OMR と OCR: 違いと比較

テクノロジー分野の進歩は急速に進んでいます。 新しい技術発明（新しい機械、ソフトウェアなど）の形で、毎日新しい驚きが生まれます。 以前はすべての作業が手作業で行われており、このプロセスが完了するまでに何時間もかかっていました。

私たちは、手間のかからない生活を提供してくれるテクノロジーにとても感謝すべきです。 以前は何時間もかかっていた作業が、今では多くの大変な作業を数分で完了できるようになりました。

OMRとOCRはそのようなものです ソフトウェア それは非常に役立つことが証明されています。 それらはデータを収集し、人間がマークした、書かれた、または印刷されたテキストの画像を機械でエンコードされた形式に変換します。

主要な取り組み

1. OMR は Optical Mark Recognition の略で、人がマークしたデータの読み取りと処理に使用されます。 対照的に、OCRはOptical Character Recognitionの略で、印刷または書かれたテキストをデジタル形式に変換します。
2. OMR は多肢選択式のアンケート、回答シート、アンケートを処理し、OCR はスキャンした文書、領収書、請求書を機械で読み取り可能なテキストに変換します。
3. OMR は、事前に定義されたボックスまたは円のある特別な種類の紙を使用してマークを検出しますが、OCR は画像分析アルゴリズムを使用して文字とテキストを認識します。

OMR と OCR

OMR (Optical Mark Recognition) は、バブルマークをチェックするために使用される技術です。 この技術は主に試験で学生の答案を確認するために使用されます。 アンケートの確認にも使えます。 OCR (光学文字認識) は、画像テキストを機械が読み取り可能な形式に変換するために使用されるもう XNUMX つのテクノロジです。 この技術は実装が困難です。

OMR – 光学式マーク認識として知られる、マークされた人間のデータを読み取るために使用される技術です。 このプロセスでは、テストや調査などのドキュメントからデータを取得します。

影付きと線付きの領域を利用して、選択式の用紙やアンケートなどを差し引いて読むことができます。 OMR は光マーク読み取りとも呼ばれます。 OMR スキャナによってスキャンされたシートは、OMR ソフトウェアによって処理されます。 この方法により、試験での採点が容易になりました。

光学式文字認識として知られる OCR は、任意のテキスト ドキュメントの画像をマシン内で電子的にエンコードされたテキストに変換する技術です。 光学式文字リーダーとも呼ばれます。

これは、印刷されたテキストをデジタル化する方法であり、データ レコードのデータ入力の形式です。 これは、データを電子的に編集し、体系的に保存できるようにするためです。 スキャンした文書、写真文書、ビルボード、看板のテキスト、テレビ放送などに使用できます。

比較表

比較のパラメータ	OMR	OCR
フルフォーム	光学式マーク認識	光学式文字認識
定義	人間がマーキングしたデータをキャプチャして、線や陰影を利用して、マークなどのマーキングされたデータの存在と場所を特定する技術。	あらゆる形式のデータのテキストの画像を電子的に機械語に変換して、それが何を表しているかを判断し、体系的に保存する技術。
実施レベル	初級	実装が比較的難しい
申し込み	テスト、調査、投票、ジオコーディング、製品評価など	ビジネス文書、データ入力、銀行取引明細書、Google ブックスなど
とも呼ばれている	光学式マークリーダー	光学式文字リーダー

OMRとは？

OMR は、Optical Mark Recognition (光学式マーク読み取りとも呼ばれます) の略称です。 それはコンピュータソフトウェアです。 さまざまな文書から人間がマークしたデータを取得します。 紙面上の線や網掛け部分は、選択式のアンケートや試験などを読み取るために使用されます。

1970 年代に、学校の成績表をバブルの形で修正するために、重い OMR スキャナー マシンが発明されました。 それ以来、OMR 重機は世界中で使用されています。

初期の機械は非常に重く、一般の人には手が届きませんでした。 その後、ソフトロジック OMR スキャナー マシンが導入されました。 人工知能は OMR バブル読み取りアルゴリズムに基づいており、このソフトウェアは重い OMR マシンへの依存を排除​​しました。

作業プロセスは次のとおりです。 光のビームで紙を投影する専用のスキャン装置。 用紙上のさまざまな位置の反射率を使用して、マークされた領域を検出します。

結果は、領域の反射が空白領域よりも比較的少ない場合にわかります。 事前に印刷されたトランスオプティックペーパーを使用して光の量を測定する機械はほとんどありません。 今日の OMR マシンを使用して記入される特殊なフォームは、コンピューター スキャン用に最適化されています。  

備考 Office OMR（Gravic製。 （株）) は、最初のソフトウェア パッケージの XNUMX つと言われている一般的なイメージ スキャナーからのイメージを使用していました。 このソフトウェアは、以前の方法よりも安価であったため、数千ドルも節約できたので非常に便利でした。

これは、テストやアンケート、フィードバック、宝くじ、銀行取引などの投票を集計するよく知られた方法です。 評価など。フラットベッド スキャナーと ADF スキャナーは、市場で入手可能な XNUMX 種類のドキュメント スキャナーであり、OMR シートのスキャンに使用されます。

アンケートの好ましい形式を提供するために、さまざまなフィールドのオプションがあります–

1. 複数
2. グリッド
3. Add
4. ブーリアン
5. バイナリ
6. 点線フィールド

OMR マシンには、いくつかのエラーや欠点もあります。 大量のテキストに関するデータの収集が複雑になる可能性があります。 スキャン処理中にデータが失われることもあります。 ページ番号が正しく付けられていないと、間違った順序でスキャンされる可能性があります。

紙の楕円の輪郭が太すぎると、塗りつぶされたように読めることもあります。

OCRとは何ですか？

OCR は、Optical Character Recognition の略で、Optical Character Reader とも呼ばれます。 これは、任意の形式 (手書きまたはタイプ) のテキストの画像を機械でエンコードされた言語に電子的に変換する技術です。

文書の写真、標識や看板のテキスト、スキャンした文書、字幕テキストなどに使用できます。文字の位置を特定して認識することにより、デジタル画像を処理します。

この方法では印刷されたテキストがデジタル化され、データを電子的かつ体系的に簡単に編集および保存できるようになります。 これは、印刷された紙の記録からのデータ入力の一種です。 OCR が研究に使用できる分野は、コンピューター ビジョン、人工知能などです。

OCR はオンライン サービスとして 2000 年代に利用可能になりました。 OCR の用途としては、交通標識の認識、パスポートや銀行などの書類のデータ入力、視覚障害のあるユーザーを支援する技術などが挙げられます。

以前のバージョンと上級バージョンでは動作に違いがあります。

初期のシステムは各文字について多くのトレーニングを必要とし、一度に XNUMX つのフォントを処理するため動作が遅かったのに対し、高度なバージョンでは高度な認識が可能になりました。 精度 そしていくつかのフォント。

OCR のプロセスはオフラインで実行されますが、クラウドベースのサービスではオンライン OCR API も提供されます。

プロセスの各段階で使用されるさまざまな手法があります –

1. 前処理 – 歪み補正、斑点除去、二値化など。
2. テキスト認識 – マトリックスマッチング、特徴抽出など
3. 後処理 – 辞書、近傍分析など

OMRとOCRの主な違い

1. OMR の完全な形式は光学式マーク認識ですが、OCR の完全な形式は光学式文字認識です。
2. OMR は、マークされた人間のデータをキャプチャし、線や影の領域を使用してマークなどのマークされたデータの存在と位置を特定するテクノロジーです。一方、OCR は、さまざまな形式のテキストやデータの画像を電子的に機械に変換するテクノロジーです。言語は、それが何を表しているのかを判断し、それを体系的に保存します。
3. OMR は実装が簡単ですが、OCR は実装が少し難しいです。
4. OMR は光学式マーク リーダーとも呼ばれ、OCR は光学式文字リーダーとも呼ばれます。
5. テスト、調査、投票、ジオコーディング、製品評価などは、OMR のいくつかの用途ですが、 ビジネス ドキュメント、データ入力、銀行取引明細書、Google ブックなどは、OCR のいくつかの用途です。

参考文献

1. https://ieeexplore.ieee.org/abstract/document/4725254/
2. https://www.researchgate.net/profile/Chirag_Patel27/publication/235956427_Optical_Character_Recognition_by_Open_source_OCR_Tool_Tesseract_A_Case_Study/links/00463516fa43a64739000000.pdf

最終更新日 : 21 年 2023 月 XNUMX 日