Invoice Character Recognition with Hangul(Korean Alphabet) Sub-Character-Based OCR

최근 로봇 및 AI 기술의 발전으로 물류 산업의 자동화가 가속화됨에 따라, 송장 처리 과정에서 정확한 문자 인식 기술의 필요성이 강조되고 있다. 그러나 서식의 규격화에 의존하는 기존 OCR은 비정형 송장에 대응하기 어렵다. 본 연구에서는 이러한 한계를 극복하기 위해 자모 기반 OCR을 제안한다. 제안 모델의 인코더는 사전학습된 ViT를 사용하고, 디코더는 8층 트랜스포머 구조로 설계하였다. 또한, 인코더와 디코더 사이에 Additive Gated Bridge를 삽입하여, 의미 있는 특징을 효과적으로 전달하도록 설계하였다. 학습은 합성 데이터 기반 사전학습과 송장 데이터 기반 파인튜닝으로 구성하였으며, 각 에폭마다 인식에 실패한 샘플을 재학습에 반영하였다. 그 결과, 제안한 방법은 평가 데이터셋에서 완전 일치 정확도 0.92를 기록하였다.