超解像OCRの開発

従来のOCR（文字起こし）の課題

OCR（文字起こし）は、画像から文字情報を抽出する技術です。

帳票・免許証・会員カードなどの読み取りに幅広く使われています。

近年の技術進化により、スキャン画像など文字が綺麗に写っている画像は、十分な精度で読み取りが可能になりました。

しかし、以下のような場合はいまだに読み取り精度が低くなります。

たとえば、１枚の書類をスマホカメラで撮影する場合を考えてみてください。

全体を綺麗に撮るのは案外難しいものです。

一部の文字はピントが合っていなかったり、ぶれていることも多いでしょう。

そのため、全体を精度良く読み取れない可能性があります。

弊社は超解像技術を用いて、これらの課題に対応いたします。

超解像は、低画質の画像を鮮明で高画質な画像に変換する技術です。

ここ数年世界では、文字に特化した超解像技術を用いて、不鮮明な文字をクリアにしてからOCRをかける研究が行われています。

クリアにすることで、読み取り精度があがったという結果が報告されています。

しかし、日本語に対応した超解像AIはほぼありません。

そこで、弊社は独自に超解像を組み込んだOCR（以下、超解像OCR）の開発に着手しました。

現在開発中の超解像OCRで文字読み取りをした結果は、以下のようになります。

オープンソース（以下、OSS）のOCRを用いた結果も併せて提示いたします。

超解像OCRとOSSのOCRで性能の比較も行いました。

このように、超解像OCRはOSSのOCRと比べて、ぼやけた画像に対する読み取り精度が約2倍高いことがわかります。

超解像OCRのメリットは前述のとおり手ブレやピンボケに強いことです。

この特性は、以下のようなユースケースがマッチすると考えています。

クラウドサービスやパッケージで提供されるOCRサービスは、カスタマイズに限界があります。

例えば、独自のフォント・記号は読み取れない場合があります。

弊社は、そのような特殊な文字も読み取れるよう、モデルのカスタマイズも対応いたします。

お気軽にご相談ください。

超解像OCRの要素技術は「文字検出」「超解像」「文字認識」に分かれます。

このうち、「超解像」と「文字認識」部分を弊社独自で開発しています。

「超解像」部分について、以下のような工夫を行いました。

文字認識については、以下のような工夫を行いました。