0930 まったりおめざめ。よく眠れた。
夕方までかかって、プログラムひとまず完成。最後のスキャンも完了し処理待ち。明日の朝には終わっているはず。
今回はOCRもVLMに任せてLLMで処理する形にしたけれどやはりOCRはOCR専用のライブラリを使った方が精度が良さそう。近日Tesseractとか使った実装に修正をしたい。
また企業情報や主要プロダクトの情報もローカルLLMに任せる形にしたけれど、やはり最新情報を持っているWeb検索連携型のLLMを使う方が良さそう。極力ローカルで処理したい気持ちはあるけれど、最新情報を持っていないと意味がないケースも多いので、ここは割り切るべきかも？もしくは最新情報をサーフィンしてきて、その内容を元に要約・抽出する形にするのが良いのかも。
0830 まったりおめざめ。
バイク用品のヘルメットを2つ処分。1つは内装もボロボロでしたがもう1つはまだピカピカ。しかし既に購入から9年近く経っているので処分。安全のためには仕方ない。衝撃 緩衝ライナーの劣化もあるだろうし。
ありがたいことに可燃ごみとして出せるので楽ちん。
同じ方から名刺を何度か知らずにいただいてしまうことあるよね、という事で機能追加。
車とバイクをまとめて洗車。寒いけれども天気が良いので気持ち良い。
灯油が残り少なくなってきたので買い出し。これまで灯油は車で買いに行っていたけれど、10Lのポリタンク1つならばバイクのパニアケースに入ることがわかったのでバイクで買い出し。スポークホイールではなくキャストホイールのクロスカブがガソリンスタンドの店員さんに真新しく映ったらしく、そのメリットなどを色々聞かれた。クロスカブ良いよね、という話で盛り上がった。
年末年始に向けてお酒の買い出し。ここは日本酒ですよね。
デバッグ作業を少々。 Scanしたデータが一部欠損している。むむむ、どうやら縦型の名刺は名刺ではなくレシートとして認識してしまっているようだ。これはScanSnapの問題。PFUさんで何とかしてもらえるかなぁ。。。まぁFeedbackは送っておこうかな。
0800 まったりおめざめ。
年末年始、趣味のコーディングを進める。今年はLLMを活用した何かが出来ないかなーと考えている。
今一番困ってて、かつ解決したいこと、という事で名刺管理の問題を解決するツールを作ることにした。名刺をスキャンしてテキスト化するのは簡単だけど、その後の管理が面倒。そこで、LLMを使って名刺情報を自動で整理・分類し、検索しやすくするツールを作ることにした。
まずは名刺の画像をアップロードしてテキスト化する部分を実装。次に、LLMを使ってテキスト化された情報を解析し、名前、会社名、役職、連絡先などのフィールドに分ける処理を追加。テキスト化する部分はOCRライブラリを使うべきなのだろうけれど、個人で簡単に使えるOCRライブラリって何だろうね？っていう感じでOCR部分についてもVLMを活用することにした。
名刺画像をいくつか用意して、ツールにアップロード。LLMが正しく情報を抽出・分類できているかを確認。いくつかのケースでうまく動作しない部分もあったので、LLMへのプロンプトを調整したり、前処理・後処理のロジックを改善したりして精度を向上させた。何よりも用いるVLM対応のモデルにより全然精度が変わるので、いい勉強になった。
例年通り、年末のラーメン納め。今年も地元の行きつけ（？）のラーメン屋さんで。やっぱりここのラーメンは最高においしい。