PFCCLab/PPOCRLabel

何を解決するか

PPOCRLabelv3 は、光学文字認識（OCR）タスクに特化した半自動グラフィックアノテーションツールです。組み込みのAIモデルを使用してテキスト領域を自動検出・文字を認識し、手動で微調整することで、OCRモデル用の高品質な学習データセットを作成します。これにより、手作業によるラベル付けの煩雑なプロセスを排除します。

動作方法

Python3 と PyQT5 で記述され、PP-OCR モデルを統合して自動検出と認識を実行します。ユーザーは画像のディレクトリを開き、ソフトウェアが自動的にバウンディングボックスとテキストラベルを生成します。その後、ユーザーは結果を確認し、さまざまな描画ツールとショートカットキーを使用してテキストを手動で修正またはボックス位置を調整します。確認後、ラベルは Label.txt や rec_gt.txt などのフォーマットにエクスポートされ、PP-OCR のトレーニングパイプラインと直接互換性があります。

対象ユーザー

OCRプロジェクトに取り組む開発者やデータサイエンティストで、検出および認識モデルの学習に大量の画像ラベルが必要な方々。特に、テーブルやキーメッセージ抽出（KIE）タスクなど構造化データを扱う方々に適しています。

特徴

• マルチモードアノテーション：矩形ボックス、不規則な多点ポリゴン、テーブル構造、キーメッセージ抽出（KIE）をサポート。
• 半自動ラベリング：組み込みの PP-OCR モデルにより、「自動認識」と「再認識」が可能で、ラベリングプロセスを高速化。
• テーブル抽出：専用ワークフローでテーブル構造を抽出し、Excel形式に変換。
• カスタムモデル対応：コマンドラインパラメータでデフォルトの超軽量モデルを独自の推論モデルに置き換え可能。
• 精度制御：特定のショートカットキー（z, x, c, v）を使用して、バウンディングボックスの頂点を細かく調整し、正確な位置合わせを実現。