はじめに

この記事では、Google Cloud Vision API、Azure Computer Vision、Azure Form RecognizerのOCRサービスの精度を評価し、結果を確認します。また、料金体系についても概説します。
また精度評価にあたり、比較対象としてpytesseractの結果も掲載しています。

使用したサンプル

評価には、MakeLeapsさんが配布している無料の請求書テンプレートを元に作成しました。これに少しぼかしを追加しています。

テンプレートソース: MakeLeaps請求書テンプレート

OCRサービスによる精度評価

それぞれのOCRサービスによる文字認識の結果を比較し、誤認識の例を挙げます。
認識結果を確認するには、▶️アイコンをクリックしてください。
今回は純粋なテキストの抽出のみ行ったため、サービスによってテキストの順序が乱れていることをご了承ください。

Google Cloud Vision API

認識結果:
認識結果の詳細を表示 (クリックして展開)
- No.
- クライアント株式会社
- T000-0000
- 東京都目黒区上目黒12-34-56
- 春夏秋冬ビル3階
- 総務部経理担当
- 山田太郎様
- 1 Product 10n
- 2 W3b
- 3 バナー制作
- 4 仕上圧延機
- 5 USBインターフェース
- 6 LEDバックライト
- 7
- 8
- 項目
- 請求書作成・管理ならMakeLeaps (メイクリーブス)
- 請求書
- 数量単位
- 5 h
- 15
- 55
- 1
- 2
- 100
- サンプル株式会社
- 〒123-4567
- 東京都目黒区上目黒1-2-3.
- サンプルビル5階
- h
- 例ヵ月分)
- 1ヵ月分
- さんぷるりーぷす株式会社
- 101
- 2013年12月17日
- 小計
- 消費税 (10%)
- 合計
- お支払い期限
- BARNo.
- 請求日)
- TEL: 03-1234-5678
- E-Mail: sample@sample.co.jp
- 担当サンプル太郎
- 単価
- V70,000
- ¥70,000
- V70,000
- V70,000
- ¥60,000
- V1,000,000
- 2024年1月31日
- 御社印
- ¥350,000
- V1,050,000
- V350,000
- V70,000
- V120,000
- V100,000,000
- 8101,940,000
- ¥182,000
- V2,002,000
誤認識例: ¥70,000 → V70,000、2023年12月17日→2013年12月17日

Azure Computer Vision

Azure Form Recognizer

認識結果:
認識結果の詳細を表示 (クリックして展開)
- 請求書
- さんぷるリーぶす株式会社
- クライアント株式会社
- 請求No. 101
- 〒000-0000
- 請求日: 2023年12月17日
- 東京都目黒区上目黒12-34-56
- 春夏秋冬ビル3階
- サンプル株式会社
- 御社印
- 〒123-4567
- 総務部経理担当
- 東京都目黒区上目黒1~2-3
- 山田太郎
- サンプルビル5階
- TEL: 03-1234-5678
- E-Mail: sample@sample.co.ip
- 担当:サンプル太郎
- No.
- 項目
- 数量
- 単位
- 単価
- 金额
- 1 Product10n
- 5
- ¥70,000
- ¥350,000
- 2 W3b
- 15
- ¥70,000
- ¥1,050,000
- 3 バナー制作
- 5
- ¥70,000
- ¥350,000
- 4 仕上圧延機
- 1
- ヵ月分
- ¥70,000
- ¥70,000
- 5 USBインターフェース
- 2
- ヵ月分
- ¥60,000
- ¥120,000
- 6 LEDバックライト
- 100
- ¥1,000,000
- ¥100,000,000
- 7
- 8
- 9
- 小計
- ¥101,940,000
- 請求書作成・管理ならMakeLeaps (メイクリープス)
- 消費税 (10%)
- ¥182,000
- 合計
- ¥2,002,000
- お支払い期限: 2024年1月31日
誤認識例: 東京都目黒区上目黒1-2-3 → 東京都目黒区上目黒1~2-3

比較対象: pytesseractの結果

認識結果:
認識結果の詳細を表示 (クリックして展開)
- クライアント株式会社
- 〒o00-0000
- 東京赴財区上目時12-34-56
- 本了秋冬ビル3階
- 請求書
- さんぶるリーぶす株式会社
- 請求No. 101
- 請求日: LM 2023年12月17昌
- サンプル株式会福
- 〒123-4567
- 東京都目黒区上目黒!-2-3
- サンプルビル 5階
- TEL: 03-1234-5678
- E-Mail: sample@sample.co.lp
- 担当: サンブル太郎

料金体系

各サービスの料金体系についても触れます。
下記の価格は141.71円/$の為替レートで計算されています。

Google Cloud Vision API

価格: 1001〜5000000回まで¥212/1000画像、月1000回まで無料
料金詳細: Google Cloud Vision API Pricing

Azure Computer Vision

価格: 0〜1000000回まで¥147/1000画像、1分あたり20件のトランザクションで月5000回まで無料
料金詳細: Azure Computer Vision Pricing

Azure Form Recognizer

価格: ¥737/1000画像、月500回まで無料
料金詳細: Azure Form Recognizer Pricing

各サービスのデータ保持とプライバシーポリシー

Google Cloud Vision API

データ保持期間：数時間
データの使用目的：処理完了後削除、他目的での使用なし
詳細情報：Google Cloud Vision データ使用ポリシー

Azure Computer Vision

データ保持期間：24時間以内
データの使用目的：処理完了後削除、他目的での使用なし
詳細情報：Azure Computer Vision OCR データプライバシー

Azure Form Recognizer

データ保持期間：24時間以内
データの使用目的：処理完了後削除、他目的での使用なし
詳細情報：Azure Form Recognizer データプライバシー

まとめ

漢字や英語が混在している箇所では、文字認識の精度が低下することが予想されましたが、今回のサンプルにおいては、いずれのサービスも高い文字抽出精度を示しました。今後は手書き文字やレイアウトが乱れた文書など、さらに複雑なケースについても比較検証していく予定です。

参考情報

Pytesseract

Pytesseractを使ったMacデバイス上でのOCR処理
注意: Tesseractは標準のパッケージでは日本語に対応していないため、別途インストールが必要です。以下のコマンドでインストール可能です:
brew install tesseract-lang