ScanSnap S500のフィードローラ交換について

　数年前に、パッドユニットやピックローラを交換して、なんとか使ってきましたが、最近、紙送りがうまくいかないことが頻繁になりました。 よくみてみると、フィードローラーというのだそうですが、交換してないローラーが４つあることがわかりました。これが、べとべとに劣化しているのが原因ということがわかりました。
　https://p--q.blogspot.com/2019/07/scansnap-s500.html
　http://namba-reading.seesaa.net/article/463663914.html
上記のリンクを参考にさせていただき、ローラーをAliexpressで注文し交換してみました。安価な部品ですが、交換は、かなり難度が高く、４時間ぐらいはかかってしまいました。でも、交換後は、非常にスムーズでほぼ新品時のときのような動作です。
　苦労した点としては
・ローラーを軸に通すためにかなりの力が必要です。水で少しぬらすといいようでした。
・一部、コネクタから導線が抜けてしまいましたが、抜けた穴を予想してもどしたところなんとかなったようです。
・歯車にベルトをかけもどすのも、手間取ってしまいました。歯車を完全に固定してからベルトをかけるのはきつかったので、歯車にベルトをかけた状態で、軸に差し込むようにしたほうがよかったようです。
・片方の小さいコネクタ（白）で、ささなくていいものがあったようです。さし忘れたかとおもって、点検のため、時間がかかってしまいました。
　新品購入すれば、最低でも２～３万円はするスキャナなので、手間はかかるものの、その分のメリットはありそうです。

LSTMで時系列データの予想してみた

時系列データの場合、複数特徴量から予想するパターンはあまり見かけなかったので、試しに作ってみた。あまり、よい予想ができるというわけではなかった。

モデルの作成部分と結果表示の部分のみです。


maxlen = 50 # 入力系列数 n_in = pd.DataFrame(x_data).shape[1]# 学習データ（＝入力）の列数 n_out = pd.DataFrame(x_data).shape[1] # ラベルデータ（=出力）の列数 len_seq = pd.DataFrame(x_data).shape[0] - maxlen data = [] target = [] for i in range(0, len_seq): data.append(x_data.iloc[i:i+maxlen, :].values) target.append(x_data.iloc[i+maxlen,:].values) x = np.array(data).reshape(len(data), maxlen, n_in) t = np.array(target).reshape(len(data), n_out) n_train = int(len(data)*0.9) # 訓練データ長 x_train,x_test = np.vsplit(x, [n_train]) # 学習データを訓練用とテスト用に分割 t_train,t_test = np.vsplit(t, [n_train]) # ラベルデータを訓練用とテスト用に分割 class Prediction : def __init__(self, maxlen, n_hidden, n_in, n_out): self.maxlen = maxlen self.n_hidden = n_hidden self.n_in = n_in self.n_out = n_out def create_model(self): model = Sequential() model.add(LSTM(self.n_hidden, batch_input_shape = (None, self.maxlen, self.n_in),return_sequences=False)) model.add(Dropout(0.5)) model.add(Dense(self.n_out)) model.add(Activation("linear")) return model # 学習 def train(self, x_train, t_train, batch_size, epochs) : early_stopping = EarlyStopping(patience=0, verbose=1) model = self.create_model()<br /> model.compile(loss="mean_squared_error", optimizer="adam")<br /> model.fit(x_train, t_train, batch_size = batch_size, epochs = epochs, verbose = 1, shuffle = True, callbacks = [early_stopping], validation_split = 0.1) #model.fit(x_train, t_train, batch_size = batch_size, epochs = epochs) return model ################ n_hidden = 50# 出力次元 epochs = 5# エポック数 batch_size = 10# ミニバッチサイズ # モデル定義 prediction = Prediction(maxlen, n_hidden, n_in, n_out) with np.errstate(invalid='ignore'): # 学習 model = prediction.train(x_train, t_train, batch_size, epochs) # テスト score = model.evaluate(x_test, t_test, batch_size = batch_size, verbose = 1) print("score:", score) #### 例えば、複数特徴量の場合、最後から２番目なら　-1を-2に修正する必要がある ##div：先頭を削除して、計算開始位置を変える div=0 t_test2=t_test[div:] x_test2=x_test[div:] n_test = int(len(t_test2)) Z=x_test2[0:1] original = [t_test2[i][-1] for i in range(n_test)] predicted = [] for i in range(n_test): z_ = Z[-1:] y_ = model.predict(z_) sequence_ = np.concatenate((z_.reshape(maxlen, n_in)[1:], y_),axis=0).reshape(1, maxlen, n_in)<br /> Z = np.append(Z, sequence_, axis=0)<br /> predicted.append(y_[0][-1])<br /> plt.rc('font', family='serif') plt.figure() plt.plot(np.array(original), linestyle='dashed', color='black') plt.plot(predicted, color='black') plt.show()

詳解 ディープラーニング で よくわからないところ

https://book.mynavi.jp/manatee/detail/id=76290

length_of_sequences = 2 * T # 全時系列の長さ
maxlen = 25 # 1 つの時系列データの長さ
data = []
target = []
for i in range(0, length_of_sequences - maxlen + 1): 
    data.append(f[i: i + maxlen])
    target.append(f[i + maxlen])

となっていますが、length_of_sequences - maxlen + 1のところは
length_of_sequences - maxlen かな？？と　勘違いかもしれませんが。
length_of_sequencesが最後のインデックス値ならわかるのですが。
Lengthとなるとうまくいかないような、、、よくわかりません。

  i              data        target       　　   maxl=2  L=4のとき　data〇 target■　

0            [0,maxl]        maxl          　　　　 ⓪①■□

1            [1,1+maxl]     1+maxl　　 　　　０①②■

2            [2,2+maxl]     2+maxl

3

L-maxl-1     [L-maxl-1,L-1]     L-1

L-maxl      [L-maxl,L]        L

ちなみに、直観DeepLearningでは

P177で

STEP=1

for i in range(0,len(text)-SEQLEN,STEP):

  input_chars.append(text[i:i+SEQLEN])

 label_chars.append(text[i+SEQLEN])

c#でOCR（Google)

googleのOCRも試してみました。
https://orizuru.io/blog/csharp/google-ocr/

Nugetで、Google.Cloud.Vision.V1 を入手
netcoreの最新版で、コンソールアプリとしてコンパイルしました。
googleでもAPIが使えるように登録が必要でした。秘密鍵はJSONファイルとしてダウンロードします。
対象の画像ファイルはカレントディレクトリに入れておく必要があるようでした。
（netcoreapp3.1のフォルダ内に入れておくといいようです。）

c#でPDFのOCR

認識率は、完全とはいえないですが、ほどほどに認識できるOCRが、C#でも使えるようです。NugetでIronOcr、Pdf.Ocr、IronOcr.Langueages.Japaneseを入手します。
　　　　  var Ocr = new IronOcr.AutoOcr();
                Ocr.Language = IronOcr.Languages.Japanese.OcrLanguagePack;
                var Results = Ocr.ReadPdf(@path);
                var Text = Results.Text;
                MessageBox.Show(Text);
https://ironsoftware.com/csharp/ocr/examples/pdf-ocr/