PaddleOCR Service: PaddleOCR을 AWS 서버리스로 배포하기

지난 글에서 PaddleOCR 3.0의 세 가지 모델(PP-OCRv5, PP-StructureV3, PaddleOCR-VL)을 테스트해 봤습니다. PP-OCRv5는 빠르고 가볍고, PaddleOCR-VL은 결과가 좋지만 GPU가 필요했습니다.

문제는 GPU 환경입니다. 매번 Colab 열어서 런타임 연결하고, 모델 로드하고, 이미지 업로드하고... 테스트할 때마다 이 과정을 반복하는 게 번거로웠습니다. 그래서 AWS에 배포해서 웹 브라우저에서 바로 테스트할 수 있는 플레이그라운드를 만들어봤습니다.

---

PaddleOCR Service란?

PaddleOCR Service는 PaddleOCR 모델들을 AWS 서버리스 인프라에서 테스트할 수 있는 웹 기반 플레이그라운드입니다. 이미지나 PDF를 업로드하면 OCR 결과를 바로 확인할 수 있고, 바운딩 박스 오버레이로 인식 영역도 시각적으로 볼 수 있습니다.

 참고: 프로덕션 솔루션이 아닙니다. PaddleOCR 모델을 AWS 환경에서 실험하고 평가하기 위한 용도로 만들었습니다. 

---

지원 모델

이전 글에서 테스트했던 세 가지 모델을 모두 지원합니다.

PP-OCRv5

일반적인 텍스트 추출에 최적화된 모델입니다. 80개 이상 언어를 지원하고, 속도가 빠릅니다.

옵션

• 언어 선택 (한국어, 영어, 중국어, 일본어 등)
• 문서 방향 자동 보정
• 문서 왜곡 보정
• 텍스트 라인 방향 감지

PP-StructureV3

문서 구조 분석 모델입니다. 제목, 본문, 표, 이미지 등 20가지 레이아웃 요소를 구분합니다. 이전 테스트에서 한글 인식률이 낮았던 점은 여전하지만, 영문 문서나 표 추출이 필요한 경우에는 유용합니다.

감지 가능한 레이아웃

• doc_title: 문서 제목
• paragraph_title: 섹션 제목
• text: 본문 텍스트
• table: 표 (Markdown으로 변환)
• formula: 수식
• image, chart: 이미지, 차트
• 그 외 14가지 요소

PaddleOCR-VL

0.9B VLM 기반 End-to-End 문서 파싱 모델입니다. 이전 테스트에서 가장 결과가 좋았던 모델이죠. 별도 옵션 없이 자동으로 언어와 구조를 인식합니다.

로컬에서 CPU로 돌리면 이미지당 10분씩 걸렸는데, SageMaker GPU 인스턴스에서는 훨씬 빠르게 처리됩니다.

---

아키텍처

AWS 서버리스 아키텍처로 구성했습니다.

컴포넌트	AWS 서비스	설명
Frontend	CloudFront + S3	React 웹 애플리케이션
인증	Cognito	사용자 인증
API	API Gateway + Lambda	REST API
OCR 엔진	SageMaker Endpoint	PaddleOCR 모델 추론
저장소	S3	문서 및 결과 저장
컨테이너	ECR + CodeBuild	SageMaker용 Docker 이미지

처리 흐름

1. Cognito로 로그인
2. React 프론트엔드에서 이미지 업로드
3. API Gateway → Lambda → S3 저장
4. Lambda가 SageMaker 엔드포인트 호출
5. SageMaker에서 PaddleOCR 추론
6. 결과를 S3에 저장하고 프론트엔드로 반환

---

출력 포맷

네 가지 출력 포맷을 지원합니다.

포맷	설명	저장 형식
Markdown	구조화된 텍스트 (표 포함)	.md
HTML	웹 표시용 리치 포맷	.html
JSON	프로그래밍용 원본 데이터	.json
Blocks	바운딩 박스와 크롭 이미지 시각화	-

Document 탭에서는 OCR 결과를 직접 편집할 수 있습니다. 잘못 인식된 텍스트를 수정하거나 불필요한 부분을 삭제할 수 있죠. 편집 후 HTML 파일로 저장됩니다.

---

배포 방법

AWS CloudShell에서 간단하게 배포할 수 있습니다.

# 저장소 클론
git clone https://github.com/yunwoong7/paddle-ocr-service.git
cd paddle-ocr-service

# 배포 스크립트 실행
chmod +x deploy.sh
./deploy.sh

배포 과정에서 관리자 이메일과 SageMaker 인스턴스 타입을 입력하면 됩니다. 전체 배포는 약 20-30분 정도 소요됩니다.

비용 주의

 ⚠️ SageMaker 엔드포인트는 24시간 실행되며, ml.g5.xlarge 기준 월 $1,000 이상 비용이 발생합니다. 

사용하지 않을 때는 엔드포인트를 삭제하세요.

# 엔드포인트만 삭제
./cleanup.sh --endpoint-only

# 전체 리소스 삭제
./cleanup.sh

 

---

마무리

PaddleOCR을 AWS에서 돌릴 수 있게 만들어봤습니다. 로컬에서 테스트할 때의 번거로움은 줄었고, GPU 환경도 신경 쓸 필요 없어졌습니다. 다만 비용이 만만치 않아서, 상시 운영보다는 필요할 때만 띄워서 테스트하는 용도로 쓰는 게 좋을 것 같습니다.

코드는 GitHub에 공개해뒀습니다.

• GitHub: paddle-ocr-service