オープンソース・ソフトウェアの開発とダウンロード

NHocrについての表示

カテゴリ(タグ)ツリー

ファイル情報

カテゴリ(タグ)
ルート
ファイル名
about-140830
最終更新
2009-05-30 01:16
種類
HTML
作成者
H. Goto
概要
NHocrの紹介
言語
日本語
翻訳する

NHocr - 日本語文字認識プログラム

Since Sep 8, 2008 / Last update: May 30, 2009


この文書は nhocr: OCR engine for Japanese language (Google Code) にある紹介文を日本語訳し、若干の変更を加えたものです。

NHocrについて

NHocr は日本語に対応したコマンドライン形式の 文字認識(OCR)プログラムです。 NHocr は画像中の日本語文字(ひらがな、カタカナ、漢字等) やASCII文字/シンボルを認識します。 NHocr は、学術関係者に公開された実験的な部分ソースを除いては、 おそらく最初のオープンソース日本語OCRソフトウェアです。

NHocr はウェブサービス WeOCR でも利用できます。

このプログラムは実験的な意味が強く、 文字認識の精度に限界があります。
(高性能なOCRが必要ならば、製品を買うべきでしょう。)

NHocr で用いられている文字特徴量は、 '90年代後半に堀らによって提案された 外郭局所モーメント特徴 (Peripheral Local Moment, P-LM) が基本になっています。

NHocr は元々、作者の週末プログラミングの成果物です。 開発は遅いかもしれません。

現バージョンにおける制約事項

  • 現在の NHocr は、ページレイアウトの解析処理が組み込まれていないので、 文字行ブロックのイメージしか扱うことができません。
  • 全角・半角の文字が混在したり、プロポーショナルフォントが用いられると、 認識率が悪化することがあります。というか、します。
  • 文字切り出しアルゴリズムはまだ非常に単純なので、 文字切り出しの精度は悪いです。
  • ASCII文字の認識率は悪いです。欧米言語には、例えば tesseract のような、 他のOCRを使うことを奨めます。
  • 言語後処理はまだ含まれていません。

サポートされるプラットフォームと要件

Solaris SPARC/x86 と Linux が正式にサポートされます。 NHocr はその他のUNIX(ライク)な環境やMS-Windowsでも 動作するかもしれません。

NHocrは下記サイトで入手できる O2-tools パッケージに依存しています。

コードの入手性

当初、ソースコードの配布は 2009.2Q に予定されていました。

最初のソースコードパッケージがバージョン0.16として2009年5月 より公開されました。

ライセンス

新版には Apache License 2.0 が適用されます。
バージョン 1.5e-32 以前には、MIT-Xの派生が適用されています。


© 2008,2009  
Hideaki Goto