Hatena Blog Tags
はてなブログ トップ
OCR
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

OCR

(コンピュータ)
【おーしーあーる】

光学文字認識（Optical Character Recognition）。

イメージスキャナなどで読み取った文書画像を解析し文字データを抽出し、電子テキスト化すること。



類似文字　OCR3→GIANT製の自転車の名称、光学文字認識できる自転車ではない。

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
uepon日々の備忘録•1ヶ月前

Radeon AI PRO R9700で日本語OCRをローカルで比較してみる

先日、X（旧Twitter）で「OCRツールは多々あるけれど、精度と費用のバランスを考えるとYomiTokuが素晴らしい」という書き込みを見かけました。日本語特化のOCRというだけでも気になる話題だというのに、Pythonパッケージでローカル完結できるとなると試さないわけにはいかないんですよね😁 しかし、調べていくうちに「業務では使いにくい理由」も見えてきて、じゃあ代わりになるものはあるのか、そしてそれらは自分のAMD GPU環境で動くのか、というところまで話が広がってしまいました😅 ⚠️本記事の情報は2026-09時点のものです。ROCmのWindows対応や各OCRツールのライセンスは動き…

#VLM#OCR#日本語#Radeon AI PRO R9700#ローカル LLM

関連ブログ

PDFlibrary’s diary•1ヶ月前

PDF編集のやり方｜無料で文字・画像を修正・PDFプロパティを変更する方法

「PDFの文章を修正したいけど、どうすればいい？」「タイトルや作成者などのプロパティも変更できる？」と悩んでいませんか？ PDFはそのままでは編集しにくいものの、PDF編集ソフトを使えば、文字や画像の修正からプロパティの変更まで簡単に行えます。 この記事では、無料でPDFを編集する方法と、PDFのプロパティを変更する方法を初心者向けにわかりやすく紹介します。あわせて、操作が簡単な「Tenorshare PDNob PDF編集ソフト」の使い方も解説します。 PDFファイルを編集する方法 PDFプロパティを変更・編集する方法 PDF編集ならTenorshare PDNobが便利な理由 1. PDF…

#PDF#PDF編集#PDF変換#PDFプロパティ編集#OCR
PDFlibrary’s diary•1ヶ月前

PDFの文字起こしをする方法7選｜画像・スキャンPDFから無料でテキスト化する方法

PDFの文字をコピーしたいのに、なぜか選択できない……そんな経験はありませんか？ スキャンした書類や画像PDFは、そのままでは文字をコピーできないことがあります。そんなときに便利なのが、画像内の文字を認識してテキスト化できるOCR機能です。 この記事では、PDFを文字起こしする7つの方法を紹介します。無料で使える方法から、複数ページのPDFを効率よく処理できる方法まで、用途に合わせて詳しく解説します。 PDF文字起こしとは？OCRとの違いをわかりやすく解説 PDF文字起こしのおすすめ方法7選 方法1：PDNobでPDFを文字起こしする【高精度・一括処理におすすめ】 方法2：Googleドライブ…

#文字起こし#画像文字起こし#PDFOCR#PDF#OCR
Solo engineering notes•2ヶ月前

安いモードが読んでいるのは、ひとつの数字

解像度300dpiでレンダリングされた日本の請求書の小計と、それに対して azure/gpt-5.6-sol@low が返した答えです。印字されている値は ¥1,237,500 であり、このシリーズでずっとテストしてきたものと同じ本文フォントが使われています。返ってきた答えは ¥1,235,000 でした。驚くべきことに、フィールドがはっきりと見えている状態の素材も含め、モデルによる120回の読み取りのうち118回において、答えは ¥1,235,000 だったのです。 その数字は、ドキュメントのどの行にも存在しません。OCRが数字を間違えるような、単なる読み間違いでもありません。これは請求書の…

#LLM#OCR#benchmark
uepon日々の備忘録•2ヶ月前

Colabで動いたNDLOCR-Lite、次は手元のWindows 11＋GTX 1650で動かしたい

先日のブログでNDLOCR-LiteをGoogle Colabで動かしてみましたが、それでうまくいくとやっぱり手元のマシンでも動かしておきたくなりますよね😊今回はWindows 11＋GTX 1650という、ちょっと非力めのGPUを積んだ構成で動かす手順を整理してみます。（動作するとはいっていない🙄） 先に温度感だけ言っておくと、CPU実行は確実に動作するでしょうが、GPU実行のほうは要検証となります。NDLOCR-LiteはCPU前提で設計されているので、まずはCPUで通して、GPUは「速くなればラッキー」くらいで考えておきます😅。 関連 uepon.hatenadiary.com なぜロー…

#NDLOCR-Lite#NDL#OCR#AI#CUDA
Solo engineering notes•2ヶ月前

安いモードは空欄にせず、書いてしまう

300dpi で描画した日本語の請求書があります。7.5pt の細字のピクセルまで数えられる鮮明さです。その1枚を読んだ azure/gpt-5.6-sol@low が返してきた振込先ブロックが、こちらです。 "bank_name": "みずほ銀行", "bank_branch": "本店営業部", "account_number": "1234567" どれひとつ、紙面にありません。印字されている銀行は「ほしかげ信用金庫」— ベンチマーク用に作った架空の金融機関で、実在しません。印字されている口座番号は、1234567 ではない7桁です。モデルはこれらを誤読したのではありません。この解像度テ…

#LLM#OCR#benchmark
uepon日々の備忘録•2ヶ月前

国立国会図書館の無料OCR「NDLOCR-Lite」が想像以上だったのでColabで動かしてみた

以前、国立国会図書館（NDL Lab）が公開しているNDLOCR-Liteが界隈で話題になっていました。GPU不要でCPUだけで動くという日本語OCR対応で、縦書きにもしっかり対応しているらしいというところをみて、気になって試してみました。いつもローカルLLMやエッジ寄りの環境をいじっているので、「dGPUなしで動く」という一点だけでもかなりそそられるものだと思いました。 lab.ndl.go.jp ただ、手元のマシンにいきなり環境を作ると、依存ライブラリの整理で半日溶けることも考えられますし😅。まずは、ハードルがいちばん低いGoogle Colab上で動かすところまでを備忘録として残しておこ…

#NDLOCR-Lite#NDL#OCR#AI
Solo engineering notes•2ヶ月前

ハンコの下の文字は読めるのか

日本語の請求書から、発行者の社名を取り出したものがこちらです。その上に、赤い社印が押してあります。日本ではほとんどの請求書に押されている、あの角印です。左は普通の朱肉の印影で、紙の上のインクらしく半透明です。右は同じ印を、同じ文字の上に、不透明で重ねたものです。 半透明の印と不透明の印の下にある、同じ社名 半透明の印の下では、gpt-5.6-sol@high は社名を完璧に読みました。赤の下に黒いインクが残っているので、モデルはそれを透かして読み取ります。不透明の印の下では、何も読めませんでした。同じモデル、同じ文字、同じ位置です。違うのは、下のインクがまだ存在するかどうか、その一点だけです。…

#LLM#OCR#benchmark
Solo engineering notes•3ヶ月前

モデルは現実を訂正した

日本語の請求書の振込先ブロックを、300dpi で描画したものがこちらです。細字は 7.5pt ですが、どの文字もくっきり読めます。銀行名は「みずなら銀行」— ベンチマーク用に私が作った架空の金融機関で、この文書の中にしか存在しません。 gemini-3.5-flash@high にこのブロックを5回読ませました。答えは5回とも「みずほ銀行」— 実在するメガバンクです。 読めなかったのではありません。読んだうえで、書いてある内容を上書きしたのです。 この話の出どころ これは先日公開した可読性マップの中で、いちばん奇妙だったセルの話です。あの企画では日本語の請求書1枚を7段の模擬スキャン解像度で…

#LLM#OCR#benchmark
Solo engineering notes•3ヶ月前

読めなくなったモデルは、黙るか、作るか — 27変種×7段の可読性マップ

先日、少し奇妙な発見について記事を書きました。GPT の low-detail 画像モードは、読めない文書を「読み間違える」のではなく中身をまるごと作り出します。しかも出力は流暢で、合計金額の辻褄まで合っているという話でした。ただ、あの記事で観察したのは1つの故障モード・1つのモデル系列・1つの可読性水準に限った結果です。 そうなると次の問いが残ります。それぞれのモデルはどこまで劣化した文書なら読めるのか。そして読めなくなったとき、何をするのか。空欄を返すのか、それともそれらしい値をでっち上げるのか。 本文に入る前に、結果をひとつだけ先にお伝えしておきます。文書の中身を読めなくなったモデルでも…

#LLM#OCR#benchmark