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.