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
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.
1
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
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
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
Makoto GOTO / 後藤真 on Twitter: ".@mak_goto 現在の技術水準で古文書OCR系にもっとも期待されているのは「大量作業の軽減」です。長い古典籍や、定型化された文書部分をなんとか効率化し、それで本当に難しい人が読まなければならない部分にエネルギーを集中してもらうのがもっとも主たる狙いになるかと。（続く）"