国立国会図書館（NDL）、NDL古典籍OCR ver.3を公開
2024年2月7日、国立国会図書館（NDL）のNDLラボが、「NDL古典籍OCR」のver.3を公式GitHub上で公開したと発表しました。 「NDL古典籍OCR」は、古典籍資料のデジタル化画像から全文テキストデータを作成するために、NDLが実験的に開発しているプログラムです。ver.3では2023年8月に公開したver.2より、漢籍資料のレイアウト認識性能が向上しました。開発に利用した「OCR学習用データセット（みんなで翻刻）」も公開しています。 あわせて、NDL古典籍OCR ver.3を利用して、次世代デジタルライブラリーに搭載している古典籍資料約8万点の再テキスト化を行い、テキストデータの差し替えを実施しています。 NDL古典籍OCR ver.3の公開及び次世代デジタルライブラリー搭載古典籍資料のテキストデータの差替えについて（NDLラボ, 2024/2/7） https://lab
NDL古典籍OCRによって漢文仏典研究環境が飛躍的に便利に： - digitalnagasakiのブログ
表題の通りのことを実現できましたので、とりあえずこちらにてご報告です。 やや説明が難しいのですが、何ができるように／便利になったのかというと、 「SAT大蔵経DBのテキストをクリックするだけでそれに対応する宮内庁宋版一切經の行や東京大学嘉興蔵の行がそれぞれ拡大表示される」機能が追加された、というものです。（最近はシステムを他の人に作っていただくこともありますが、今回は表示システムの部分は全部自分で作っています） SAT大蔵経DBはこちらです。 そして、この位置合わせを行うにあたって、NDL古典籍OCRで生成したテキストデータが非常に役立った、ということなのです。 例として、以下のURLで表示可能な経典を用いてみます。 21dzk.l.u-tokyo.ac.jp 先に具体的な使い方をご説明しますと、今回、下記のところに新たにチェックボックスが2つ追加されました。 たとえば、上記のように「宮内
NDLOCR ver.2の公開について | NDLラボ
2023年07月12日 NDLラボ公式GitHubから、OCR処理プログラム「NDLOCR」のver.2を公開しました。 NDLOCRは、国立国会図書館（以下「当館」といいます。）がデジタル化した資料から、全文テキストデータを作成することを目的に開発したものです。 令和4年4月に公開したver.1が全文検索用途を主目的に開発したもの（令和3年度OCR処理プログラム開発事業参照）であるのに対して、ver.2では、視覚障害者等の読み上げ用途にも利用できるよう、機能の追加及び認識性能の改善を行っています。 ver.1からの追加機能として、①出力テキストデータの読み上げ順序の推定機能、②漢字の読み方の付与機能、③読み上げ上不要な要素（柱・ノンブル）の除去機能、④広告領域内の文字の読み取り機能を有しています。 合わせて、当館が今後デジタル化及びテキスト化をする資料の出版年代を考慮し、特に1960年代
国立国会図書館（NDL）、OCR処理プログラム「NDLOCR」ver.2を公開
2023年7月12日に、国立国会図書館（NDL）が、OCR処理プログラム「NDLOCR」のver.2を、NDLラボ公式GitHubで公開しました。 NDLOCRは、NDLがデジタル化した資料から、全文テキストデータを作成することを目的に開発したものです。 2023年4月に公開したver.1が、全文検索用途が主目的の開発であるのに対し、ver.2は、視覚障害者等の読み上げ用途にも利用できるよう、読み上げ順序の推定等の機能の追加や文字認識性能の改善を行っています。 また、ver.2には、2022年度にNDLが外部委託して開発したver.2.0と、2023年4月～6月にNDLが改善作業を実施したver.2.1があります。 NDLOCR ver.2の公開について(NDLラボ, 2023/7/12) https://lab.ndl.go.jp/news/2023/2023-07-12/ NDLOCR
E2588 – 2022年度NDLデジタルライブラリーカフェ＜報告＞
2022年度NDLデジタルライブラリーカフェ＜報告＞ 電子情報部システム基盤課・村田祐菜（むらたゆうな） 2023年1月18日，国立国会図書館（NDL）は，2022年度NDLデジタルライブラリーカフェ（E2081，E2372参照）をオンラインで開催した。7年目の実施となる今回は「NDLOCRを使ってみた―全文テキスト活用のススメ―」と題し，NDLで開発した光学的文字認識（OCR）処理プログラム「NDLOCR」の活用に関する話題提供とディスカッションが行われた。NDLOCRは2021年度以降にNDLがデジタル化する資料のテキスト化を目的として，開発・公開され，オープンソースのため自由に二次利用が可能である。 第一部は開発者，技術者，研究者の各立場の講師による話題提供が行われた。NDL電子情報部次世代システム開発研究室の青池亨からは，NDLOCRとオープンデータセットの概要が紹介された。NDL
『週刊少年ジャンプ』の歴史からひも解く、マンガ雑誌の文字とデザイン
『週刊少年ジャンプ』の歴史からひも解く、マンガ雑誌の文字とデザイン世界中で高い人気を得ている日本のマンガだが、その隆盛を支えてきたのはマンガ雑誌であった。本記事ではマンガを語るうえで頻繁に取り上げられる物語や絵ではなく、とくにマンガ雑誌における「文字」の歴史がいかなるものであったのかを、『週刊少年ジャンプ』を例にひも解いていく。 聞き手・監修＝岡本正史（集英社） 文・構成＝安原真広（ウェブ版「美術手帖」編集部） 歴代の『週刊少年ジャンプ』 いまやスマートフォンで見ることも多くなったマンガだが、世界中で高い人気を得るようになった日本のマンガ文化をつくりあげてきたのはマンガ雑誌に代表される、紙でつくられた本のマンガだった。月刊や週刊という刊行スピードで数百万部にも上るマンガ雑誌が印刷され、日本全国の書店に届けられる。この世界的に見ても稀有なシステムが、日本の多様なマンガ文化をつくりあげたことに
「カラスの漢字“烏”が“鳥”より一画少ないのは体が黒く目がどこにあるかわからないから」は誤り - 古代漢字学習ブログ @kanji_jigen
「カラスの漢字“烏”が“鳥”より一画少ないのは体が黒く目がどこにあるかわからないから」という説があります。以下のように、現在販売されている漢和辞典にも掲載されています。 象形。からすの形にかたどる。からすはからだが黒く、目がどこにあるかわからないので、「鳥」の字の目にあたる部分の一画を省いた。借りて、感嘆詞、また、疑問詞に用いる。 ――『角川 新字源』改訂新版、角川書店2017年、p824 烏は鳥の目玉を表す部分である「－」を省いた形。 ――『漢字源』改訂第六版、学研2019年、p1152 しかし、この説は誤りです。 この説は金文の研究が盛んになるより以前に提唱されましたが、清代に金石学（金文研究）が発達したおかげで誤りであることがわかりました。すなわち、古文字学（古代の漢字を研究する学問分野）の世界では100年以上前に否定された説です。 漢和辞典に掲載されているいわゆる「漢字の成り立ち」
NDLラボ、「NDL Ngram Viewer」とOCR学習用データセットを公開
2022年5月31日、国立国会図書館（NDL）のNDLラボが、「NDL Ngram Viewer」とパブリックドメインOCR学習用データセットの公開を発表しました。 「NDL Ngram Viewer」は、NDLによるデジタル化資料のOCRテキスト化事業の成果物である全文テキストを活用した実験サービスです。著作権保護期間が満了した図書資料約28万点を対象に、キーワードの出版年代毎の出現頻度の可視化・比較が行えます。 学習用データセットは、NDLが2021年度に株式会社モルフォAIソリューションズに委託して実施したOCR処理プログラム研究開発事業において、OCRモデルの性能改善のために作成されたデータセットの内、著作権保護期間の満了した資料から作成されたものです。2022年5月末時点で、3,997画像分を公開しています。 NDL Ngram Viewerの公開及びOCR学習用データセットの公
NDLラボ、ウェブページ「令和3年度OCR関連事業について」を公開
2022年5月30日、国立国会図書館（NDL）のNDLラボが、ウェブページ「令和3年度OCR関連事業について」を公開しました。 2021年度にNDLが実施した、「デジタル化資料のOCRテキスト化」と「OCR処理プログラム研究開発」について、目的・実施内容・性能の評価方法・評価結果等を紹介しています。 令和3年度OCR関連事業の概要ページを公開しました（NDLラボ, 2022/5/30） https://lab.ndl.go.jp/news/2022/2022-05-30/ 令和3年度OCR関連事業について（NDLラボ） https://lab.ndl.go.jp/data_set/ocr/ 参考： 国立国会図書館、OCR処理プログラムと学習用データセットを公開 Posted 2022年5月16日 https://current.ndl.go.jp/node/46134 NDLラボ、デジタル
国立国会図書館、OCR処理プログラムと学習用データセットを公開
2022年4月25日に、国立国会図書館（NDL）が、OCR処理プログラムであるNDLOCRと、パブリックドメインOCR学習用データセットをNDLラボのGitHubで公開しました。 NDLOCRは、NDLが2021年度に株式会社モルフォAIソリューションズに委託して実施したOCR処理プログラムの研究開発事業の成果である、日本語のOCR処理プログラムです。 学習用データセットは、NDLが2021年度にLINE株式会社に委託して実施したデジタル化資料のOCRテキスト化事業において、OCRモデルの性能改善のために作成した機械学習用データセットのうち、著作権保護期間の満了した資料から作成されたデータセットです。2022年4月末時点で、2,713画像分を公開しています。 OCR処理プログラム及び学習用データセットの公開について（NDLラボ, 2022/4/25） https://lab.ndl.go.
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
京都市のふるさと納税返礼品に書体いかが？ 京都北区ゆかり「ヒラギノフォント」 ｜経済｜地域のニュース｜京都新聞
人文学オープンデータ共同利用センター（CODH）、「つくし」プロジェクトのページを公開：くずし字資料の自動テキスト化、現代文・英語翻訳などの可能性を探る
人文学オープンデータ共同利用センター（CODH）、現代日本語を古活字（くずし字）に変換するサービス「そあん（soan）」を公開
人文学オープンデータ共同利用センター（CODH）、近代雑誌OCR学習用データセットを公開：Kindai OCRはバージョン2に更新
https://twitter.com/hentaigana_bot/status/1664588190005735425
https://twitter.com/rokujooin/status/1628687446794989568
梅園温泉 on Twitter: "美術館や博物館で用いられるキャプションのうち、おそらく一般的な構造と思われるキャプションと悪いキャプション https://t.co/L3pSKFNOWq"
国立国会図書館、「次世代デジタルライブラリー」の全文検索対象を古典籍資料に拡大：江戸期以前のくずし字資料等約6万点が追加
News - NCC News - LibGuides at North American Coordinating Council on Japanese Library Resources
https://twitter.com/kurage313book/status/1517097611278254081
