質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.51%

  • 機械学習

    684questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • Google Cloud Platform

    145questions

スキャンした請求書を分類したいです。オススメ書籍や勉強になるサイトなどあれば教えてください。

受付中

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 738

disc_7

score 94

目的

請求書がどの会社からのものか、分類することが目的です。

OCRなどで請求書にある会社名は、日本の請求書は大抵が社判と
重なっているために、読み込めないケースが大半でした。

画像として分類して、類似したものですから、分類できないものか?
と考えています。
毎月の請求書スキャン画像の差異は、日付と請求額以外はほぼ同じ、
明細行数が違う場合があるのが、一番の差になりそうです。

定期的な請求が大半で大量なので、
データ化して入力を省力化できないものかと。


以下、質問です。

(質問1)参考になりそうな書籍はありますか?

画像の分類は、機械学習になるのかと思いますが、
おすすめの書籍などがあれば教えてください。
そもそも方法が違うよ、こんな方法で実現できる、
というご指摘も歓迎です。

(質問2)どの程度の難易度でしょうか?

画像の分類はそこまで難易度が高くなく、サンプルもWeb上に
動かせるものがありそうかと、甘い考えでした。
実際はじっくり学習しないとハードル高いよ、ということでしたら、
その点もご指摘ください。

私の経験など、いまできること

あまり関係ないかもしれまんせが、一応。
機械学習については、ネット記事を読んだりくらいで、
基礎知識が不足しています。

主は業務でやっているWindows Formのシステム開発です。
言語:VB.net(Visual Studio2005)
DB:MS SQL Server2005

趣味プログラムなどで。
言語:PHP、Ruby(on Rails)、HTML・CSS

会社・自宅のパソコンともにWindows環境です。
LinuxなどはAWSでやっています。

よろしくお願いいたします。
以上です。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • MasashiKimura

    2017/01/24 19:42

    社判の色はだいたい赤、文字は黒と考えていいですか?

    キャンセル

  • disc_7

    2017/01/25 09:40

    社判は現状はすべて赤でした。文字は緑がありました。請求書の紙も白でないものもあります。スキャンした画像は税務書類で保管ではないので、モノクロも可能です。

    キャンセル

回答 1

0

色領域抽出してから、OCRにかけるのはどうでしょうか。
OCR自体を作るのは難しいのでどうにかして市販のものにつなげてもらうことにします。

まずは、色領域抽出で黒文字の部分を取り出します。(赤文字部分を白で塗りつぶすのでも可能)

このあたりが参考になるかもしれません。
http://imagingsolution.blog107.fc2.com/blog-entry-248.html

次に、それらを画像として保存して、OCRにかけます。

うまく行くかはやってみないとわかりませんが。。。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/01/25 16:46

    回答ありがとうございます。
    OpenCV、使える言語がC#あたりが一番読みやすそうなので、いただいた参考URLを置き換えるなどして、
    事項錯誤してみます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.51%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • 機械学習

    684questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • Google Cloud Platform

    145questions