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年04月25日 NDLラボのGitHubから、次の2件を公開しました。ライセンスや詳細については、各リポジトリのREADMEをご参照ください。 NDLOCR 国立国会図書館（以下、「当館」とします。）が令和3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。 このプログラムは、国立国会図書館がCC BY 4.0ライセンスで公開するものです。なお、既存のライブラリ等を利用している部分については寛容型オープンライセンスのものを採用しているため、商用非商用を問わず自由な改変、利用が可能です。 機能ごとに7つのリポジトリに分かれていますが、下記リポジトリの手順に従うことで、Dockerコンテナとして構築・利用することができます。 リポジトリ : https://github.com/ndl-lab/

[jssei]

tesseractの公開モデルより良いなら使いたい

[mickn]

NDLOCR

[rjge]

国立国会図書館ってこういうこともしてたんだ

[schyzon]

独自の日本語OCRを謳ってる会社はこういうのに蹂躙されるのかねぇ。。。

[sc3wp06ga]

「detectTOC Public　目次ページを検出する」「NDLOCR用ページ分割モジュール　見開き画像をページ単位でノド元で分割」「NDLOCR用資料画像の傾き補正モジュール」他にこんなのもあるのな。自炊に使えたりするのかしら？

[tasukuchan]

“プログラム”

[misshiki]

“パブ”

[hiroomi]

”NDLラボのGitHubから”わおー国会図書館だ。

[dominion525]

国立国会図書館さんのいい仕事な雰囲気ある。公益性高い。

[fashi]

GPUが必要なタイプ

[kagehiens]

なるほど、日本語OCRの学習データは公益性高いな。