수학 문제 데이터베이스화 프로젝트 (지학사) · OCR 기반 수학 문제 데이터 검수 시스템 개발
㈜프리딕션 · Client: ㈜지학사
2020.12 — 2021.03
Overview
지학사 수학 문제 데이터베이스화 사업의 일환으로, 오프라인 수학 문제지·문제집 이미지를 대규모 디지털화하는 과정에서 OCR 결과 데이터의 품질을 안정적으로 관리하기 위한 검수 시스템을 개발했습니다. 수식·기호·문항 구조가 복잡한 수학 문제 특성상 OCR 오류가 빈번하게 발생하므로, 인식 결과를 빠르고 정확하게 수정·정제하는 운영용 검수 시스템 구축이 핵심 과제였습니다. ㈜프리딕션 소속으로 참여했으며 프론트·AI/데이터를 겸임했습니다.
Key Metrics
Highlights
- 데이터 검수 시스템 범위 정의 및 End-to-End 처리 흐름(이미지 수집→OCR→검수·보정→구조화 적재) 설계
- OCR 결과 시각화 및 검수 인터페이스(UI/UX) 설계
- 위치 기반 수식 탐지·식별 및 데이터 구조화 로직 구현 (OpenCV 전처리 포함)
- 라벨링 보조 알고리즘 및 반자동 검수 파이프라인 구성 (자동 보정–프롬프트 보정–수동 검수)
- AI OCR 정확도 98% 달성 — 검수 교정 데이터를 학습에 반영
Key Decisions
복합 수식 이미지의 KaTeX 텍스트 변환
문제분수·루트·첨자 등 복합 수식과 그림·보기가 혼재된 수학 문제 이미지는 일반 OCR로 정확한 구조 인식이 어려웠습니다.
결정AI OCR로 수학 문제 이미지를 KaTeX 문법 텍스트로 변환하고, 위치 기반 수식 탐지·식별 알고리즘으로 수식 영역을 구분해 인식했습니다.
결과자체 테스트 정확도 98%를 달성했으며, 복합 수식·기호를 구조를 보존한 텍스트로 안정적으로 변환했습니다.
인식 편차를 줄이는 OpenCV 전처리·데이터 증강
문제폰트·배경·스캔 품질 편차가 커서 동일한 유형의 문제라도 인식 결과가 들쭉날쭉했습니다.
결정OpenCV 기반 데이터 증강·전처리로 폰트·배경·스캔 품질 편차에 대응하고, 문항 구조를 보존하는 데이터 스키마를 설계했습니다.
결과인식 편차를 축소했고, 검수 과정에서 교정된 데이터를 다시 학습에 반영해 정확도를 지속적으로 개선했습니다.
수작업 검수 효율을 높이는 반자동 파이프라인
문제대량 이미지를 라벨러가 전량 수동 검수하기에는 시간·비용 부담이 컸습니다.
결정문항·수식 위치 단위 시각화 검수 인터페이스에 라벨링 보조 알고리즘·자동 보정 규칙을 결합해 자동 보정–프롬프트 보정–수동 검수의 반자동 파이프라인을 구성했습니다.
결과라벨러 10명+이 대량 데이터를 효율적으로 검수·정제할 수 있는 운영 체계를 마련했습니다.
Challenges & Solutions
문제수학 문제는 수식·기호·레이아웃이 복잡해 OCR 오류가 잦았고, 잘못된 데이터가 그대로 쌓이면 상용 DB의 신뢰도가 무너졌습니다.
해결위치 기반 수식 탐지와 OpenCV 전처리로 인식 정확도를 높이고, 문항·수식 위치 단위 시각화 검수 인터페이스와 반자동 파이프라인으로 데이터 무결성을 이중으로 확보했습니다.
Impact
- AI OCR 정확도 98% 달성(자체 테스트) — 분수·루트·첨자 등 복합 수식·그림·보기 혼재 이미지를 KaTeX 텍스트로 변환
- 문항·수식 위치 단위 시각화 검수 인터페이스와 자동 보정 규칙으로 수작업 검수 효율 개선
- 지학사 수학 문제 대량 구조화에 운영 시스템으로 실제 적용, 상용 DB 구축에 기여
- 이후 자체 AI OCR 고도화 및 메가스터디교육 JV 마이스 공동 개발로 이어짐
Architecture
- End-to-End 처리 흐름: 이미지 수집 → AI OCR(KaTeX 변환) → 검수·보정 → 구조화 적재
- AI OCR: 수학 문제 이미지 → KaTeX 문법 텍스트 변환, 위치 기반 수식 탐지·식별 알고리즘
- 전처리: OpenCV 기반 데이터 증강·전처리(폰트·배경·스캔 품질 편차 대응), 문항 구조 보존 데이터 스키마
- 검수 파이프라인: 문항·수식 위치 단위 시각화 + 라벨링 보조 알고리즘·자동 보정 규칙 → 자동 보정–프롬프트 보정–수동 검수
- 백엔드 API는 Flask, 웹 검수 인터페이스는 React로 구현