カスタムフォントについての光学式文字認識の学習

光学式文字認識 (OCR) アプリでは、カスタム言語またはカスタムフォントを認識するよう関数 ocr に学習させます。このアプリを使用して OCR 学習で対話的に文字データにラベルを付けることができ、関数 ocr で使用する OCR 言語データファイルを生成できます。

OCR トレーナーアプリを開く

MATLAB^® ツールストリップ: [アプリ] タブの [イメージ処理とコンピュータービジョン] の下にある OCR アプリアイコンをクリックします。
MATLAB コマンドプロンプト: ocrTrainer と入力します。

OCR の学習

OCR トレーナーで [新規セッション] をクリックして [OCR 学習セッションの設定] ダイアログボックスを開きます。
[出力設定] で OCR 言語データファイルの名前を入力し、そのファイルの出力フォルダーの場所を選択します。指定する場所は書き込み可能でなければなりません。
[ラベル付けの方法] で、データに手動でラベルを付けるか、光学式文字認識を使用して事前のラベル付けを行います。OCR を使用する場合、プレインストールされた英語または日本語を選択するか、あるいは追加の言語サポートファイルをダウンロードすることができます。

メモ
言語サポートファイルをダウンロードするには、MATLAB コマンドウィンドウで「visionSupportPackages」と入力します。あるいは、MATLAB [ホーム] タブの [環境] セクションで、[アドオン]、[アドオンの入手] をクリックします。その後、検索ボックスを使って "Computer Vision System Toolbox OCR Language Data" を検索します。
学習セッション中はいつでもイメージを追加できます。トレーナーは OCR 学習用のイメージを自動的にセグメント化します。結果を検査して、テキストが予想どおりセグメンテーションが行われていることを確認します。セグメンテーションを改善するには、イメージの領域分割アプリを使用してイメージを事前処理します。イメージを追加した後、学習イメージビューからセグメンテーションの結果を検査できます。

OCR を特定の文字セットに制限するには、[文字セット] チェックボックスをオンにして文字を追加します。
メモ
OCR に認識させるテキストを含む学習イメージを使用します。数文字しか含まない学習イメージは使用しないでください。OCR の学習が最も効果的となるのは、学習イメージに多数の単語から構成されるブロックが含まれる場合です。関数 insertText を使用して、既知のフォントの学習イメージを自動で生成できます。
```
I = zeros(500,500,3,'uint8');

textLines = [
    "some training text"
    "even more stuff to learn"
    ]
lineYLocation = 50;

for i = 1:numel(textLines)
    I = insertText(I,[50 lineYLocation],char(textLines(i)), ...
        'Font','LucidaSansRegular',...
        'FontSize',16,'TextColor','white',...
        'BoxOpacity',0);

 % increment to next line
    lineYLocation = lineYLocation + 20;
end
figure
imshow(I) 
```
ノイズを含んだイメージがあれば削除します。セグメンテーションの結果を向上させるために、関心領域を描画してイメージの一部を選択できます。元のイメージが左側に、編集されたイメージが右側に表示されます。終了後、[すべて確定] をクリックします。
抽出されたサンプルを文字ビューウィンドウで変更します。
- サンプルを修正するには、文字ビューウィンドウでサンプルのグループを選択し、[文字ラベル] フィールドを使ってラベルを変更します。
- サンプルを学習対象から除外するにはサンプルを右クリックして、そのサンプルを [不明] カテゴリに移すオプションを選択します。不明のサンプルはデータブラウザーウィンドウの最上部にリストされ、学習には使用されません。
- 境界ボックスで文字が切断されている場合は、文字をダブルクリックして抽出元のイメージ内で変更を行います。
サンプルの修正後、[学習] をクリックします。トレーナーでの学習が完了すると、アプリにより OCR 言語データファイルが作成されて指定フォルダーに保存されます。

アプリのコントロール

セッション

新規セッションを開始し、保存済みのセッションを開き、あるいはセッションを現在のセッションに追加します。セッションを保存して名前をつけることもできます。セッションは MAT ファイルとして保存されます。

Add Images

イメージを追加します。新規セッションを開始するときや現在のイメージコレクションを承認した後にイメージを追加できます。

Settings

フォント表示を設定または変更します。

Edit Box

選択した文字を含むイメージを境界ボックスと共に選択します。追加領域を作成したり、既存イメージのマージ、変更、削除を行ったりすることができます。ROI を削除するには、Delete キーを使用します。

Train

セッションから OCR データファイルを作成します。.traineddata ファイルを関数 ocr で使用するには、関数 ocr の 'Language' プロパティを設定してカスタム言語の指示に従います。

Generate Function

学習結果の検証のために自動生成される評価関数を作成します。

メモ

OCR トレーナーアプリを実行する前に、マシンにインストールされている Tesseract が 1 つのみかどうかをチェックします。複数の Tesseract がインストールされている場合は、余分なインストールを削除し、MATLAB を再起動して OCR トレーナーアプリを実行します。これを行っていない場合、[学習] ボタンをクリックすると、アプリは "入力引数が不足しています" というエラーを返します。

参考

OCR トレーナー | ocr