AIでキャンペーンバナーのテキストを抽出する
前回はAIによる合成音声の話、前々回は検閲のないAIチャットの話でしたが、今回はAIを使って画像からテキストを抽出するお話です。
過去のブログ記事でもチラっと触れたような気もするのですが、前々から各ラブドール販売店のキャンペーン情報をまとめたいと思っていました。
たま～にedollsの問い合わせフォームから質問や追加機能の提案を受けるのですが、その中に「お店多すぎてよくわからん。結局どこがいいの」「キャンペーンやってるとこだけ絞り込めない？」「〇〇（ブランド名）ってセールないの？」みたいな内容があり、各販売店のキャンペーン情報をデータベース化すれば解決するのでは…と考えていたんですね。
で、実際にキャンペーンの登録フォームを作り、自分で手動で登録してみたのですが…………これがまぁ…面倒くさい…あまりに面倒くさすぎる…。
キャンペーン画像を見ながら、その内容を転記するだけの作業ですが、単純作業が死ぬほど嫌いなプログラマーにとって、これは苦行以外のなにものでもありません。
というわけで、今どきのOCR機能ならサクっと画像内のテキストだけ抽出することできるんじゃない？ 各販売店のキャンペーンバナーを一括DLするプログラムくらいはすぐ書けるから、あとはOCRで読ませてテキストをedollsのDBへほおりこむだけじゃない？ それを自動化して毎日実行すれば常に最新情報を掲載できるじゃん？
そんなふうに試行錯誤してみた、というお話でございます。
結論を言うと、個人が無料で使える程度のOCRソフトではお話にならない低精度だったため、ここでもAIを活用して文字を読み取ることにしました。
ちなみに、従来型のOCRがどれだけ低性能かというと「キャンペーン」という文字を「キャソペーソ」とか読むんです。「ン」と「ソ」ね。まぁ人間でも読み間違えるから、無理もないと思うし、そのくらいならプログラム側で補正できますが… 数値の桁数を読み違えるパターンがあって、それはちょっと困ると感じました。
従来型のOCRより若干時間はかかりますが、CPUだけの演算でも1枚あたり10～20秒程度でテキスト抽出できたため、今回はAIを採用。まだ実験段階ですが、ひとまずedollsへ実装致しました。
AIによる画像からのテキスト抽出のお話
例によって、おじさんが15分くらいだらだら雑談しているだけの動画ですのでお暇な方だけどうぞ。
まとめ
- キャンペーン情報がまとめて見られるページがほしいという要望があった
- 手動で登録しはじめたら面倒くさすぎて発狂しそうになった
- 従来のOCR機能でキャンペーンバナーを読んだら低精度すぎた
- AI(LLM)で画像認識させたら、多少マシになった
- 各販売店に許可をもらいつつ定期的な自動取り込みを実装
徐々に対応するお店を増やしていく予定です。
いやぁ～、AIってホントおもしれーわ。
