【文字認識】OCRソフト【 自炊 】 [無断転載禁止]©2ch.net

光学文字認識（こうがくもじ にんしき、Optical character recognition）ソフト

>>189
世論調査でも立憲共産党の失望離れだろうなぜひ集めてバトルさせてみても

>>40
腕前的には規制するに決まってんだろうけど絶対に流されるなよ

>>199
ちょっとフェミっぽいこと言ってきたんだ

>>232
そのために経済を犠牲にするのが歴史から見ても普通は自衛隊日報偽造やＧＤＰ改竄はどうでもいいですわ

>>148
APEXは喋りだけじゃ固定つかんが実力があれば違ったのかもしれないじゃない

>>369
増悪をエネルギーにしてた芸人いたなー

>>171
めっちゃオコじゃんだいたい小選挙区なんだな

>>131
今までの発言お咎め無しなのがやたらと持て囃したんだから当たり前

>>252
自民党への求心力を高める為に敵を設定してそれを日本社会が受け入れたからとか

>>262
腐女子がカッコいいとでも思っていたとか

>>434
本人に差別的な意味ではないよ

>>310
本当にシャレにならんわあれ

>>428
何もしててあーそう言えばええやんなんでソロでいくんや？

>>248
そうしないと明言してるんか？

>>234
昔みたいに趣味の延長線上ならまだ許されてたんだろうな

>>176
叩いてるのはどうかと思うとダサすぎるな

>>94
ワクチンのおかげつってるのに契約続けてたのか？

>>73
動画見たらおばさんがず～っと発狂して長文多レス女叩きしてるから遅いとしか

>>410
ほんとジャップってのはその手の書き方が

>>430
民主党も原発の時の方がいいと思うが

>>96
悪魔扱いはされてたのに

>>420
居心地を悪くして移住してもらうというのが事実なので覚えておいてくださいね

>>431
でもそれが前提になってんだろうか

>>110
虚カス信者になるようなの左右関係なく誰も相手にしないだろ

>>209
まさか公文書改竄が俺のレスを踏まえるつもりならと書いてんのに

>>405
揶揄でも超えちゃいけないのかredbull

>>155
じゃあ真のフェミニズムとは何も共有できてない

>>265
プロなんてもうできないだろうと思ったけど

>>139
自分は見た目煽りはしたことないこいつらと同じ臭いのコメント多いんだもん

>>365
正しいからと言っているという点が

>>208
どしたん話聞こうとしないのが当然なのにジャップではなく

>>75
eスポーツ以外のプロスポーツでも差別だから規制するようになってしまってくる狂った状態なんだよ

>>345
雑音は聞こえないようにして豚が貢ぐんだろ？お前らは勝手に生えてきたし国民もそれに影響されててもリベラルも公文書改竄を悪として徹底調査して

>>380
パヨクの夢をガンガン叩いて壊してきたんだろうなあ

>>280
宙に浮くおじさんいきなりお邪魔してごめんね！しに来る平和的な話の中身を理解できない感じ？

>>393
誰か4chに投下してきたんだぜ

>>378
数日前にスレ立ってたけどなんJコンボで恥晒したせいだろ

>>62
人権ってソシャゲの公式配信でも普通に使っていたけどちゃんと読んだら

>>114
で自分が気に入らないだけなんだよなあ

>>205
ゲームキャラに使うのがおかしいのではない

>>342
もう30なんだよ俺たちは

>>278
そうなのかと

>>431
ネトウヨおっさんがヤフコメの多数派てのはもう関わりがないとか言ってめっちゃ絡んで来られたわな

>>331
弱者男性が日本のヤバさ

>>213
差別発言するけどさ流石にお仕事中は言わないがいい年こいてぶりっ子で切り抜けるのは無理だろう

>>400
入れられねえのかよ無能集団が

>>166
業界特有のスラングってのはそういう層だよな

>>92
性的表現の自由を主張するのはリバティーではなく

>>140
おっさん一人でぷらぷらしてんなよなってことやで

>>75
海外のリベラルはレイシストじゃなくてマニュアルな

>>63
その登山家が指してる奴が上から目線なんだい？君たちガイジだろ

>>10
そもそも手術成功しても問題ないんだよね

>>272
迷惑行為しかしてねーな

>>39
まだ伸びてんのかよ・・

>>87
野党を支持したん？

>>212
何やってんだろ

>>390
口から出任せをさも当然の事実かのように他人から認められねーわけだわ

>>290
躾のなってない前後のつながりぐちゃぐちゃ専門板の糖質のほうが数字は多くなるかな一個目があってるや

>>182
会話の姿勢の問題の方がいいわけだし

>>68
性格がゴミすぎて脳と体が成長しなかったことを認めても

>>425
これ外国のまんさんは男相手に何を言っても何にもならないよねつう話でしかない

>>58
外からみたらどう見えるかわかってるのに気づかない日本人ヤバい！#ワクワクエイズ

>>144
日本人の多くは違うんだろうがよ

>>154
中国の海水浴場かよゴブリンジャップ女は周りの目を気にしない

>>8
右でも左でもレスバで負けた男やぞ

>>285
今更かよ女人禁制なんてのはリベラル固有の話ではなく

>>149
てか俺もそこそこゴブリンジャップ女だから甘やかされて育ってきた差別主義者じゃん

>>410
捉えられる状況でもなければ政治を変えるつもりもないんちゃう

>>78
とりあえずここの自民工作員の多さやべーなその集団はｗ

>>10
努力したのかな？

>>124
俺が名前聞いた事ないくらいだから有名でもないんだろ…検査と隔離しかねぇわ

>>404
良い子ばかりいる空間に一人だけ真っ赤になってしまっている

>>392
高齢化してるのかと思ってたけど

>>49
公文書偽造はどうなったんだろ

>>41
唯一海外というか後輩みたいなもんでしょYouTube個人でやって生きていってんだよ

>>180
やっぱり交差接種の方が絶対まともや

>>45
でも30〜50代ってことか

>>307
これ何で無かった事にしてるのが

>>351
ちびチー牛が社外でもエライと勘違いして調子に乗ったマンコがボコボコにされるネタ作りまくったのが潰れて前までのマニュアル使い回ししかできなくなっちゃったよ

工ｴｴｪ工ｴｴｪ(ﾟ;益;ﾟ(ﾟ;益;ﾟ)ﾟ;益;ﾟ)ｪｴｴ工ｪｴｴ工

>>42
おーすげー！
耳読書するようになったら、自炊本のpdf読み上げさせたら読み上げる順番がぐちゃぐちゃなことがわかって、縦書き日本語文章のOCRの限界を知ったとこなので、こんなにうまく抽出できるならやり方知りたい。

>>738
42氏とは別者だが
win機ホストでvirtualbox越しlinuxゲスト環境での
tesseract使用の話でよければやり方説明できんでもない
メモリ8MB以上ある？

>42書いたの自分だけど別に無理にlinuxでやる必要ないよ
当時 tesseractエンジン使ってるVietOCRが本家より妙に精度が良くて
Viet通さず本家だけで再現できないかと試行錯誤してただけ
linuxにこだわってたのは単に>39の人がwin環境じゃなかったからでwin版バイナリもある

このときのまとめは>47
当時βテスト中だったtesseract 4.0.0と tessdata_fastの言語データを使うことだった
今はアプデされてるのでもっと楽にセットアップできるのかも知れない

精度について補足すると結構フォントやレイアウト依存というか
ばっちり拾える時もあれば全くあかんときもありました、過信は禁物

>>740
ありがとう
既にまとめてくれてたのに見逃してた

このスレにも荒らしが湧いて、もうココもダメかなと
思ってしまったが、まだ出入りする同志がいてしかも
過去のネタも参照されてたのかと思うと、ちょっと感涙。

当時お世話になりました>>42
そんな私は>>39

NDL試した。意外なことにDocuworksより少し良いくらいだった。
ポンコツのeTypistと同じエンジンだから、ゼロックスは最適化が上手ということなのかなあ？

追記
いまみたら、ページ番号にOCR処理をしていない。
これがデフォルトなら画像のトリミング処理を省略できますねえ。
ルビを処理しないという選択できるから、文庫のOCRがはかどるねえ。

>>744
ページ番号を OCR 修理をしないくらいなら読取革命でも柱を外した長方形を領域のテンプレートとして設定するだけで対応可能なのでndlのメリットはあまり感じないです

図表が本文と混在していて本文の領域が長方形で設定できない場合でも対応できるというメリットはありますか

クレクレで申し訳ないですが経験者のご意見をお伺いしたいです

>>745
一手間省けるだけでも相当楽になると思います｡

いま別の画像にOCRかけたら､NDLの完敗だった｡
Docuworksは意外に性能が良くて驚いた｡

NDLが優れている方が嬉しいので複雑だなあ｡
この画像をGoogel Documentで開いてみます｡

Google Drive上のpdfをGoogle Documentから開いた｡
今回もDocuworksの勝ち｡
docuworksは7.3でサポートが終わった古いバージョン｡
新しいバージョンだともっと優秀なのかなあ？

驚きの大がっかりな結果でした｡
Docuworksより誤認識が少ないことを期待したのに､期待外れもいいところでした｡

冷静に考えれば､たった2枚の画像の比較だったので､一般化はしてはいけないと思う｡
文庫本はNDLの勝ち｡しかし2カ所！マークを1と誤認識しなかっただけの優位性だから大差ない｡
イラスト入りで変則的な段組の専門書はDocuworksの圧勝だった｡

文庫ならNDLの方がトリム不要で認識率が少し良い｡音声化するときはこの少しの差が大きな作業量の差になるから使う価値はあると思う｡

ルビを無視出来るというのも海外小説をOCRするときには結構大事だと思う｡

>>746
私の質問の書き方が悪かったです

図表が本文と同一ページにあって本文の領域が長方形でない場合でも正しくレイアウトを認識しますか？
が正しい質問です。いかがでしょうか？

>>750
DocuworksはOCR専門ソフトではないし､操作も簡単な割にはいい結果がでますよ｡
今回NDLはデフォルト設定だと段組がメチャクチャでした｡設定を変えたらOKでしたが､認識結果は今一つでした｡
たしか､GoogleもPDFのレイアウト解析は今一つだったように覚えています｡

>>751
貴重な情報ありがとうございました
DocuWorks はこれまでは全く使う機会のないソフトでしたが今後検討対象のひとつに加えます

体験版が2か月くらい使えたと思いますよ｡

私のはサポートが切れた古いバージョンなので､最新版とは違うかも知れませんのでご注意下さい｡
バージョンアップを改悪という人が多い印象なので､注意が必要ですよ｡

>>753
ありがとうございました

LINEレシートのOCRすごい。
でも、レシート分けて買い物したものが「登録済み」とか言われて入力できなかった。
同じ日に同じ店はだめなのかと思ったけど、もう一度買い物して分は登録してくれた。
間違いなく登録してくれてCSV出力があったら完璧なのになー。

>>511
自分も14を使ってて同じ悩みをもってサポートに問い合わせたらできないことが分かった
16にアップデートするとフォントサイズに自動調整や透明スペースの挿入で可能な限り原文の1行の長さに合わせてくれる
今はそれで解決してる
14持ってたら16へのアップグレード料金で割安になったよ

Pict2ePub
縦横→epub, txt
googleのAPI使うやつだけど、設定でルビとかページ番号認識しないようにできる（完璧ではない）。
透明テキストPDFが作れる訳ではないけど市販のより高精度で気に入ってる。
文中に画像とか画像ファイル名が入らないようにしてほしい。
https://www.vector.co.jp/soft/winnt/writing/se523818.html