Post on 31-May-2015
description
有限会社 来栖川電算 山口陽平 オープンソースカンファレンス名古屋２０１２
自己紹介
はじめに
紹介するＯＳＳ
設計
実装
？？？
まとめ
参考文献
あじぇんだ
自己紹介
山口陽平
有限会社来栖川電算
プログラミング言語・型理論の研究者
世界を美しく記述することを夢見る３３歳
名古屋工業大学大学院出身
未踏ソフトウェア経験
人を驚かせるのが好き
Nativeコードより速いJavaコード
1日でHaskellを作る
ハードリアルタイムJavaVM
1000台越え構成のペタバイト級分散DB
PC上で秒間1000万クエリ処理できるKVS
山 口 陽 平
※あくまでもイメージです。 実物に髪の毛はありません。
概要 名古屋工業大学発ベンチャー（2003年）
目的 ソフトウェアの品質・生産性向上
スタッフ 役員３人・正社員７人・アルバイト９人
データ作成４人・家政婦２人
IPA未踏ソフトウェア経験者多数
社風 職人・挑戦・自由
昼食・夕食・飲み会は無料
有限会社来栖川電算
イオン千種・名大病院・名工大の間
はじめに
何を作るの？
準備するもの
取り組む姿勢
スマホで撮影した写真から単語を抽出するアプリ
何を作るの？
準備するもの
スマホ
Android 2.3
サーバ
Scientific Linux 6.2
Java SE 7
Apache Tomcat 7.0
OpenCV-2.2.0
O2-tools-2.00
nhocr-0.20
開発環境
サーバと同じソフト
android-sdk_r18
Eclipse Indigo JavaEE IDE for Web Developers.
CDT
ADT
ここを紹介するよ！
考慮すること
動くこと
分かりやすさ
考慮しないこと
認識精度
安全性
信頼性
可用性
拡張性
取り組む姿勢
紹介するＯＳＳ
OpenCV
NHocr & O2-tools
元はインテル製の画像処理ライブラリ
APIが単純で割と使いやすい 様々な画像（※GIF除く）の読み書きに便利
様々な分野のアルゴリズムを網羅 画像処理・特徴抽出とディスクリプタ抽出
クラスタリング・多次元空間探索・オブジェクト検出
ビデオ解析・カメラキャリブレーション・姿勢推定
ステレオ・機械学習
サイト
【公式】http://opencv.willowgarage.com/
【日本コミュニティ】http://opencv.jp/
OpenCV
日本語OCR・画像処理ライブラリ
一文字認識の認識精度はわりとよい 一応、行認識もできる
コマンドラインツールがある 画像ファイルの文字認識・フォントからの辞書作成
本格的に使うにはわりと改良がいる コード量が少ないので難しくはない
サイト
【後藤研究室】http://www.imglab.org/
注意
一部をコメントアウトしないとビルドできない場合が
NHocr & O2-tools
あ
設計
概要（もう一度）
スマホアプリ
文字認識サービス
文字認識コマンド
スマホで撮影した写真から単語を抽出するアプリ
概要
マッシュアップでシンプルに！
主な作り込みは単語抽出（言語処理）だけ
スマホアプリ
中継するだけ！
主な作り込みは文字認識コマンドの中
文字認識サービス
OepnCV・NHocrのAPIはシンプルで使いやすい！
難しいのは文字領域抽出だけ
文字認識コマンド
実装
画像読込
二値化
文字領域抽出
文字認識
XML出力
言語処理
OpenCVなら画像の読み書きが簡単！
BMP DIB JPEG JPG JPE PNG PBM PGM PPM SR RAS TIFF TIF
画像読込
#include <opencv/cv.h> #include <opencv/highgui.h> int main() { IplImage* tImage = cvLoadImage("input/club_adriana.jpg", CV_LOAD_IMAGE_COLOR); cvNot(tImage, tImage); cvSaveImage("output/not_club_adriana.png", tImage); cvReleaseImage(&tImage); return 0; }
OpenCVには基本的な二値化アルゴリズムがある！
cvThreshold：与えた閾値で二値化する。（大津の方法も）
cvAdaptiveThreshold：近傍の平均から閾値を決める。
二値化
#include <opencv/cv.h> #include <opencv/highgui.h> int main() { IplImage* tImage = cvLoadImage( "input/club_adriana.jpg", CV_LOAD_IMAGE_GRAYSCALE); IplImage* tBinarizedImage = cvCreateImage( cvGetSize(tImage), tImage->depth, tImage->nChannels); cvAdaptiveThreshold(tImage, tBinarizedImage, 256, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY, 19); cvSaveImage("output/binarized_club_adriana.png", tBinarizedImage); cvReleaseImage(&tBinarizedImage); cvReleaseImage(&tImage); return 0; }
ライトが当たっているとなかなかうまくいかない
ヒストグラムで文字がある場所を見つけるぞ！
ぐるぐるループしながら四則演算するだけ
行の上下に余分なものが写っているとうまくいかない
文字領域抽出
NHocrなら文字認識が簡単！ ①辞書の選択・初期化など ascii+（英数字）
jpn（日本語）
ユーザ辞書
②画像形式の変換
OpenCV ⇒ NHocr
③文字認識 入力 文字の場所
出力 {文字:距離, ..., 文字:距離}
文字認識
#include <opencv/cv.h> #include <opencv/highgui.h> #include <siplib.h> #include <nhocr.h> int main() { NHrec tNHrec; tNHrec.setlibdir( (char*) "/usr/local/moji/nhocr-0.20/share/"); tNHrec.setdiccodes((char*) "ascii+"); tNHrec.open(); IplImage* tImage = cvLoadImage("input/Ao.png", CV_LOAD_IMAGE_GRAYSCALE); SIPImage* tSIPImage = createSIPImage(tImage); int tCount = 10; RecResultItem tCondidates[tCount]; tNHrec.rec_character(tSIPImage, 0, 0, tImage->width, tImage->height, tCondidates); for (int tIndex = 0; tIndex < tCount; tIndex++) printf("%c:%f¥n", (char)tCondidates[tIndex].id, tCondidates[tIndex].dist); sip_DestroyImage(tSIPImage); cvReleaseImage(&tImage); tNHrec.close(); return 0; }
各文字領域は複数の候補を持つ
各候補は文字と距離を持つ
XML出力
<result> <candidates> <candidate><character>H</character><distance>1</distance></candidates> <candidate><character>4</character><distance>2</distance></candidates> </candidates> <candidates> <candidate><character>O</character><distance>1</distance></candidates> <candidate><character>0</character><distance>2</distance></candidates> </candidates> <candidates> <candidate><character>M</character><distance>1</distance></candidates> <candidate><character>m</character><distance>2</distance></candidates> </candidates> <candidates> <candidate><character>U</character><distance>1</distance></candidates> <candidate><character>u</character><distance>2</distance></candidates> </candidates> </result>
様々な言語処理
距離の和が最も小さいパスを選ぶ。
文字種を限定する。
記号・数字・英字（大・小）・かな・カナ・漢字
辞書に含まれている単語だけを選ぶ。
文法にあうパスを選ぶ。
正規表現・文脈自由・自然言語
言語処理
簡単に使えるけど それ以外が難しい
AdaptiveThresholdもあんまり使えない
ヒストグラム使った文字領域抽出が話にならない
１位だけを採用する言語処理でも話にならない
WebAPIで画像をPOSTするだけ
難しいことは全部サーバでやってくれる！
recognize.jp まだまだ利用申請できるよ！どんどんしてね！
タンゴチュウが （前より）賢くなった！
４月のrecognize.jpのアップデートで目に見えて良くなったぞ！
１年前とくらべて・・・４倍の賢さだ！
情景画像からの
文字認識サービス
http://tangochu.jp
説明前に宣伝させて！
写真（情景画像）から単語を抽出
例えば メニュー チラシ お菓子のパッケージ レシート 名刺 看板 …
タンゴチュウとは
情景画像の文字認識とは
情景画像の文字認識とは
従来のOCRとは戦場が違う
悪環境下での文字認識
手書き・様々な書体・かすれ・点描・きついパース・統一性のない並び・逆光・陰・影・グラデーション・モアレなど
情景画像の文字認識とは
目指すはこんなかっこいい世界！
手軽に文字認識を体験できる！
タンゴチュウ for Twitter
@tcfox
手軽に文字認識を体験できる！
タンゴチュウ for Twitter
写真の検索・整理に役立つ！
タンゴチュウ for Evernote
4倍の賢さ・6倍の速さ
着実に進化している！
情景画像文字認識ではトップクラス
性能推移
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
20
11年
06月
20
11年
07月
20
11年
08月
20
11年
09月
20
11年
10月
20
11年
11月
20
11年
12月
20
12年
01月
20
12年
02月
20
12年
03月
20
12年
04月
棚卸し・検査・電子辞書などに
用途を限定すると非常に高精度
既に稼働していて、驚くほど高性能
出版系・測量系からも引き合いがきているぞ！
カスタマイズＯＫ
Android端末 への組み込み もやってるよ
とにかくアクセス！
http://tangochu.jp
萌えキャラたちも待ってるぞ！
まとめ
オープンソースを活用すれば
とりあえず動くものは作れる
性能がでるかは腕次第
recognize.jpを使えば割とよい
今回のスマホアプリのソースコードは ダウンロードできるようにしておくよ！
参考文献
リンクとか
Scientific Linux http://www.scientificlinux.org/
Jave SE http://www.oracle.com/technetwork/java/
Apache Tomcat http://tomcat.apache.org/
Android SDK & ADT (Eclipse Plugin) http://developer.android.com/index.html
Eclipse & CDT http://www.eclipse.org/
参考文献①
OpenCV
http://opencv.willowgarage.com/
【日本コミュニティ】http://opencv.jp/
O2-tool
http://www.imglab.org/p/O2/
NHocr
http://code.google.com/p/nhocr/
参考文献②
recognize.jp（情景画像文字認識ＡＰＩ）
http://recognize.jp/
撮って文字入力（文字認識ＩＭＥ）
http://www.nttdocomo.co.jp/smt/service/trial/trial_app/totte_moji/index.html
タンゴチュウ（情景画像文字認識サービス）
http://tangochu.jp/
来栖川電算
http://kurusugawa.jp/
参考文献③
どんどん賢くするので応援してね
ご清聴ありがとうございました