探検

【文字認識】OCRソフト【 自炊 】 [無断転載禁止]©2ch.net

■ このスレッドは過去ログ倉庫に格納されています
2016/08/09(火) 21:24:11.61ID:zXdCMkkb0
光学文字認識（こうがくもじ にんしき、Optical character recognition）ソフト
398名無しさん＠お腹いっぱい。
垢版 |
2021/08/27(金) 20:30:24.89ID:939FgqXL0
この車のナンバーって人工知能で解析できんかね。
http://himado.in/492909
399名無しさん＠お腹いっぱい。
垢版 |
2021/09/11(土) 09:26:02.33ID:XEPKqxnl0
CloudのAI OCRではGoogleのCloud Visionが優れていたが
最近AzureのCognitive Serviceを試してみたところ
文字の認識誤りの少なさではさらに上回る

ただし課題もあり、右から左へ改行していく縦書き文書を
左から右へ認識するので、行の順序が逆になる
読取順序をbasicからnaturalへ変えても同じ

幸い出力のjsonには座標情報が含まれているので
スクリプトによる後処理で行を並び替え
ついでにルビも削って整えているが
この辺をうまくやってくれるGUIがほしいところ
2021/09/11(土) 10:34:50.20ID:LOlOzN870
そのスクリプトは公開してるの？
PythonでGUI作れるかも。
401名無しさん＠お腹いっぱい。
垢版 |
2021/09/11(土) 11:06:47.97ID:XEPKqxnl0
>>400
公開するほど大したことない
AzureのAPIとのやりとりはPythonで
後処理はluaでやっている（速いしYAMAHA使いなので）

小ネタで、Google Cloud Visionには
Microsoft Automate Desktop が何気に対応していて
フォルダ内の画像に一括OCRをかける程度なら
ノーコードで簡単にGUI化できる
2021/09/11(土) 14:41:17.75ID:e30+Z8z90
e.Typistは終了
読取革命も終了
企業向け帳簿用以外の個人用OCRはもうおしまいだ
403名無しさん＠お腹いっぱい。
垢版 |
2021/09/15(水) 20:58:46.28ID:Vw0PVGR20
日本語ＯＣＲはくそ
404名無しさん＠お腹いっぱい。
垢版 |
2021/09/16(木) 07:00:29.94ID:oHPqQDLA0
ニーズはあるはずなのに程よくまとまったアプリがない
スクリプトでGoogleなりAzureなりのAIを使えば
認識精度は高いけど、求めるのはそれじゃない

画像をクラウドへ送りたくない向き用に
いわば認識エンジンをローカルへダウンロードできる
Docketの仕組みもあるし、
誰か小綺麗にパッケージ化してくれたら買うのにな
2021/09/17(金) 00:22:23.73ID:0acrvs2j0
>>404
それ、tesseract以外で作るのなら、エンジンライセンスだけで安くて数十万かかるんじない。買うって法人で買うの？
406名無しさん＠お腹いっぱい。
垢版 |
2021/09/17(金) 02:47:20.06ID:7J187VR90
自前で日本語認識エンジン作って遊ぼうとしてるけど、かなり難易度高い。
特に日本語は文字種が多くて、しかも英単語とか普通に混じってくるし。
売り物としたら数十万の売値になるくらい、計算機回してるわ

後半(文字の場所が分かっていて、それをテキストにする)はできたけど、
前半(どこに文字のboxがあるか)を当てるところで苦しんでる
407名無しさん＠お腹いっぱい。
垢版 |
2021/09/17(金) 07:14:06.31ID:pFveJpOG0
>>405
それがMicrosoft AzureのDockerなら
目安として1,000枚あたり112円の完全従量制で
個人でも検討範囲に十分入るんだ
エンジンはローカルで、クラウドとは
課金のための小容量の通信が時折発生するくらいで
2021/09/17(金) 12:13:11.15ID:wHT5xdlK0
Dockerってそういう使い方できるのか、ちょっと触ってみようかな。
2021/09/18(土) 12:21:57.09ID:q+UM7OU/0
>>406
CenterNet を試してみては如何ですか？
物体の中心を特徴点として検出した後、幅・高さのサイズを予測する手法です
2021/09/18(土) 14:19:37.46ID:kRyIOOu20
OCRも光学読み取りの精度にこだわりすぎずにBARTなどの文脈推定を入れればトータルの性能が上がる気がする
411名無しさん＠お腹いっぱい。
垢版 |
2021/09/18(土) 14:25:05.85ID:nHCGcW6c0
BERTっていうのね これ面白そうだ
小説でpre-trainedなモデルってあるのかな
2021/09/18(土) 14:40:51.41ID:Bzc3NP9C0
https://nlp.ist.i.kyoto-u.ac.jp/?BART日本語Pretrainedモデル
413名無しさん＠お腹いっぱい。
垢版 |
2021/09/18(土) 18:05:35.08ID:eBkRmb3c0
>>409
サンクスです。良い手法を教えていただきました

今やってるモデルは、u-net ベースで、CenterNetの中心ヒートマップを使ってる
感じです。
これを参考に改造して作ってます。
https://github.com/tanreinama/OCR_Japanease

lossを調整したら、ほぼうまく行くようになってきました。
完成したら公開しますので、また来ます。
2021/09/19(日) 08:55:39.56ID:nf9M18go0
>>413
お役に立てたようで良かったです。成果を楽しみにしております。
2021/09/30(木) 21:55:51.09ID:VNbgOTa80
>>269
Acrobat pro DC (2015年の製品版）をまだ使ってるんだけど、
横書きの整備マニュアル370Pを
Canonの複合機TR9530のADFで地道にスキャンして（400dpiカラー）
CanonのPDFソフトでPDF化（OCR有）したものと、
それをAcrobatで再OCR化（圧縮無し）したものを比べてみた。
2021/09/30(木) 21:56:43.99ID:VNbgOTa80
検索は全て完全一致無しのオプションで。
検索文字「バッテリ」
Canon　　286件
Acrobat　 262件

検索文字「ボルト」
Canon　　290件
Acrobat　 270件

検索文字「注意」
Canon　　506件
Acrobat　 215件

検索文字「交換」
Canon　　419件
Acrobat　 418件

検索文字「目」
Canon　　66件
Acrobat　 77件
2021/10/22(金) 18:41:13.88ID:KWvJbojp0
キヤノンの優秀だね。自社エンジンなのかなぁ
2021/10/22(金) 22:01:30.34ID:CBrjiuuX0
ぺパレス電子化コラム　-　OCRソフトの比較
ttps://pepaless.com/column/180614_01/
画像部分とか、網かけ部分とかの認識も優れているかどうかはわからないけどね。
2021/10/27(水) 11:37:37.49ID:UgMif3Au0
>>418
コレ三年前の記事かよ。
つってもソフトは当時のバージョンとほとんど同じだから、実害はなしか。

『読取革命』も最新版だからって、とくに画期的に変わった訳でもあるまいに。
420名無しさん＠お腹いっぱい。
垢版 |
2021/12/02(木) 01:05:23.86ID:0IUMVg7L0
Tesseract OCRのリリース5.0.0がでたわよ！
https://github.com/tesseract-ocr/tesseract/blob/main/ChangeLog
2021/12/11(土) 14:03:43.57ID:m2OgodYX0
読取革命16買って少し使ってみたけど、白抜き文字の認識(日本語)泣けるほど弱い。総合的にみて、Canonスキャナ付属Capture PerfectとOCR精度はあまり変わらない気がする。白ぬき文字については進化が止まっていることを実感させられる。泣けてきた。
2021/12/11(土) 14:30:29.15ID:+ocplaTK0
本当の評価ポイントは
校正のしやすさなんだがなあ
2021/12/11(土) 16:24:54.51ID:Q8aFwsdH0
以前の読取革命15体験版の感想だけど

読んdeココみたいな認識結果や候補文字を種別ごとに色分け表示する機能が無いからから
外見が似た文字の見分けが付かず
校正に苦労する印象だった
カタカナ「に」と漢数字２、長音符号とハイフンとダッシュと漢数字１、数字１と英字エルとかね
いちいち別ソフトにコピペしてコードポイント確認する作業した記憶ある

16で改善されてますか？
2021/12/11(土) 21:50:27.92ID:m2OgodYX0
>>423
認識結果の文字種を色分けすることはできなさそう。ソフトが間違って認識してるかもという文字が赤色になるだけ。認識結果のテキスト表示フォントは変えられる。
HPには認識結果を読み上げる機能があるとなっているが、アイコンがグレイの状態で読み上げられない。ヘルブにも読み上げ方法の記載はないが、ver15応用編のヘルブにはPC talkerがいるように書いてある。もし16にそれがあてはまるなら、優良誤認だろっていう感じ。
あと、話題がずれるが、読み取った結果でpdf出力する場合(透明テキストでなはなく)、フォントが、MS明朝かゴシック(等幅かP)しか選べないのはビックリした。
2021/12/11(土) 22:54:22.88ID:Q8aFwsdH0
>>424
返答ありがとうです
とても参考になりました

表示フォント変えられるなら、改善待つより校正用のフォントを自作する方が早いのかもしれないですね
2021/12/12(日) 00:58:57.76ID:flVhFSAg0
miguフォントを使ってみな
2021/12/12(日) 01:04:33.72ID:flVhFSAg0
読取革命を１０年以上使い続けて
それなりのノウハウがたまってきたんで
そのうち小出しに紹介したい
2021/12/12(日) 08:42:52.12ID:DPqdfiih0
表を表のままocrできたりしない？
2021/12/12(日) 15:02:19.21ID:6Ne5KHfK0
>>428
領域の属性をテキストとか画像とか表とか設定できる。
各行の背景が白、グレイ、白といった表は読取革命16でエクセル出力したら、一つのセルに全部入ってしまってダメだった。Just pdf4ではうまくエクセル出力できたが(一つのセルに表の1要素が入ってくれる)。
実線で区切られる表なら、うまくいくのかもしれないが試してない。427氏に期待したい。
2021/12/12(日) 17:38:08.22ID:flVhFSAg0
すまねえ、すまねえ……
得意分野は小説のテキスト化なんだ……
2021/12/12(日) 20:38:10.99ID:HW00Chvv0
>>430
話しことばの"いるんだ"などは
どのように処理っされてますか？
etypist使いですが毎回、認識エラー候補になり、確認が面倒です。
2021/12/12(日) 21:56:15.22ID:flVhFSAg0
待ってくれ

どうやら俺が持っているノウハウの方向性と、皆の期待している方向性とが違う可能性が高いようだ

実は俺は>>75なんだ

校正作業するのが前提でその効率化のノウハウなんだ
2021/12/12(日) 22:53:11.11ID:VxJSq+w60
OpenCVとTesseract-OCRで作る表のOCRツール rev1
https://ymt-lab.com/post/2021/table-recognition-tool-rev2/
2021/12/13(月) 11:36:19.13ID:jLNnEax80
>>432
最近自炊小説をetypistでテキスト化（そのあと合成音声化）を始めたものです
校正作業の効率化ノウハウをぜひ教えてください！
2021/12/15(水) 21:24:42.83ID:dHfR+Ceb0
まずはデカいモニタ必須
マクロ登録できるキーボード　エレコムのTK-DUX30BKおすすめ　同機能のソフトで代用可

読取革命15　体験版しか使ったことない
Oracle VM VirtualBox等　ごにょごにょ
2021/12/17(金) 00:57:11.07ID:NfrEGe8e0
いま流行りの AI を使って認識率を高めるような OCR ソフトはないのかな。業務用じゃなくて個人用で。
Google の OCR ソフトは認識率はいいのかな。Google Docに変換しないと使えないという不自由さはさておいて。
437名無しさん＠お腹いっぱい。
垢版 |
2021/12/17(金) 19:30:14.86ID:gQDiVMg+0
>>436
pythonやpowershellなどでスクリプトを組めば
googleなりAzureなりのAIを利用したOCRそのものは
そう高くなく、認識精度もごく高い
（画像1000枚あたり100円台）

現状、見栄えの良いGUIがないだけ
2021/12/17(金) 20:45:06.62ID:NfrEGe8e0
>>437
ありがとうございます．

>pythonやpowershellなどでスクリプトを組めば
両方とも経験がないのでこれから勉強しますが，参考になるスクリプトのHPはどこかにないでしょうか？

アクロバットのOCRのようにもとの文字の上に透明文字を配置してくれるのでしょうか．もとの資料上にハイライトや検索が必要なので．
2021/12/17(金) 21:15:37.54ID:CWuXF4+80
手前味噌ですがコレなどw

https://github.com/dinosauria123/makepdf
2021/12/17(金) 21:20:54.87ID:CWuXF4+80
こちらも

https://remoteroom.jp/diary/2017-10-12/
2021/12/18(土) 14:14:33.30ID:dtKgeMNR0
>>439,440
ありがとうございます。
440は439の内容は同じですか。

Cは昔使った記憶があるのでうがwindowsの環境で動かす方法を忘れました。
ハードルが高そうです。
目的にOCR処理の前に環境を整え使いこなすまでに時間がかかりそうで、逡巡します。
2021/12/18(土) 14:40:57.61ID:AGBm6fvC0
430のgithubの中にwindows用実行プログラムもありますw
2021/12/18(土) 14:43:57.28ID:AGBm6fvC0
Google Cloud VisionのAPIキーが必要です。

https://syncer.jp/cloud-vision-api
2021/12/18(土) 21:04:03.07ID:dtKgeMNR0
>>443
ありがとうございます。
研究してみますね。
445名無しさん＠お腹いっぱい。
垢版 |
2021/12/19(日) 01:15:52.64ID:SmDRr8Ij0
ここでヒントもらった、機械学習で文字認識する方法
惜しいところまで来たけど、あともう一声がうまくいかない。
文庫本見開きを与えて、3箇所くらいミスる。特にふりがなとかページ番号
とかのちっさくて近接してるところが鬼門。
Googleとかに投げれば簡単なんだけど、やっぱり自前で解けると
何かと捗るんで是非とも完成させたい
2021/12/19(日) 12:59:45.91ID:rFaLUd6N0
>>435
やはり大きなモニターは必須ですよね。。小さいノートPCで作業しているのできついです。
キーボードへのマクロ登録は、どの作業を登録しているのですか？
2021/12/19(日) 21:57:43.76ID:slxgE1fB0
校正作業を効率化

>>435の続き

条件は>>75
今回は二段組の場合

https://light.dotup.org/uploda/light.dotup.org10755.jpg
スキャン画像をこんな風に作り変える

染みゴミ取り漂白
傾き補正
二段組ページを上下分割余白消し
14ページ分を左右上下に張り合わせて一枚にする
横につなげるときは右から左ね

これ以上ページを増やしたら読取革命で読み込めるけど
テキスト保存したとき字数（行数）？制限で後ろのほうが削られてしまう
たぶん

読取革命の設定こまごま
後述

キーボードマクロ
後述
2021/12/19(日) 22:20:59.74ID:slxgE1fB0
1ページづつ校正していたら手間取りすぎる
まとめちゃえ
2021/12/20(月) 21:26:34.83ID:f979t7aJ0
e.typist使いの私は、マウスにマクロつけてる。
　・単語登録
　・次ページ送り＋一括置換＋全文解析
2021/12/21(火) 10:24:13.91ID:qnmpXEEu0
>>447
ノウハウ助かります！
>>449
e.typistでの「次ページ送り」はマウスで次ページをクリックする以外にショートカットキーなどがあるのですか？
2021/12/21(火) 20:20:01.46ID:QXL1RUnR0
>>449
alt{la} down return f7
をマウスのボタンに割り当てました。
2021/12/21(火) 22:30:27.69ID:XB9tp3vX0
校正作業を効率化

左右上下につなげるソフトはこれ
ImageMerge

読取革命を立ち上げて

オプション環境設定
チェックを入れるもの　
　一般　未確定・・・
　表示　初期　ページ幅
　　　　倍率　ページ幅
　　　　連動

画像読み込み後
右クリックから属性変更
チェックを入れるもの
認識　文字種　ひらがな　カタカナ　漢字第一　数字　ユーザー定義　単語辞書
（漢字第二とアルファベット、記号はチェックしない。必要な文字はユーザー定義欄に入れる）

レイアウト認識　1枚づつやったほうがいいと思う
認識したレイアウトを確認　削除統合で整形

文字認識
一行に一文字とかしかない場合読取ミスがあったりするので確認訂正
空白行等も確認
文章を読むのではなく俯瞰して形で見比べる

行頭の字下げスペースとかは後で
2021/12/22(水) 16:55:07.37ID:mm615h1N0
>>451
ありがとうございます！！
読取革命と違って、カーソルキーのみで次の画像に移動できなくて困っていました。

>>452
読取革命も使用しているので参考にさせていただきます。
2021/12/22(水) 20:50:42.00ID:JoFQcdng0
>>452
ちょうど数日前からShiftJISの一覧表から使う文字と使わない文字の選別を試していたのですごく納得です
第２水準は見た事ある文字ほとんど無いし
あっても一般的には特定の熟語でしか出現しないものが多い
薔薇、葡萄、林檎、珊瑚、蜘蛛、楕円、琉球…
テキストエディタの正規表現色分け試してる最中でした
2021/12/22(水) 22:32:05.67ID:HGKSXGSe0
校正作業を効率化

ここまででいったん作業状態の保存

今度は文字置換（透明テキストが不要な場合のみ）

下記を確認無しで問答無用で最初に置換

例

□は全角スペース

□□　→　□
『　→　「
□「　→　「
□（　→　（
ぱ　→　ぱ
ぷ　→　ぶ
ぽ　→　ぼ
っば　→　っぱ
っぶ　→　っぷ
っぼ　→　っぽ
っだ　→　った
っで　→　って
１つ　→　う
。つ　→　う
、つ　→　う
」つ　→　う
』つ　→　う
！……　→　！…
１……　→　！…
ー……　→　！…
2021/12/22(水) 22:32:44.79ID:HGKSXGSe0
これをキーボードマクロで1ボタン一発置換にしている
600行くらいのマクロ　（ショートカットやキー入力を順番にレコード）

表示文字のフォントは前に紹介した Migu 1M が大変便利
（似た形の文字の区別に主眼を置いたフォント）
もっといいのがあったら教えてね
2021/12/23(木) 23:18:30.24ID:OTHMdVZm0
ごはんかいじゅう
2021/12/25(土) 08:51:53.07ID:i+O0OTqP0
miguフォントを教えていただいた方、
ありがとうございました。
ノートでもパとバが見分けられるようになりました
459416
垢版 |
2022/01/06(木) 21:16:52.24ID:Ih0Nt3Hq0
検索は全て完全一致無しのオプションで。OCR化は圧縮無し。
スキャナはキャノンDR-S130使用（誤差拡散は線の太さ中の設定）

検索文字「バッテリ」
Canon （カラー286件・299件）（誤差拡散244件）（グレー302件）
Acrobat （カラー262件・268件・266件）（誤差拡散283件・279件）（グレー273件・271件）
新型Acro 　　　（カラー295件・294件・294件）（誤差拡散276件・276件）（グレー302件・298件）
KOFAX （カラー276件・280件・291件）（誤差拡散286件・295件）（グレー283件・293件）
Eタイピスト （カラー306件・306件）（誤差拡散301件）（グレー307件）
2022/01/06(木) 21:17:41.87ID:Ih0Nt3Hq0
検索文字「ボルト」
Canon （カラー290件・296件）（誤差拡散258件）（グレー300件）
Acrobat （カラー270件・271件・272件）（誤差拡散273件・277件）（グレー272件・275件）
新型Acro （カラー261件・272件・276件）（誤差拡散179件・160件）（グレー279件・276件）
KOFAX （カラー291件・303件・302件）（誤差拡散317件・317件）（グレー301件・301件）
Eタイピスト （カラー253件・247件）（誤差拡散247件）（グレー248件）
2022/01/06(木) 21:18:28.20ID:Ih0Nt3Hq0
検索文字「注意」（白黒反転文字の注意と、周囲を文字の大きさの長方形の枠で囲まれた注意の2種類）

Canon （カラー506件・490件）（誤差拡散278件）（グレー467件）
Acrobat （カラー215件・217件・215件）（誤差拡散217件・214件）（グレー216件・216件）
新型Acro （カラー214件・216件・216件）（誤差拡散220件・215件）（グレー215件・217件）
KOFAX （カラー429件・431件・422件）（誤差拡散415件・419件）（グレー406件・414件）
Eタイピスト （カラー219件・219件）（誤差拡散217件）（グレー219件）
2022/01/06(木) 21:19:37.59ID:Ih0Nt3Hq0
CanonもKOFAXも白黒反転文字の注意は認識できたりできなかったり。
差がついたのは、周囲を文字の大きさの長方形の枠で囲まれた注意を認識できるか、できないかで差がついた。
Canonは誤差拡散（線の太さ中）になると、OCRの精度が落ちました。（文字によっては落ちないものもあった。）
2022/01/06(木) 21:33:48.76ID:Ih0Nt3Hq0
KOFAXレポ（OCRは優秀だが癖がある）
〇単独のファイルを開いてOCRした場合
上書きOCRした場合
元々のOCRが消されないで二重にOCRされる。
（検索ヒット数が極端に多くなる。（2倍ぐらいになる）
OCR情報を全て消してからだとOCR可能。

→しかし、どちらのやり方でも上書き保存だと
ファイル容量がなぜか倍ぐらいになる。（大きいファイルのみ）
→対策
KOFAXのエクスポート機能で出力すると原本と殆ど同じ大きさのファイルで出力される。
〇複数PDFファイルを結合してOCRした場合
他ソフトでOCR未処理の処女ファイルはOCR化できる。
他ソフトでOCR処理済みのファイルは、Acrobat等で非表示テキストを削除しても、何故かOCR認識できない。（上書きOCRされない。元のOCRのまま）
KOFAXで非表示テキストを削除して再OCR化した場合は、考えつかなかったので試す前に試用期間が終わってしまった。
2022/01/06(木) 21:38:26.46ID:Ih0Nt3Hq0
新型AcrobatとKOFAXとEタイピストは、全て試用verのものです。
2022/01/06(木) 21:47:34.36ID:Ih0Nt3Hq0
KOFAX（Power PDF Advanced）
2022/01/17(月) 00:21:08.46ID:4mdkimZz0
Canonの複合機のソフト「IJ Scan Utility」（ライトは不可）
の「PDF編集」で画像を読み込んでOCR化PDF作成可能
https://ij.manual.canon/ij/webmanual/ScanUtility/W/LiDE%20400/1.1/JP/SU/su-965.html
https://ij.manual.canon/ij/webmanual/ScanUtility/W/LiDE%20400/1.1/JP/SU/su-971.html
　
各種制限は上記リンク参照で（いちどに100P迄等）
試してみたら
ビットマップ不可
マルチTIFF不可

圧縮は
他社スキャナー作成の600dpiのTIFF（100Pで10G）
標準圧縮→100Pで200MB弱に
TIFF読み込み3分
PDF保存17分

OCRの結果は
シャドウを増やしてスキャンしたからか、注意の検索結果だけ355件に落ちた。
それ以外の検索結果は変わらず。
2022/01/17(月) 07:30:34.87ID:4mdkimZz0
複合機＝プリンター複合機
468名無しさん＠お腹いっぱい。
垢版 |
2022/01/24(月) 00:38:20.88ID:F2x9Gu0W0
読取革命買ったのに期待通りの性能じゃなくてがっかり。
scansnapで読み取った後に行うOCR処理よりも優れてると思ったけど寧ろ劣ってるわ。
読取革命買った時のためにOCR処理せずに読み取ってたのがなんか無駄だったな
2022/01/24(月) 05:30:43.70ID:a7AiMsCc0
悲しいなあ
2022/01/24(月) 23:01:40.72ID:v/V7BEgB0
KOFAXもOCR会社買収してたりするから、
プリンター会社もOCRソフトウェア経験者引き抜いたりしてるんでは？

OCRソフトは、試用版を使った感じでは、
表形式の文書をスキャンしてエクセルに変換するのは
原本に応じて、色々認識範囲を任意に変更できたりして得意そうな気がしたけどね。
ビジネス向きかもしれんね。
2022/01/24(月) 23:52:10.63ID:v/V7BEgB0
PDF同士の結合は、たぶん結合前じゃなく結合後の総ファイル容量だと思うんだけど、

Acrbatは2G迄
KOFAXは3G迄

だった。それ以上だと何回か繰り返したけどエラーが出た。
画像を結合して変換する場合はわからん。
472名無しさん＠お腹いっぱい。
垢版 |
2022/02/19(土) 03:56:35.97ID:1i5A+HZD0
おまいらありがとう
ここで教えてもらった手法を元に
機械学習でOCRするやつの前段が完成した
https://i.imgur.com/fnV1SQd.png

後段は文字の連結を拾ってutf8とかで符号化するんだけど
これは事前に確認したところではいけてるので、もうちょい
2022/02/19(土) 06:41:57.66ID:EHOGoR7G0
>>472
文字の切り出しの手法は、何を使いましたか？
474名無しさん＠お腹いっぱい。
垢版 |
2022/02/19(土) 15:59:36.83ID:1i5A+HZD0
>>473
CenterNetの手法で、バックボーンにEfficientNet v2を使っています。
文字の中心位置とボックスと縦横を出すのと同時に、
中心位置まわりに384次元の特徴量を取得してます。
プレ学習として、384次元の特徴量を文字コードに1対1で変換してます。

後段では、特徴量を連続させて、文脈依存で文字コードに変換させるのを予定してます。
2022/02/20(日) 07:54:02.16ID:lLW2TQdp0
>>474
頑張りましたね。
手書き文字だと、どんな感じに抽出できますか？
476名無しさん＠お腹いっぱい。
垢版 |
2022/02/20(日) 15:26:54.12ID:YPHg717Q0
>>475
https://i.imgur.com/YEOWcgA.png
https://i.imgur.com/0rUVrYT.png
これくらい

手書きは学習データを用意するのがめっちゃ大変なので、
十分学習はできてない気がする。いまのところおまけ程度の
精度しか出てません。
手書きは文字が分裂して認識しやすいので、相当たくさんの
手書きデータを元に学習させないと上手くいかないと思われます。
やり方としては今の延長線上でいけそうな気配はしてます。
2022/02/21(月) 06:41:18.52ID:mGEzXi/K0
>>476
良い感じで抽出できてますね。GitHubにソースなどを上げて欲しいです
2022/02/21(月) 11:29:34.65ID:e3F9aiKE0
>>472
すばらしい。

リリースの暁は、日本語文書き出しの行頭一文字空白も認識させてください。
479名無しさん＠お腹いっぱい。
垢版 |
2022/02/22(火) 23:37:13.04ID:KG6iI0vy0
>>477
まだ前半だけだけどとりあえずソース
https://github.com/lithium0003/findtextCenterNet

学習済み重みはreleaseのところにリンクがあるです
文字の大きさは、20pixel-200pixel位で覚えさせてるので
見かけの大きさがそのくらいになる様にリサイズするとよいです。
カラーは適当に処理するはずですが、上手くいかない場合は
コントラストとかいじる必要があるかも。
2022/02/25(金) 01:47:43.46ID:oU6IT1Qa0
神アプリ誕生の予感...
481名無しさん＠お腹いっぱい。
垢版 |
2022/02/26(土) 02:15:28.14ID:d9ue173/0
>>479
のモデルで、iPhoneとかiPadで推論できるようにしました
https://testflight.apple.com/join/X68qbEsJ

iPhone13とかの最新デバイスだとまともに動くと思うのですが
昔のデバイスだと微妙かも。落ちる場合はCPU onlyにしたら
遅いながらも落ちなくはなります。
2022/02/27(日) 01:31:27.11ID:Zp2vBZkX0
>>481
Android しか持っていないので試せないです。残念。

>>476
文字のある領域を示すのに IIIF manifest の形式を使うのが標準的なようですが、対応してますか？
483名無しさん＠お腹いっぱい。
垢版 |
2022/02/27(日) 23:10:43.63ID:1WOIRC0G0
>>482
IIIF manifestの形式は知りませんでした。どこかよい説明のリンクありますでしょうか。

Androidでも機械学習モデルが簡単に動けばいいのですが。iPhoneの最近のやつは
推論エンジン積んでるのでかなり速く認識できます。
484名無しさん＠お腹いっぱい。
垢版 |
2022/03/05(土) 01:38:16.55ID:iWInWTln0
いまだによくロシア企業のOCR使えるな
485名無しさん＠お腹いっぱい。
垢版 |
2022/03/06(日) 22:12:54.20ID:p5crT8Gx0
AcrobatでOCRした透明テキストの修正ってどうしてます？
Acrobat上だとやりづらすぎて
2022/03/10(木) 08:35:47.81ID:cWyR5z8H0
漫画翻訳再加工でおすすめのありますかね
グーグルのカメラ翻訳みたいなのが一番なんだけどさすがに無理か
これしか見つからない
https://www.imagetranslate.com
https://github.com/minux302/manga_global
2022/03/30(水) 19:16:25.05ID:aBrCbYCH0
>>468
ありゃダメだよ
ま、値段を考えたら自ずと理解できると思うけどね
488名無しさん＠お腹いっぱい。
垢版 |
2022/03/31(木) 19:28:57.72ID:0TmFtm2N0
読取革命を経理業務で使ってる人いる？
領収書や請求書なんかの文字認識や精度はどの程度なのか気になってます
2022/03/31(木) 20:59:05.31ID:gur9KTQl0
認識させた後どうやって使うつもりなの？
490名無しさん＠お腹いっぱい。
垢版 |
2022/04/03(日) 10:55:17.93ID:AGhKdTzD0
読取革命を業務で使ってる人なんていないと思う
そのレベルのOCRだから
2022/04/03(日) 14:38:33.39ID:OgQuX8lP0
まさに革命やな。
2022/04/03(日) 20:05:43.65ID:Jsg5j8K40
そもそも、読取革命みたいなレベルのソフトを法人が使うわけないやろｗ
2022/04/03(日) 21:08:08.14ID:rMkt3H120
それこそ革命やで。
2022/04/03(日) 22:51:40.78ID:TpRPDKza0
滑り芸か？
2022/04/04(月) 06:49:29.29ID:YzNd9QN20
ごめんなさい。ふざけすぎました。
2022/04/21(木) 20:39:05.61ID:vYl46slD0
streamed高いからなあ
自分で出納帳読み込んで仕訳作成できれば
streamedなんか使う必要ないんだけど
そんな優れた市販のOCRソフトが無いんだよね
2022/04/22(金) 12:05:06.71ID:xT58YArZ0
まあ出納帳Excelで作ればOCR化なんて挟む必要もないんだけどな
2022/04/23(土) 12:38:43.18ID:SDF278rq0
Google の OCR 使いたかったらPDF ファイルを Google ドライブにあげてGoogle ドキュメントで開けばいいと思ってたんだけど文字認識していない
どうすれば使えるんだったっけ？
誰かわかる人教えてください
■ このスレッドは過去ログ倉庫に格納されています
ニューススポーツなんでも実況