사진 속 손글씨 읽기

읽을 수 있는 것과 정말 읽을 수 없는 것

이어 쓴 필기체는 여기서 인식되지 않으며, 페이지는 그럴듯한 엉터리 결과를 내놓는 대신 그렇다고 알려 드립니다. 이 페이지에서 가장 중요한 문장입니다. 인쇄물 인식은 글자 사이의 경계를 찾아 각 모양을 대조하는 방식인데, 필기체에는 경계가 없습니다. 글자들이 하나로 이어진 획이고, 무엇과 이어지느냐에 따라 모양이 달라지기 때문입니다. 같은 문제의 어려운 버전이 아니라 근본적으로 다른 문제입니다.

잘 되는 것, 그것도 꽤 잘 되는 것은 글자를 떼어 쓴 손글씨 정자체입니다. 대문자, 칸마다 한 글자씩 채운 양식, 정성껏 쓴 장보기 목록, 제도용·건축용 레터링이 그렇습니다. 글자 사이에 간격이 있는 개별 모양이므로, 변형이 더 많을 뿐 인쇄물과 같은 문제입니다. 양식의 칸은 최고의 경우입니다. 칸이 글자를 대신 떼어 주기 때문입니다.

손글씨의 정확도는 어떤 경우든 인쇄물보다 훨씬 낮으므로, 결과는 믿어도 되는 답이 아니라 고쳐 써야 할 초안입니다. 인식이 얼마나 확실했는지 표시되니 적극 활용하세요. 계좌 번호 속 숫자의 낮은 확신도는 문맥으로 읽을 수 있는 문장 중간의 낮은 확신도보다 훨씬 중요합니다. 정말 위험한 오류는 확신에 찬 오류입니다. 1을 7로, 5를 S로 읽는 경우처럼, 아무 표시도 없고 둘 다 그럴듯하기 때문입니다.

더 좋은 결과를 얻는 방법은 대부분 사진에 달려 있습니다. 평평하게, 고른 조명에서, 비스듬하지 않게 정면으로, 초점을 맞춰, 카메라가 허락하는 한 크게 찍으세요. 줄 없는 무지 종이에 쓴 진한 잉크가 모눈종이에 쓴 연필보다 잘 읽힙니다. 격자의 선도 획으로 인식되기 때문입니다. 결과는 일반 텍스트이며, 레이아웃과 색은 없고 지운 줄이 무엇인지도 표시되지 않습니다.

다른 작업이 필요할 때

진짜 필기체라면, 솔직히 말해 클라우드 서비스가 이 도구로는 못 읽는 것을 읽어 냅니다. Google Cloud Vision, Azure AI Vision, Amazon Textract는 모두 이어 쓴 손글씨를 로컬에서 실행되는 어떤 도구도 따라가지 못할 수준으로 처리합니다. 훨씬 방대한 자료로 학습했기 때문입니다. 대신 페이지를 제3자에게 보내야 하며, 이 사이트가 피하려는 바로 그 거래입니다. 요리 레시피 카드라면 합리적인 선택이지만, 진료 기록이나 일기라면 좋지 않은 선택입니다.

역사 문서와 기록물이라면 Transkribus가 그 일을 위해 만들어졌고 실제 기록 보관소에서 쓰입니다. 특정인의 필체로 학습시킬 수 있어서, 수백 년 된 필사본도 읽을 수 있게 됩니다. 그리고 한두 페이지라면 엉성한 인식 결과를 고치는 것보다 직접 입력하는 편이 빠를 때가 많습니다. 두 번째 방법을 택하기 전에 솔직하게 따져 볼 만합니다.