データ分析に使うための書籍の電子化を、google cloud visionを使って行っています。古い本かつ、小さな文字で人名や数字が並んでいるため、多少のOCRエラーは避けられないのですが、カタカナがでてきた場合の認識精度の低さに悩まされております。ある程度文字の大きさがある場合(タイトル等)は問題なく認識するのですが、小さな文字が詰まっている行ではほぼ認識されません(例:"ドーベラ2,000ヘルマン" -> "*-*72,000儿了?")。
おそらくカタカナが漢字の偏やつくりとして解釈されてしまっているためだと考えているのですが、解決法が見つかっておりません。何百ページにも及ぶ本で、手入力では対応できないので、なにか案があれば教えていただけると本当に助かります。
どうぞよろしくお願いいたします。
あなたの回答
tips
プレビュー