文献

J-GLOBAL ID：202002271138863341   整理番号：20A0874561

OCRsのアンサンブルを用いた生物講義のための品質意識型人間機械テキスト抽出【JST・京大機械翻訳】

Quality-Aware Human-Machine Text Extraction for Biocollections using Ensembles of OCRs

著者 (6件)： Alzuru Icaro (University of Florida) ,  Stephens Rhiannon (Australian Museum) ,  Matsunaga Andrea (Advanced Computing and Information Systems Laboratory) ,  Tsugawa Mauricio (Advanced Computing and Information Systems Laboratory) ,  Flemons Paul (Australian Museum) ,  Fortes Jose A.B. (University of Florida)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： eScience  ページ： 116-125  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像化テキストからの情報抽出(IE)はテキスト認識プロセスの出力品質に影響される。誤ったまたは失われたテキストは,誤りを伝播するか,またはプレクラードIEさえも伝播する可能性がある。自動化された方法における低い信頼性は,いくつかのIEプロジェクトが排他的に人間の仕事に依存している理由である。それは生物学的コレクション(バイオコレクション)の場合であり,そこではデジタル化ラベルに見られるメタデータ(Darwin-core Terms)が市民科学者によって転写される。本論文では,バイオコレクション画像において見出されたテキストの転写を得るために必要とされるcrow消費タスクの数を削減するアプローチを提示した。光学的チャター認識(OCR)エンジンのアンサンブルを用いることにより,OCRopus,Tesseract,GoogleクラウドOCRが,高い確率を持つラインと特性を同定する。これは,テキストの信頼性の低い断片だけに対して行われるために,密集した転写の必要性を減少させる。また,OCRsの集合の出力が冗長なクラウド消費プロセスの最初の「人間」転写として使用されるハイブリッドヒューマンマシンクラウドにより,transcriに対するラインの数も削減される。著者らのアプローチを6つのバイオコレクション(2,966画像)でテストし,クラウド消費タスクの数を76%削減した(OCRsのアンサンブルにより受け入れられたラインにより58%,そしてハイブリッドクラウドを使用したときに加速された収束により約18%)。自動抽出テキストは,0.001(0.1%)の文字誤り率を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報抽出 ,  冗長性 ,  自動化 ,  信頼性 ,  転写 ,  誤り率 ,  *メタデータ
準シソーラス用語： 自動抽出 ,  ハイブリッドクラウド ,  ディジタル化 ,  画像化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： アンサンブル ,  生物 ,  講義 ,  意識 ,  人間