凸版印刷株式会社（本社：東京都千代田区、代表取締役社長：麿 秀晴、以下 凸版印刷）は、高精度のくずし字AI-OCRを搭載し、古文書・古典籍をオンライン上で簡単に解読できるシステム「ふみのはゼミ」を開発しました。 授業やイベントでの活用を想定したグループワーク支援機能により、歴史的資料のデジタルアーカイブ化を推進するとともに、コロナ禍における学習・研究の拡大に貢献します。 「ふみのはゼミ」を活用した共同解読作業のイメージ 本サービスは、凸版印刷が2015年から研究・実証試験を行ってきたくずし字OCRをさらに発展させ、凸版印刷総合研究所が開発したAI-OCRの導入による文字認識精度の向上および、グループワーク支援機能や、解読効率を向上させるためのさまざまなノウハウが結集したシステムです。パソコンやタブレットなどのブラウザ上で動作し、複数人での同時解読作業が可能になります。 AI-OCR導入によ
MLOps LT大会 2023/7月 登壇資料 https://mlops.connpass.com/event/286716/ バクラクのAI-OCRを支える精度モニタリングについて紹介します。OCR技術は、ビジネスプロセスを効率化する上で必要不可欠な技術の一つですが、その精度を維持するために…
こんにちは、全ての経済活動をデジタル化したいTomoakiです。 推しのコンビニスイーツはセブンイレブンの草もちです。 今回は読み取りの精度の先の体験を追求するバクラクのAI-OCR機能について紹介します。 TL;DR バクラクでは国税関係書類に対してOCRを実行し、書類の内容の入力作業の負担を減らしている お客様の業務をラクにするには、帳票に記載されている値をそのままサジェストするのでは不十分 バクラクのAI-OCR機能では、読み取った帳票に記載の値を活用しつつ、お客様の業務に寄り添った形に変換してサジェストすることで、なめらかなプロダクト体験を提供している バクラクのOCR 会社の営みにはファイルが溢れています。 取引先から届く請求書、会食で利用したレストランの領収書、業務委託メンバーに毎月渡す支払通知書など、会社規模によっては毎月何十万、何百万という枚数の書類が扱われています。そして
従来技術で困難だった透明・黒色・金属製の物体も見た目を忠実に再現 Eコマース、ゲーム・映像制作、メタバース、文化財の保存等で利用可能 株式会社Preferred Networks（本社：東京都千代田区、代表取締役 最高経営責任者：西川徹、プリファードネットワークス、以下、PFN）は、様々な物品を高品質な3Dモデル＊としてデジタル化する3Dスキャン代行サービス PFN 3D Scan（ピーエフエヌ・スリーディースキャン、公式サイト: https://pfn3d.com）を本日、日本国内の企業向けに提供開始しました。PFN 3D Scanは深層学習を利用したPFN独自の技術を用いることで、従来の3Dスキャン技術が苦手としていた透明・黒色・金属を含めた多様な材質の物品のメッシュ・テクスチャ・マテリアル（形状・色・質感）を忠実に再現することが可能です。提供する3Dモデルは、Eコマース、ゲーム・映像
iOS 15.4/iPadOS 15.4ではメモアプリが「Text from Camera」に対応し、カメラで英語などのテキストを瞬時にスキャンできるようになっています。詳細は以下から。 Appleは2021年09月にリリースしたiOS 15/iPadOS 15で、写真内にある文章を検出し、編集可能なテキストとしてコピー＆ペーストできる「テキスト認識表示 (Live Text)」機能を実装し、このテキスト認識表示機能を応用した「カメラでテキスト認識表示 (Text from Camera)」も一部の言語で利用できるようになっていますが、iOS 15.4/iPadOS 15.4のメモアプリでは、このカメラでテキスト認識表示がサポートされています。
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
会計サービスをはじめ、バックオフィス向けクラウドソフトを提供するfreee。単純作業を効率化し、ユーザーが本質的な仕事に集中できる環境を提供するために、AI技術を駆使したさまざまな取り組みがなされている。 「ユーザーにとって本質的に価値があること（同社では「マジ価値」と呼ばれる）を届けきる」をコミットメントとして掲げる同社の、AI技術を使ったアプローチ方法を連載形式でお届けする。 第2回のテーマはOCR。紙の領収書や、請求書とにらめっこし、その扱いにうんざりしている経営者は少なくないだろう。 これら紙の文書をよりスムースに扱うため、freeeのサービスに実装されている独自のOCR機能を、同社機械学習エンジニアの田中浩之氏に紹介していただく。 はじめにfreeeでは「スモールビジネスを、世界の主役に。」をミッションに掲げ、「アイデアやパッションやスキルがあればだれでも、ビジネスを強くスマート
概要 VMインスタンスの作成 VMインスタンス内での操作 Nvidia driverのインストール dockerコンテナの起動 推論の実行 まとめ 追記 2022.04.28 概要 NDLが公開したNDLOCRアプリケーションについて、GCP（Google Cloud Platform）の仮想マシンを用いて実行してみましたので、その備忘録です。本アプリケーションの詳細については、以下のリポジトリをご確認ください。 https://github.com/ndl-lab/ndlocr_cli VMインスタンスの作成 GCPのCompute Engineにアクセスして、画面上部の「インスタンスを作成」ボタンをクリックします。 「マシンの構成」の「マシンファミリー」について、「GPU」を選択します。そして「GPUのタイプ」において、今回は最も安価な「NVIDIA T4」を選択します。「GPUの数」
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
たまにウソつく生成AIに「契約書管理」は無理？ 「40年の歴史」持つ言語解析AIが再評価されるワケ：万能ではないからこそ（1/5 ページ） 2022年末のChatGPTの登場以来、ビジネスの世界では生成AI技術の可能性に沸き立っている。多くの企業が競うように最新のAI技術を自社サービスに組み込み、イノベーションの波に乗ろうとしている。しかし、生成AIが万能かというとそんなことはない。 Sansanが2022年にリリースした契約書管理サービス「Contract One」は、最新の生成AI技術だけでなく、40年の歴史を持つルールベースの言語解析技術を中核に据えている。なぜSansanはこのような選択をしたのか。 契約書関連の業務をデジタル化する、いわゆるリーガルテック市場は活況だ。コロナ禍に急速に普及した電子契約を皮切りに、人間に代わりAIが契約書のレビューをサポートする契約書レビュー、締結し
凸版印刷は11月11日、明治期から昭和初期（以下、近代）の手書き文字に対応したAI-OCRを開発したと発表した。同社提供の江戸時代のくずし字を対象にした古文書解読サービス「ふみのは」のAI-OCRを近代の多様な筆跡の手書き文字にまで対応範囲を拡張させたもの。11月から実証実験を行い、2023年4月から正式サービスを開始する予定。 凸版印刷によると、近代の手書き文字は、書き手によるくずし方のバラつきが大きいという。原因は筆記用具の多様化や片仮名語の混在、旧字旧仮名遣い表記などがあるためで、解読は非常に困難としている。今回開発したAI-OCRではこれに対応するため、さまざまなパターンの文字をAIに学習させ、文字の解読精度を向上させた。
人文学オープンデータ共同利用センター（CODH）は8月30日、古文書に書かれた「くずし字」をAIで解読するスマートフォン（iOS／Android）向け無料アプリ「みを」を公開した。元のくずし字と変換後の文字を比較でき、古文書に慣れてない人の理解を手助けするという。 変換したい資料の写真や、ネットからダウンロードした画像などをアプリで読み込むと、くずし字を変換して元の文章の上に表示する。同じ文字を強調表示する機能や変換後の文章をメモ帳などにコピー＆ペーストできる機能などを備える。 AIの学習には、国文学研究資料館の日本古典籍くずし字データセットを基に、CODHが開発したくずし字認識モデル「KuroNet」（クロネット）と、機械学習の精度を競い合うプラットフォーム「Kaggle」（カグル）のくずし字認識コンペティションで1位になったtascj氏の認識モデルを活用している。くずし字は江戸時代のデ
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
目的 anacondaの仮想環境内でtesseractとPyOCRを使い、画像から文字を認識できるようにします。 今回は画像の文字を認識し、ターミナルへ出力できるところまでの行います。 こんな感じ↓ 環境 python 3.6 tesseract 4.1.1 PyOCR 0.8 手順 ツールのインストール anacondaの仮想環境に下記2つをインストールします。 ・文字認識のためのOCRエンジンであるTesseract OCRをインストール https://anaconda.org/conda-forge/tesseract
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
macOS 13 Venturaではプレビューやイメージキャプチャアプリで画像をOCR処理し、PDFにテキストとして埋め込むことが可能になっています。詳細は以下から。 Appleは2021年にリリースしたmacOS 12 MontereyとiOS 15で、機械学習を利用し、オンデバイスで写真内にある文字や文章を検出、編集可能なテキストとしてコピー＆ペーストできる「テキスト認識表示 (Live Text)」機能を導入し、
deepdoctection is a Python library that orchestrates document extraction and document layout analysis tasks using deep learning models. It does not implement models but enables you to build pipelines using highly acknowledged libraries for object detection, OCR and selected NLP tasks and provides an integrated framework for fine-tuning, evaluating and running models. For more specific text process
無料オンラインOCR - EzOCR 無料オンラインOCR-EzOCR PDFや画像(JPG、PNG等）の文字認識を行い、簡単にテキスト変換します。 - PDFや画像(JPG、PNG等）の文字認識を行い、簡単にテキスト変換します -
ML Visionを利用しネットワーク接続なしに画像からテキストの抽出を可能にしたMac用OCRアプリ「Capture&Paste」がリリースされています。詳細は以下から。 Appleが2019年にリリースしたiOS 13のメモアプリはメモのPinや共有フォルダなどの他に、Appleの機械学習フレームワーク「CoreML」を利用しメモ内にある写真や写真内のテキストを抽出、メタデータにして保存してくれるテキスト/被写体検索機能が採用されていますが、
Sugoi Manga OCR V1.5 (Update on 29/May/2021) Download links: (in the About section, click on show more): https://www.patreon.com/mingshiba For questions and stuffs, feel free to join our discord group: https://discord.com/invite/XFbWSjMHJh List of updates so far: + OCR support for Korean and Chinese + Japanese Furigana removal (great for OCR accuracy) + Papago Translation (good for Korean) + C
この記事のひとことまとめ GASでgoogle Driveのフォルダーにアップロードされた画像（PDFもいけます）からgoogle drive APIとDocumentApp ClassをつかってOCRし情報をテキストとしてとりだす方法を紹介します。 これを使うことで、以下のようなことができると思います。 紙のシフト表をスマホでとってDriveにあげてグーグルカレンダーやタイムツリーにシフトを自動登録する レシートを読み込んで品名や金額をスプレッドシートに自動登録する はじめに OCR（光学文字認識）をgoogleのAPIであるGoogle Cloud Vision APIでできることは知っていたんですが、このAPIはGAS(google app script)ではサービスとして提供されていないのでさっとは使えませんでした。 ですが、サービスとして提供されているDrive APIをつかうこ
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
画像や PDF 内に写っている文字列を、全自動で読み取ってくれる OCR ツール。 OCR したい画像や PDF を選択するだけで、対象ファイル内に写っている文字列をプレーンテキストとして出力することができます。 マウスドラッグで囲んだ領域内のテキストのみを読み取る機能や、ソースファイルを右に 90 度ずつ回転する機能、読み取り結果を TXT ファイルに保存する機能 などが付いています。 「Image Scan OCR」は、手軽に使える OCR ツールです。 指定した画像や PDF 内の文字列をプレーンテキストとして出力してくれる OCR ツールで、基本的に “ ソースファイルを選択するだけ ” で使えるところが最大の特徴。 目的のファイルを選択すると自動で OCR が行われるので、面倒な作業抜きにテキストの抽出を行うことができます。 （一応、マウスドラッグで囲んだ領域内の文字列のみを O
RAGは非常に有用なツールですが、PDFの論文などを扱う際には、表データを正しく読み取れない場合があります。 表の構造を適切に処理することは難しく、いくつかの改善策が提案されています。 例えば、RAGを構築するのに使われるライブラリであるLlamaIndexのドキュメントに以下のような情報があります。 このドキュメントでは表を含むデータを扱う方法として、PDFを一旦すべて画像データに変換し、画像として表の形式を保持したままGPT-4Vでデータを解析することを提案しています。 ただ、PDF1ページ分の画像をそのままGPT-4Vに解析させても精度はあまり良くないようで、後述するTable Transformerを使って表部分の画像のみ抽出してから解析を行うことで、より良い結果が得られたのことでした。 本記事では、この方法を用いてPDF内の表の解析を試してみます。 手順としては 1. PDFの全
研究開発部Architectグループの堤と申します。新任マネージャーとして自身のキャッチアップも兼ねて、研究開発部の技術や成果物について紹介する記事を書いています。 第三弾となる今回は、Sansanの名刺データ化フローの中で使われている弊社が独自開発した名刺に特化した文字認識エンジン「NineOCR」についてご紹介します。 Sansanの名刺データ化フロー NineOCRについては本日プレスリリースが出た通り、データ化範囲が名刺記載の「全項目」 1 となり、いずれの項目でも高い読み取り精度を実現しています。 独自開発の背景 名刺のデータ化では、Emailアドレスや電話番号などを1文字間違えただけでも大問題です。 Sansanでは従来より、オペレーションセンターでの人力処理とコンピュータによる処理をうまく組み合わせて、高精度を維持しつつ、コスト削減やスケーラビリティの両立を実現してきました。
短文なら忠実にテキスト化できそう次に、お客様アンケートやワークショップなどのアンケートの集約で活用できないかどうか試してみました。 実験するために、作成したアンケートに手書きで選択肢にマルをつけ、自由記述欄にも一言ずつ記入しました。 今回はChatGPTに5枚読み取ってもらいました。 正確に読み取っているように見えますが、すべてを完璧に読みれているわけではありませんでした。 記述式でも短ければ読み取れる一方で、記述式の内容はほとんど正確に読み取っていました。 「データ」と書いた部分が「デジタル」に変わっていますが、テキストで読んでも意味はわかります。ちなみに、ペンの色を変えたり、走り書きで書いたりした文章もありますが、読み取れています。 短い文章の読み取りなら精度が上がるのかもしれません。
本日は、 Android 端末の新機能やGoogle アプリのアップデートにより、毎日の外出先でのタスク管理がどのように簡単になるかをご紹介します。 AI があなたをサポートGoogle アシスタントによる新しい スナップショット 機能は、AI 技術を活用し、高精度の天気予報アラートや旅行情報、今後の予定のリマインダーなど、役立つ情報を必要な時にすぐ見れるようホーム画面に表示します。 また、このたび視覚に障がいをお持ちの方を対象とした Android アプリの Lookout が、日本語でもご利用いただけるようになりました。Lookout は、Android 端末のカメラと 最先端の AI 技術を使用して、周囲の物体や画像、テキストを認識し、音声でリアルタイムに伝えてくれるアプリです。 現在のバージョンでは以下の 3 つのモードを、日本語の他、英語、韓国語、中国語を含む合計 34 の言語で
くずし字AI-OCRのアシストを受けながら、 古文書や古典籍などの歴史的資料の解読が、 オンラインで可能に。 複数人での共同解読にも対応しています。
LayerXで機械学習エンジニアを担当している @yoppiblog です。今回はOCRチームで検証したLayoutLMについて簡単に紹介します。 LayoutLMとは LayoutLMとは昨今注目されているマルチモーダルなDocument Understanding領域の1実装です。 様々な文書（LayerXだとバクラクではお客様の多種多様な請求書といった帳票を扱っています）から情報を抽出（支払金額、支払期日や取引先名など）するために考案されたものになります。 BERT（LayoutLMv3はRoBERTa）ベースのencoder層を用いレイアウト情報や、文書そのものを画像特徴量としてembedding層で扱っているところが既存のモデルより、より文書解析に特化している点です。 v1〜v3まで提唱されており、v3が一番精度が高いモデルです。 もともと、LayoutLMv2では多言語対応され
機械学習エンジニアの吉田です。今回は機械学習モデルの推論サーバとして NVIDIA Triton Inference Server の性能を検証した話です。 (追記) 続編も書きました tech.layerx.co.jp 背景 バクラクでは請求書OCRをはじめとした機械学習モデルを開発していますが、これらの機械学習モデルは基本的にリアルタイムで推論結果を返す必要があります。 請求書OCRを例にとると、お客様が請求書をアップロードした際にその内容を解析し、請求書の金額や日付などを抽出します。 このような推論用のAPIサーバはNginx, Gunicorn/Uvicorn, FastAPIで実装し、PyTorchモデルをGPUで推論する構成となっており、SageMaker Endpointを使ってサービングしています。 バクラクの推論APIはこのような構成でリリース以降特に問題なく稼働してきて
日本語OCRを作ったので詳しく解説してみる GitHub↓で公開中。 https://github.com/tanreinama/OCR_Japanease 日本語OCRとは 文字通り日本語のOCRです。OCRとは、画像から文字を認識するプログラムです。 前回の記事 https://qiita.com/tanreinama/items/e171449e66d5221afe7e 使用するニューラルネットワーク このOCRプログラムのメインは、基本的にはディープラーニングによって作成されたニューラルネットワークの実行です。 OCRに必要となるのは、文章領域・文字の検出用と、文字のクラス分類用の二つのニューラルネットワークです。 Center Line Detection まず、OCRでは、画像中にある文字を全て取り出せば、それで良いわけではありません。 文字は繋がって文章となり、ひとまとまりの
ゲーム画面DeepL翻訳支援ツールOCR2DeepL ※ぬるっぽさんによる翻訳支援ツールPCOTの方が優れているため こちらアップデートの予定はありません PCOTを利用することを推奨しています ダウンロードページ ヌルポインターストライク スクリーンOCR(Capture2Textなど)と連携しゲーム画面を話題のDeepL Translatorで 翻訳するツールです Capture2TextとDeepLアプリを連携させますので、別途それぞれのアプリの インストールが必要となります ※電ファミニコゲーマーさん記事にして頂きました！ ダウンロード 使い方はreadmeをよくお読み下さい Capture2Textの設定例 Q&A Q. DeepLアプリが反応しない時がある A. Capture2Text/DeepLアプリ/OCR2DeepLの3つが起動しているか確認してください また稀にタイミ
pdfminer.sixパッケージを用いて、PDFファイルからテキストや画像を抽出する方法を紹介する。 from pdfminer.high_level import extract_text from pathlib import Path # PDFファイルからテキストを抽出 source = Path('atmarkit_ebook116.pdf') text = extract_text(source) print(text) # extract_text_to_fp関数を使う from pdfminer.high_level import extract_text_to_fp dest = Path('out.txt') with open(source, 'rb') as fp_in, open(dest, 'wb') as fp_out: extract_text_to_fp
ブログ Tesseract OCR をWindowsにインストールする方法 ［ＰＲ］ 2019/10/28 2020/1/7 | OCR 業務効率化 OCRをPythonで操作できれば大量の紙資料の読み取りも自動化できます。特に郵便番号や請求書番号など定型書類の番号を読み取る作業は代表的な活用例です。 普段のオフィスワークではOCRソフトウェアを用いるのが一般的です。しかし、こららのソフトウェアはPythonから操作できません。そこで、OCRエンジンのみを利用してPythonから操作します。 代表的なOCRエンジンにGoogleがオープンソースで開発している「Tesseract 」があります。 今回はPythonでOCRを操作するための準備として、このTesseractをWindowsにインストールする手順を説明します。 本記事の目次 Tesseractのダウンロード Tesseractの
★追記 このライブラリはライセンスが色々面倒になったみたいですね。 代替として以下のTkEasyGUIなんていかがでしょうか？ ほぼ使い勝手そのままでライセンスもMITです https://github.com/kujirahand/tkeasygui-python/blob/main/README-ja.md 前回に引き続き連載ネタ第2弾です。 今回は前回の成果物を使ってPythonでGUIアプリを作成してみようと思います。 TkinterというPythonの標準GUIライブラリでもいいのですが、はっきり言ってPySimpleGUIの方がいいと感じたので、今回はPySimpleGUIを使用したGUI作成をやっていきます。 【第1回】Pythonで簡単に日本語OCR ※前回記事 【第2回】PythonでオリジナルGUIアプリを作成 ←今回はこの記事 【第3回】Pythonで作成したアプリ
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く