リファレンス
ドキュメントAIに関するデータリファレンスと用語定義です。各ページは出典検証済みで、引用可能な内容です。
統計
レシート v1.1:固定の SROIE および CORD レシートにおける docTR vs Docling、正規化テキスト距離、後処理フィールド F1、バッチスループット、GPU コスト。
レシート v1.1:SROIE 361件とCORD 100件のレシートでdocTRとSurya2を比較。テキスト距離の診断、ポストプロセス後のフィールドF1、バッチ処理時間、GPUコスト。
レシート v1.1:docTR は SROIE LLM フィールド F1 とバッチスループットで首位、EasyOCR は SROIE 正規表現 F1 と CORD バッチスループットで首位。手法と出典。
レシートベンチマーク:利用可能なRTX 4090 GPUの推定値は、過去の$0.76/時間でSROIE 1,000ページあたり$0.0479~$1.0609の範囲です。タイミングの制約とCPUの範囲について説明します。
SROIEにおけるレシートOCRリクエストのp50は108.7~2668.0 ms。採用したCPU/GPUエンジン8件の実行結果で、p95、採用済みウォールスループット、タイミング制限について解説します。
Receipt v1.1はSROIEとCORDでPaddleOCRとEasyOCRを比較:正規化テキスト距離、regexおよびLLMフィールドF1、バッチスループット、GPUコスト。
独自ベンチマーク:レシートのフィールド抽出ではLLM後処理がregexを上回る。SROIE + CORDにおける8つのOCRモデルのフィールドF1と手法を掲載。
Receipt v1.1はSROIEとCORDのフィールドスコア、リクエストレイテンシ、過去のGPUコストで3つのVLMを比較。Unlimited-OCRのSROIE wallとコストは欠落。
レシート v1.1:SROIE 361件とCORD 100件のレシートでTesseractとPaddleOCRを比較。正規化テキスト距離、フィールドF1、欠損処理時間、CPUコスト範囲。
独自ベンチマーク:8つのオープンソースOCRエンジンと文書解析VLMを361件のSROIE+100件のCORDレシートで比較 — CER、フィールドF1、レイテンシ、コスト。手法も掲載。
レシートベンチマーク:正規化SROIE CERとフィールドF1は異なる対象を測定します。CORDのページ全体CERは適用外です。スコアリングとパイプラインの限界を解説します。
オープンソースOCRモデル5種を461枚のレシート(SROIE + CORD)で検証した自社ベンチマーク:CER、WER、フィールドF1、レイテンシ、1,000ページあたりのコスト。
ドキュメント自動化における例外発生率:ベストインクラス9% vs 平均22%、根本原因、レビューコスト、閾値のトレードオフを全ソース引用付きで解説します。
文書処理のレコードあたりコストに関する独立系ベンチマーク:手動8〜16ドル、テンプレート2〜5ドル、AIは1ページあたり0.02ドルから。文書タイプ、規模、地域別に解説。
手書きOCR精度データ:IAM 文字誤り率(CER)1.2〜1.7%、アラビア語 8.9〜16%、歴史的文書 71〜82%。用字系・モデル・文書タイプ別に分析。引用可能な情報源15件。
請求書処理時間のベンチマーク:手動タッチ12.5分、サイクル9.2日。方法別・複雑度別・段階別に、引用元付きで解説。
データ入力自動化のROIに関する独立系ベンチマーク:投資回収期間3〜12ヶ月、削減率60〜80%、損益分岐点の処理量、さらに自社の投資収益を試算するための計算式を紹介します。
文書タイプ別のOCR精度に関する独立ベンチマーク:デジタルPDF 99.2〜99.8%、スキャン 98〜99%、手書き 46〜95%、表のTEDS。引用可能な情報源15件。
状態・フィールド別のレシートOCR精度:クリーンなスキャン90%+、色あせた感熱紙55-73%、スマートフォン撮影67-69%。合計金額95-99%、店舗名73-88%。14件の情報源。
手動データ入力の誤り率に関する独立したベンチマーク:フィールドレベル1〜4%、レコードレベル最大40%、文書タイプ・業界・役割別。
定義
データキャプチャは、紙、スキャン、PDF、写真を機械可読なデータに変換します。その仕組み、種類、誤解について解説します。
ICRは、手書き印刷文字を認識するための機械学習ベースの文字認識技術です。OCRからの進化、ICRとOCR・IWRの違い、そしてその用途について解説します。
キー情報抽出(KIE)は、請求書番号や日付などのフィールドをドキュメントから構造化データとして抽出します。仕組み、境界、誤解について解説します。
検索可能なPDFとは、OCRによる不可視のテキストレイヤーを持つスキャン文書です。テキストの選択・コピー・Ctrl+F検索が可能です。仕組み、PDF/Aルール、よくある落とし穴を解説します。
フィールド単位の精度は正しく抽出されたフィールドを数え、文字単位の精度は正しく読み取られた文字を数えます。文字精度99%は、データ精度99%を意味しません。
IDPは、文書からデータを取得、分類、抽出、検証するAIソフトウェアです。仕組み、OCRからLLMへの進化、誤解について解説します。
STP率は、人手を一切介さずに処理されたドキュメントの割合を測定します。業界平均32%、ベスト・イン・クラス49%、AI 60~80%。計算式と誤解。
OCRは、印刷・手書き・タイプされた文字の画像を機械可読なデータに変換します。仕組み、4種類のOCR、歴史、ユースケースを解説します。