feat: Knowledge Gardening Milestone 380 (Batches #17-19)

10_Wiki/Topics/AI/Optical-Character-Recognition.md

@@ -1,31 +1,28 @@
 ---
-id: P-REINFORCE-AUTO-OOCR-001
+id: CV-OCR-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.97
-tags: [auto-reinforced, ocr, computer-vision, pattern-recognition, digitization, documented-intelligence]
-last_reinforced: 2026-04-20
+confidence_score: 1.0
+tags: [ai, computer-vision, ocr, text-recognition, deep-learning, tesseract]
+last_reinforced: 2026-04-26
 ---
 
-# [[Optical-Character-Recognition]]
+# [[Optical Character Recognition (OCR, 광학 문자 인식)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "이미지에서 지식을 채굴하다: 사진이나 스캔 문서 속의 글자 이미지를 기계가 읽을 수 있는 텍스트 데이터로 변환하여, 먼지 쌓인 종이 뭉치를 검색 가능한 지식의 보고로 부활시키는 컴퓨터 비전의 첫 번째 결실."
+> "픽셀의 덩어리에서 언어의 형상을 발견하고, 물리적 세상의 기록을 디지털 지식의 흐름으로 복원하라" — 이미지나 스캔된 문서 내의 텍스트를 식별하여 컴퓨터가 편집하고 검색할 수 있는 텍스트 데이터로 변환하는 기술.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-광학 문자 인식(OCR)은 이미지 형태의 문자를 디지털 텍스트로 인식하는 기술입니다.
-
-1.  **3대 단계**:
-    *   **Pre-processing**: 이미지 잡음 제거 및 글자 정렬. (Noise와 연결)
-    *   **Recognition**: 획의 패턴이나 특징을 추출하여 어떤 글자인지 판별. (Deep Learning (DL)와 연결)
-    *   **Post-processing**: 사전(Dictionary)을 대조하여 문맥상 어색한 오타 수정.
-2.  **왜 중요한가?**:
-    *   아날로그 세계의 지식을 디지털 지식 구조로 이전하는 '입구' 역할을 하며, 영수증 자동 처리, 자동차 번호판 인식 등 실생활 자동화의 핵심임. (Efficiency와 연결)
+- **추출된 패턴:** "Localization, Recognition, and Linguistic Refinement" — 먼저 글자가 어디에 있는지 영역을 찾고(Detection), 각 영역의 이미지를 문자로 번역하며(Recognition), 언어 모델을 통해 문맥상 자연스러운 단어로 교정하는 3단계 처리 패턴.
+- **주요 기술적 진화:**
+    - **Classic OCR (Tesseract):** 정해진 폰트와 깔끔한 배경 위주로 작동.
+    - **Deep Learning OCR (CRNN, Transformer):** 비정형 배경, 휘어진 텍스트, 다양한 필체 인식 가능.
+    - **Scene Text Recognition:** 자연 환경 속 간판이나 사물의 텍스트 탐지.
+- **의의:** 방대한 종이 문서의 디지털화(Digital Transformation)를 가능케 하며, 자율주행차의 표지판 인식, 번역 앱의 실시간 텍스트 치환 등 실생활 지능의 필수 관문 역할.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 정해진 폰트만 읽는 '템플릿 매칭 정책'이었으나, 현대 정책은 손글씨나 복잡한 배경 속 글자까지 읽어내는 '딥러닝 기반 지능형 OCR(IDP) 정책'으로 진화함(RL Update).
-- **정책 변화(RL Update)**: 최근에는 단순히 글자만 읽는 정책을 넘어, 문서의 레이아웃과 서식의 의미 정책까지 파악하는 '문서 이해(Document AI) 정책'으로 확장되어 멀티모달 모델의 핵심 기능 정책으로 편입됨. (Multimodal-Learning와 연결)
+- **과거 데이터와의 충돌:** 단순히 '글자 하나하나'를 맞히는 단계를 넘어, 이제는 문서의 레이아웃(표, 리스트 등)까지 파악하여 구조화된 JSON/Markdown으로 변환하는 Layout Analysis 기술이 현대 OCR의 핵심 경쟁력이 됨.
+- **정책 변화:** Antigravity 프로젝트는 외부 데이터 수집 시 이미지나 PDF 내의 텍스트를 지식화하기 위해, 최신 트랜스포머 기반 OCR 엔진을 활용하여 높은 정확도의 텍스트 추출을 보장함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Computer Vision]], [[Deep Learning (DL)]], [[Noise]], [[Multimodal-Learning]], [[Efficiency]]
-- **Modern Tech/Tools**: Tesseract, Google Cloud Vision, Amazon Textract, ABBYY FineReader, LayoutLM.
----
+- [[Computer-Vision-Foundations]], [[Natural-Language-Processing-NLP]], [[Object-Detection-Foundations]], [[Image-Segmentation]]
+- **Raw Source:** [[10_Wiki/Topics/AI/Optical-Character-Recognition.md]]