講演抄録/キーワード |
講演名 |
2022-03-11 11:00
"実質的"100%に向けて;文書認識のための品質保証フレームワーク ○田中 宏(富士通) PRMU2021-79 |
抄録 |
(和) |
L(深層学習)技術の発展によりOCRの認識精度は格段に向上している.しかし一方,DLベースのソフトウェアは動作誤りが避けられないため動作保証ができず,安心して使えないという指摘もある.これはパターン認識の長年の課題だが,近年のAIブームにより「AIの品質保証」「AIの説明可能性」といった形で問題が顕在化している.本稿では,ここ2~3年で特に盛んに議論されている,AIソフトウェア開発における品質保証問題についての概論を述べ,特にOCRに着目した品質保証フレームワークを提案する. |
(英) |
With the development of DL (deep learning) technology, the recognition accuracy of OCR has improved dramatically. At the same time, however, it is pointed out that DL-based software cannot be used with confidence because it cannot be guaranteed to work properly due to inevitable errors. This has been a longstanding issue in pattern recognition, but with the recent AI boom, the problem has become more apparent in the form of "quality assurance of AI" and "explainability of AI. In this paper, I will give an overview of the quality assurance issues in AI software development, which have been discussed especially actively in the last couple of years, and propose a quality assurance framework with a particular focus on OCR. |
キーワード |
(和) |
AI / OCR / 深層学習 / 品質保証 / ガイドライン / フレームワーク / 評価 / |
(英) |
AI / OCR / Deep Learning / Quality Assurance / Guideline / Framework / Evaluation / |
文献情報 |
信学技報, vol. 121, no. 427, PRMU2021-79, pp. 121-126, 2022年3月. |
資料番号 |
PRMU2021-79 |
発行日 |
2022-03-03 (PRMU) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2021-79 |