国会図書館のOCRに乗り換える。

以前作ったシステムで、依存関係が重いと思っていた。

Opus 4.6で評価

NDLOCR-Lite（Python版） vs あなたの実装（EasyOCR）

1. アーキテクチャ比較

項目	あなたの実装 (EasyOCR)	NDLOCR-Lite (Python版)
推論ランタイム	PyTorch (~2GB+)	ONNX Runtime (~50MB)
検出モデル	CRAFT	DEIMv2 (2025年, 最新)
認識モデル	EasyOCR内蔵 LSTM/Transformer	PARSeq × 3 (カスケード)
依存関係の重さ	非常に重い (PyTorch + torchvision)	軽い (onnxruntime + opencv-headless)
モデルサイズ	~200MB+ (自動DL)	~146MB (ONNX)
GPU対応	PyTorch CUDA	ONNX Runtime CUDA (オプション)
文字セット	EasyOCR内蔵 (en/ja)	NDLmoji (国会図書館文字セット)

2. 技術的に重要な違い

依存関係の軽さが圧倒的に違う

NDLOCR-Liteのrequirements.txtを見ると：

onnxruntime==1.23.2

opencv-python-headless==4.11.0.86

numpy==2.2.2

pillow==12.1.1

PyYAML==6.0.1

PyTorch が一切不要です。EasyOCRはPyTorch + torchvision が必須で、これだけで2GB以上のインストールサイズになります。NDLOCR-Liteは ONNX Runtime のみで動作するため、環境構築が格段に簡単で軽量です。

モデルの世代が新しい

モデル	EasyOCR	NDLOCR-Lite
検出	CRAFT (2019年)	DEIMv2 (2025年, arXiv:2509.20787)
認識	LSTM/Transformer (旧世代)	PARSeq (2022年, arXiv:2207.06966)

DEIMv2は「Real-Time Object Detection Meets DINOv3」がベースで、CRAFTより5年以上新しいモデルです。PARSeqも「Permuted Autoregressive Sequence Models」で、EasyOCRの内蔵モデルより世代が新しいです。

カスケード認識が賢い

NDLOCR-Liteのソースコードを読むと、単純に3モデルを使い分けるだけでなく、フォールバック機構が実装されています：

1. PARSeq-30で認識 → 結果が25文字以上なら → PARSeq-50にフォールバック
2. PARSeq-50で認識 → 結果が45文字以上なら → PARSeq-100にフォールバック

これにより、文字数予測が外れた場合でも精度が担保されます。

3. あなたの用途（残高数値読み取り）に対する評価

NDLOCR-Lite Python版: 適合度 ★★★☆☆

前回のWeb版（★★☆☆☆）より評価を上げた理由：

利点	詳細
PyTorch不要	環境構築が劇的に簡単。N100等の低スペックマシンでもインストール容易
ONNX Runtimeは高速	PyTorch推論より一般的に速い。CPU推論に最適化されている
Python統合が容易	そのままPythonプロジェクトに組み込める
GPU対応	onnxruntime-gpu で CUDA も使える

課題	詳細
訓練データの不一致	NDLmojiは日本の書籍・雑誌向け。ゲームUIの「mBTC0.71」は訓練分布外
DEIMv2が不要	あなたは既にテンプレートマッチングで領域を特定済み。レイアウト検出は無駄なオーバーヘッド
文字セットの偏り	英数字+通貨記号は含まれるが、主力は漢字・かな。数字認識に最適化されていない

これにより：

• PyTorch依存を完全に排除（2GB+ → 50MB程度に軽量化）
• 推論速度が向上（ONNX Runtimeの方がCPU推論で高速）
• DEIMv2は使わない（テンプレートマッチングで十分）
• PARSeq-30のみ使用（短い数字列には十分）
• parse_balance_value() の後処理はそのまま維持

総合評価

評価軸	EasyOCR	NDLOCR-Lite全体	NDLOCR-Lite Web版	PARSeq単体利用
数値認識精度	◎	○	○	○
環境構築の容易さ	△	◎	◎	◎
推論速度 (CPU)	○	○	△	◎
推論速度 (GPU)	◎	○	-	○
メモリ消費	△ (~2GB+)	○ (~200MB)	○ (~146MB)	◎ (~50MB)
Python統合	◎	◎	△	◎
用途適合度	★★★★	★★★	★★	★★★☆

NDLOCR-Liteでの使われ方

NDLOCR-Liteでは、PARSeqを3つのサイズ違いで使い分けている：

モデル	入力サイズ	最大文字数	用途
PARSeq-30	16×256	≤30文字	短い行（見出し等）
PARSeq-50	16×384	≤50文字	中程度の行
PARSeq-100	16×768	≤100文字	長い行（本文等）

入力幅が異なるだけで、アーキテクチャは同じ。短い行に大きなモデルを使うと無駄が出るので、効率化のためにカスケード方式を採用している。

モデル	年代	役割
DEIMv2	2025年 (arXiv:2509.20787)	レイアウト検出（テキスト行の矩形を見つける）
PARSeq	2022年 (arXiv:2207.06966)	テキスト認識（切り出した画像から文字を読む）

まとめ

• 現在EasyOCRで問題なく動いているなら、無理に変える必要はない。
• 環境構築の簡便さ・軽量さを重視するなら、NDLOCR-LiteのPARSeqモジュールだけをONNX Runtimeで使う方式は検討の価値がある。
• NDLOCR-Liteは日本語文書OCRとしては非常に優秀だが、ゲーム画面の短い英数字読み取りという用途には設計思想が異なる。
• 特にN100等の低スペック環境では、PyTorchを排除できるメリットは大きい。