 결과를 추적하는 기술 벤치마크 집계 사이트. TEDS 상한을 제공합니다: MuTabNet 0.9687(2024), TableMaster 0.9676, SLANet 0.963.
  12. "Tabular context-aware OCR and tabular data reconstruction for historical records" (2025). 동료 심사 완료; PubTabNet, SROIE, CORD, 기록물 말뭉치 전반에 걸친 TrOCR-ctx. TEDS 0.909(PubTabNet), 0.967(SROIE), 0.986(CORD) 표 구조 점수를 제공합니다.
  13. "Enhancing handwritten text recognition accuracy with gated mechanisms" (2024). 동료 심사 완료; IAM, RIMES, READ-2016에 적용한 GatedLexiconNet. IAM WER 5.73%/CER 2.27% 및 RIMES CER 0.9%의 최신 필기 수치를 제공합니다.
  14. "Benchmarking Large Language Models for Handwritten Text Recognition" (2025, Journal of Documentation). 동료 심사 완료; 7개 말뭉치에서 독점 및 오픈 LLM과 Transkribus 비교. GPT-4o-mini IAM 1.71% CER/3.34% WER, GPT-4o RIMES 1.69% CER/3.66% WER, 그리고 현대적 CER<5% 품질 기준을 제공합니다.
  15. BusinessWareTech — "AWS Textract vs Google, Azure, and GPT-4o: Invoice Extraction Benchmark" (2025). 실제 인보이스에 대한 독립 벤치마크; C등급(단일 테스트 세트, 투명한 방법). 엔진별 필드 정확도 78–98%와 엔진별 라인 항목 감지 40–82%를 제공합니다.
  16. IntuitionLabs — "Pharma Document AI & OCR Accuracy: A Benchmark Report" (2025-04). 혼합 문서 벤치마크를 요약한 업계 연구; C등급. 쉬운 타이핑 텍스트에서 모든 엔진 >99.2% 및 Google Cloud Vision 전체 약 98% 결과를 제공합니다.
  17. ABBYY FineReader (벤더 주장). D등급 자체 보고 수치로, 깨끗한 텍스트 상한으로만 사용되며 그렇게 표기됨. "깨끗한 스캔에서 최대 99.8% 정확도"; 팩스/저해상도 개선 주장도 문서화합니다.
  18. LlamaIndex — "What is OCR Accuracy Rate?" 용어집 (2026). 요인 영향 표가 포함된 참조 용어집. DPI 사다리(72 vs 300 vs 600 DPI)와 DPI 표에 사용된 300 DPI 최소 권장 사항을 제공합니다.
  19. University of Pittsburgh — "Best Practices: OCR" 라이브러리 가이드. 대학 디지털화 지침. 300 DPI 표준과 <10pt 글꼴에 대한 400–600 DPI 권장 사항을 제공합니다.
  20. Cassidy, S. — "The Impact of OCR Quality on the Use of Digitized Historical Texts" (Macquarie University). 역사적 신문을 대상으로 한 OCR 후처리 교정에 관한 동료 심사 완료 연구입니다. 단어 정확도가 81.7%→97.6%로 향상되는 교정 효과를 제시합니다.

한계

  • 지리적 범위: 출처는 북미, EU, 호주, 그리고 (필기의 경우) 유럽 말뭉치에 집중되어 있습니다. 라틴아메리카나 아프리카에 대한 신뢰할 만한 1차 데이터는 발견되지 않았으며, CJK/데바나가리 비교는 우리가 찾은 동료 심사 문헌에 없습니다.
  • 방법론 제약: 클라우드 벤더(Google, Azure, Amazon)는 문서 유형별 방법론이 투명한 정확도 벤치마크를 공개하지 않습니다 — 그들의 "99%+" 수치는 측정이 아닌 마케팅이며, 독립 연구가 측정한 경우를 제외하고 여기서는 제외했습니다. 여러 핵심 수치는 단일 연구 데이터 포인트(BusinessWareTech 필드 정확도, IJSAT 성능 저하)에 의존하며 등급과 함께 표기했습니다. ABBYY의 99.8%는 검증된 상한으로만 사용된 벤더 주장입니다.
  • 시간적 공백: UNLV ISRI(1995)와 NIST(1998) 데이터는 27년 이상 되었지만 선명한 텍스트 정확도 상한에 대한 유일한 공개 종단 기록으로 남아 있습니다. 연도별로 표기하고 역사적 맥락으로 사용합니다. Holley(2009)의 손상 스캔 하한은 역사적 신문에 대해 공개된 가장 최근의 원시 수치입니다 — 최신 엔진은 이런 문서에서 더 나은 점수를 받으므로(Hebert et al. 2021) 표에 둘 다 표시했습니다.
  • 찾지 못한 것: (1) 최신 AI OCR의 체크박스/마크 감지에 대한 신뢰할 만한 공개 벤치마크 — 문헌은 레거시 OMR입니다; (2) 서명 인식 정확도 — 벤더는 감지가 아닌 인식 정확도를 보고합니다; (3) 다른 요인을 고정하고 DPI만 분리한 동료 심사 통제 연구; (4) 화면 캡처(스크린샷) OCR의 표준화된 벤치마크; (5) 라인 항목 수치를 넘어선 혼합 레이아웃 문서(한 페이지에 텍스트 + 표 + 이미지) — 이것이 유일한 공개 대리 지표입니다. 이러한 공백은 검증 불가능한 벤더 수치로 채우지 않고 명시했습니다.

관련 참고 자료: 유형 및 역할별 수동 데이터 입력 오류율 · 광학 문자 인식(OCR)이란 무엇인가?

관련 글: OCR 정확도를 높이는 방법: 실용적인 팁 10가지 · AI 문서 추출은 실제로 얼마나 정확할까? · ABBYY FineReader vs 최신 AI OCR

📮 contact email: [email protected]