イラストや図を含む一般文書からのYOLOを用いた文字認識

• Item type: SIG Technical Reports(1)
• 公開日: 2023-12-04
• タイトル: イラストや図を含む一般文書からのYOLOを用いた文字認識
• タイトル / 言語: en
• タイトル: Character Recognition using YOLO From General Documents containing Illustrations and Diagrams
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 奈良女子大学
• 著者所属: 奈良女子大学
• 著者所属: 奈良女子大学
• 著者所属(英): en
• 著者所属(英): Nara Women's University
• 著者所属(英): en
• 著者所属(英): Nara Women's University
• 著者所属(英): en
• 著者所属(英): Nara Women's University
• 著者名: 粟野, 愛未; 吉田, 有里; 松本, 尚
• 著者名(英): Manami, Awano; Yuri, Yoshida; Takashi, Matsumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，様々な手法の文字認識が普及しているが，その多くは文字領域の切り出しと個別文字の認識を分けて行うため，前処理等の多くの工程と認識作業の繰り返しを必要とする．我々は，これらの処理は深層学習による物体検出器を使用すれば不要であり，特にレイアウト解析のような背景から文章領域を切り出す処理が省略できると考えた．本論文では，YOLO（You Only Look Once）という物体検出器を使って文字検出と文字認識を一斉に行うことにより，文章領域を特定する前処理を用いずとも高い精度かつ一括で文字を認識できることを実証する．カラー背景・カラー文字の画像やイラストと文字が混在する画像を用いて YOLOv3 で学習した結果，画像内の文字の内正しく認識できた文字の割合はおよそ 99.40% となった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, various methods for character recognition have become popular, but most of them require a lot of preprocessing and repetition of recognition tasks because they separate the character region segmentation and the recognition of individual characters. We believe that these processes are unnecessary when an object detector based on deep learning is used, and in particular, the process of extracting the text area from the background, such as layout analysis, can be omitted. In this paper, we demonstrate that character detection and recognition can be performed simultaneously using an object detector called YOLO (You Only Look Once), and that characters can be recognized in a batch with high accuracy without using preprocessing to identify text regions. The results of training with YOLOv3 on images with colored backgrounds and colored text, and on images with a mixture of illustrations and text, showed that the percentage of correctly recognized characters in the images was approximately 99.40%.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2023-MPS-146, 号 5, p. 1-7, 発行日 2023-12-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会