Please enable JavaScript.

Coggle requires JavaScript to display documents.

shippio forwarder (貿易書類 OCR (OCR精度調査 (さらに精度を上げるには？ (透かし・ノイズ問題？…

- - - - Googleが提供しているクラウドOCRサービス
      - 1unit（箇所） : $0.15＋サーバ代
      - 精度は高い。見たところ、元々のスキャン精度が高い。
        辞書を挟んでいるため、文章などに強い。ただ無駄に置き換えられてしまうことがある。それを無効に出来るAPI要チェック。
        透かしには比較的弱くはないが、ただ精度が50%くらいになる。
      - APIが豊富。翻訳のAPIなどもある。ロゴの認識とかもある。
      - コンフィデンススコアはなし
    - - Googleが管理している非Deep Learning系ライブラリ
        https://github.com/tesseract-ocr/tesseract/
      - 精度は75%程度。透かしがあったらほぼ認識不可能になるレベル。
        オプションは豊富で無料なので、例えばルールベースなど、部分的な使用はあるかもしれない。
      - オープンソース
    - - 有料OCRの中で最も評判が良い
      - A4 1枚10円程度
      - 精度はさすがに良い。
    - - 今回は未評価。日本語に強み。土屋さんと戸部さんが一度訪問済み
      - 月々定額
        3万円 / 2,500枚 12円/枚
        30万円 / 30,000枚 10円/枚
        300万円/ 350,000枚 8円/枚
    - - アルゴリズムチューニング？
        
        DeepLearningのどのモデルがこの用途で精度と汎用性が高いか？
        
        学習データが必要
      - 辞書作成？
      - 透かし・ノイズ問題？
        
        もともと透かしだけをスキャンしておいたら、画像処理で透かしを外せないか？
        
        スキャナーのヘッドのメンテナンスをしっかりやる
      - 人間の確認作業？
        
        作業内容・インターフェースは？
        
        OCRのスコアは得られる？
        
        どうその間違ったデータを貯められるか？
        
        機械がミスりやすくて、人間が間違いにくいもの？
      - ルールベース？
        
        文字なのか単語なのか文章なのか？
        
        使われている記号を制限するには？
      - あとは実際やってみてでしょ
    - - 位置情報系（OpenCV MSER）
        
        入力位置検出
        
        単語区切り位置検出
      - 文字認識系（Deep Learning）
        ＊この辺りから調査開始する
        
        CNN
        
        LSTM layers
        
        Connectionist Temporal Classification Layer
      - 辞書系
        ＊どの辞書がいいか
        ＊マニュアルで、通す通さないの選択
        ＊辞書で置きかえる置きかえないのロジック
    - - Another OSS developed by indivisuals
        Quite modern stack, decently active, well documented
      - https://github.com/tmbdev/ocropy
      - However, it doesn't work on macos 10.12 (as of 7/12 by my effort). Not tested yet...
  - - - 参考例
        
        wantedly 名刺スキャン
        
        精度は悪いが、名刺のスキャン画像が出るので、そこで事足りる
        
        dropbox 社内確認用
        
        社内の人間の目チェック用に、予測ワードとscoreが出るので便利。さらにスコアで色分けするともっと便利
      - 要詰め：目的は？
        
        精度は100%にならないので、どうそこの問題を解決するか？
        
        どう考えても人が絡むはず
        
        絡む人は社内か？クラウドソーシングか？クライアント社内か？
        
        現状のクライアント社内のどこを代行するのか？
    - - 管理者：通関士
      - 記入作業者
      - 記入作業のマネージャー？
      - もしかしたらシステム担当者？
    - - 書類のフォーマットと
        スキャンする枠をを登録する画面必須
        
        マーカーなどが必要か確認する
      - OCRのルールなど？
  - - - AWSにする場合と、Google Cloud Platformだけにしておくのと、どれぐらい違うか？
    - - 画像をもらって、textを返すだけ？他には？