Microsoft AzureのOCRサービスについて
この記事はMisoca+弥生 Advent Calendar 2019 - Qiitaの17日目のエントリーになります。
こんにちは、弥生のつじのです。
普段は弥生のインフラチームで商用環境の構築・運用などを主に担当しています。
私はインフラチーム内でMicrosoft Azure(以下Azure)に触れる機会が比較的多いので、Azureに絡めた話題としてAzureのOCRサービスについて紹介したいと思います。
■OCRサービスって?
Optical Character Readerの略です。
画像データ内の文字を認識してtxt、csvなど文字列データへ変換する装置のことです。
■リソースの紹介
今回Azureで使用する主なリソースについてです。
Azure Logic Apps docs.microsoft.com Azure内部の操作を自動実施したり、外部からのトリガーで特定の操作が可能なリソースです。 GUI上からある程度直感的に処理の作成が可能です。
OCR 認知スキル docs.microsoft.com Azureが提供しているOCRサービスです。 このサービスに画像データを送り込むことで、その画像データからテキストデータを取得します。
■動作環境準備
今回はAzure上に以下の様な環境を構築します。
※構成手順は省略
①:手動で画像データをアップロード
②:画像データの有無を定期的にチェック
③:画像データをOCRサービスへ読み込ませる
④:OCR結果をtxtファイルに出力
⑤:手動で出力結果をダウンロード
■アップロードと精度検証
次はAzureのOCRの精度検証です。
アップロードする画像はアドベントカレンダーなので、冬らしい和歌を調べて画像にしました。
さあいざ結果を確認!
ハ る 自 - 雪 古 野 の 里 に 見 る ・ ま て に 有 明 の 月 ど
なんだ...これは...
元々24文字ある和歌ですが、OCR結果内に和歌に含まれる文字は15文字しか無いですね。
しかも『朝ぼらけ』の行に関しては欠落している。
この結果からAzureのOCRサービスは精度出ませんでしたで終わってはなんとも味気ない...
そこで多少頭を捻り何が悪かったのか考えてみました。
- 予測①:このOCRサービスは左から読み込み、その結果を最終的に左から横書きで出力しているように見えるので元画像も横書きがよいのでは?
- 予測②:また選んだ書体には文字の見え方を意識した線や太さの強弱が発生してる、機械に読み込ませるならゴシックのような書体が良いのではないか?
このような予測を立てた上で、一つずつ修正して結果を確認しました。
まず書体を行書体からゴシックに変更してみます。
降 れ る 白 雪 吉 野 の 里 に 有 明 の 月 と 朝 ぼ ら け 見 る ま で に
文字単位で見れば正しく変換されていますね!
しかし、行単の順番が入れ替わっており、これでは読めない。
では縦横を入れ替えてみるだけだとどうでしょう。
朝 ば ら け 明 の 月 ど 見 る ま て に 古 野 の 里 に ハ る 自
『朝ぼらけ』の行は出てきましたが、文字単位では正解率では書体の変更ほど変わらないですね。
最後に書体、縦横両方の変更を加えた結果を確認します。
朝 ぼ ら け 有 明 の 月 と 見 る ま で に 吉 野 の 里 に 降 れ る 白 雪
!?
読める!
間違いもなく正確に画像データから文字列データに変換されています。
※今回の検証では画像の空白は考慮せず、文字サイズのみ統一しています。
■結果
今回の簡単な検証の結果、文字の変換精度という観点で見ると『書体の変更>縦書き横書きの変更』、行順序の変換精度という観点では『書体の変更<縦書き横書きの変更』でした。
AzureのOCRサービスに画像データを取り込む際にはゴシックのような書体で横書きが良いようです。
(書いてみると当たり前ですが...)
しかし文字精度に書体が影響するのはわかるのですが行順序については、OCRサービス側でどのようなロジックとなっているのかもう少し検証してみたいと思います。
OCRサービス側で前後の行と意味のつながりを意識していたりするのかなど。
■まとめ
今年のMicrosoft Igniteにて機械学習に力を入れていくという発表があり触れてみたいと思っていましたが、このアドベントカレンダーが良いきっかけとなりました。
Azureには引き続き新しいリソース機能がGAされてゆくと思いますので、置いて行かれないようこまめに新しい情報に触れていきたいと思います。
また去年のアドベントカレンダーも12/17に記事を書いたので、
それから色々あったな―と思い返して楽しく記事を書いてました。
次回、Misoca+弥生 Advent Calendar 2019 - Qiita の18日目は、mugi_unoさんです。