2026年9月15日
データセットでは何を隠すべきか？個人情報とマスキング範囲の考え方
画像や文書をデータセットとして公開するとき、「個人情報に当たるものだけを隠せばよい」と考えると判断に迷います。氏名や顔は分かりやすい一方、クレジットカード番号の下4桁、車のナンバー、レシートの購入日時などは、それだけで本人を特定できるとは限りません。 それでも、利用目的に必要がなければ公開前に隠したほうがよい情報があります。この記事では、法律上の個人情報に該…
レシートOCR
-
-
2026年9月14日
レシートOCRの画像アノテーションツールを比較して、Label Studioを使うことにした
レシート画像からOCR用データセットを作るにあたり、画像アノテーションツールを比較しました。 候補にしたのは、Label Studio、CVAT、LabelImg、Roboflow Annotateの4つです。今回必要な作業に合うか、複数人での運用へ広げられるか、作成したデータをほかの環境でも使えるかを確認しました。 比較した結果、今回の試作にはLabel…
-
2026年9月14日
日本語の文書画像・OCRデータセット一覧｜レシート・帳票・レイアウト解析
日本語の文書画像を扱うデータセットを探してみると、近代資料や古典籍のOCRデータは比較的充実している一方、レシートや業務帳票の公開データは多くありません。文書画像、正解テキスト、文字や項目の位置、文書の構造まで揃っているかも、データセットによって大きく異なります。 そこで、レシート・帳票のOCR、項目抽出、文書レイアウト解析、文書質問応答など、日本語の文書画…
-
2026年9月14日
レシート画像のアノテーションにLabel Studioを使うことにした。Windowsで起動するまで
レシート画像のOCR用データセットを試作することになり、アノテーション環境としてLabel Studio Community Editionを入れてみました。 この記事では、Windowsパソコンへのインストールから、ブラウザでの起動、終了、2回目以降の開き方までをひと続きにまとめます。 最終的にChromeでhttp://localhost:8080を開き…