はじめに
本記事では、Oracle Alloy環境で利用できるOCI Document Understandingを用いて、日本語の文字認識精度を検証します。検証には、事前学習済みのOCRモデルを使用します。
※OCR(Optical Character Recognition、日本語では「光学文字認識」)は、画像内の文字を読み取り、コンピューターで扱えるテキストデータへ変換する技術です。
検証の目的
日本語を含む架空の請求書を用いて、原画像、時計回りに5度回転した画像、縦横を25%に縮小した画像のOCR結果を比較します。
事前学習済みのOCRでテキストを抽出し、様々な条件によって結果に差があるか確認します。
検証環境
- サービス:OCI Document Understanding / Text Detection(OCR)
- モデルバージョン・言語設定:バージョン2・Japanese
- 操作方法:OCIコンソール
データと検証条件
同一レイアウトで、請求書番号、発行日、発行元、請求金額が異なる3件の架空請求書(A、B、C)を用意します。各請求書について、原画像、時計回りに5度回転した画像、縦横を25%に縮小した画像を作成し、合計9画像を分析します。
なお、回転画像では文字の欠けを防ぐためにキャンバスを拡張しています。そのため、今回の比較には、傾きだけでなくキャンバスサイズと余白の違いも含まれます。
| 条件 | 画像サイズ | 加工 |
|---|---|---|
| 原画像 | 1200×1600 | 本文28ピクセル、Meiryo UI |
| 回転 | 1400×1800 | 原画像を時計回り5度回転 |
| 縮小 | 300×400 | 縦横25% |
実行手順
評価方法
請求書番号、発行日、発行元、請求金額の4項目を評価対象とします。抽出結果が期待値と完全一致した場合を正解とします。各条件につき、3文書×4項目の計12項目を評価します。なお、この評価は主要4項目を対象としたものであり、文書全体の文字認識精度を示すものではありません。
結果
主要4項目では、原画像、5度回転画像、25%縮小画像のすべてで12項目中12項目が期待値と一致しました。
| 条件 | 番号 | 日付 | 会社名 | 金額 | 正解数/総数 |
|---|---|---|---|---|---|
| 原画像 | 3/3 | 3/3 | 3/3 | 3/3 | 12/12 |
| 回転 | 3/3 | 3/3 | 3/3 | 3/3 | 12/12 |
| 縮小 | 3/3 | 3/3 | 3/3 | 3/3 | 12/12 |
一方、評価対象外の本文では、25%縮小画像で「架空のデータ」「品目」「数量」に誤認識が確認されました。このため、主要項目は抽出できたものの、縮小時の全文認識には課題が残る結果となりました。

まとめ
今回の限定した検証では、同一レイアウトの架空請求書3件に対し、主要4項目を原画像、5度回転画像、25%縮小画像のすべてで正しく抽出できました。一方、25%縮小画像では本文の一部に誤認識が確認され、文字サイズの低下が認識結果へ影響する可能性が示されました。
ただし、検証対象は合成した3文書で、各画像の分析は1回のみです。また、回転画像ではキャンバスサイズも変更しています。そのため、本結果だけで実運用への適合性を判断することはできません。実運用を想定する場合は、文書数を増やし、スキャン品質、画像圧縮、影、罫線、複数フォント、複数ページなどの条件を追加して評価する必要があります。
なお、Alloy関連の技術トピックに関しては、以下のリンク先も併せてご参照ください。
NTT DATA TECH





