WEKO3
アイテム
日本語OCR文字認識誤り調査と深層学習による誤字訂正モデル
https://ipsj.ixsq.nii.ac.jp/records/241491
https://ipsj.ixsq.nii.ac.jp/records/241491f9053978-aa6d-4d30-b280-8e11b70c2269
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS24151011.pdf (1.0 MB)
2026年12月2日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-12-02 | |||||||||
| タイトル | ||||||||||
| タイトル | 日本語OCR文字認識誤り調査と深層学習による誤字訂正モデル | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Japanese OCR character recognition error research and error correction model with deep learning | |||||||||
| 言語 | ||||||||||
| 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(英) | ||||||||||
| en | ||||||||||
| Nara Women's University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Nara Women's University | ||||||||||
| 著者名 |
宮本, 菜摘
× 宮本, 菜摘
× 松本, 尚
|
|||||||||
| 著者名(英) |
Natsumi, Miyamoto
× Natsumi, Miyamoto
× Takashi, Matsumoto
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本研究では，日本語対応 OCR（光学文字認識）の検出精度向上を目的とし，複数のオープンソース OCR エンジンおよび松本研究室で 2020 年度より開発中の物体検出器 YOLO（You Only Look Once）を用いた文字検出・認識の統合モデルを評価した．自作の文書画像データに対して，これらの OCR および文字検出モデルを適用し，認識結果の精度を比較した．さらに，収集した認識誤りデータを基に，ニューラル言語モデルのファインチューニングを行い，文脈情報を利用した誤認識文字訂正モデルを構築した．これにより，従来の OCR における認識精度向上に対する一つのアプローチを提案するとともに，YOLO による文字検出モデルの完成度の向上を目指す． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | This study aims to improve the detection accuracy of Japanese-compatible OCR (Optical Character Recognition) by evaluating an integrated model for character detection and recognition using multiple open-source OCR engines and the object detector YOLO (You Only Look Once), which has been under development in the Matsumoto Laboratory since 2020. We applied these OCR and character detection models to custom document image data and compared the accuracy of their recognition results. Additionally, based on the collected recognition error data, we fine-tuned the neural language model to construct an error correction model that utilizes contextual information to correct misrecognized characters. Through this approach, we propose a method for enhancing the recognition accuracy of conventional OCR and aim to improve the precision of YOLO-based character detection models. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 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 2024-MPS-151, 号 11, p. 1-6, 発行日 2024-12-02 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | 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 | |||||||||
