OCR Metin Algılama ve Transkripsiyon Açıklaması
Shaip, basılı belgeler, el yazısı, tabelalar, araç plakaları, fişler gibi çeşitli metin kaynaklarında kelime düzeyinde sınırlayıcı kutu ve karakter düzeyinde transkripsiyon ek açıklamasını nasıl sağladı? Bu, %99 doğrulukla üretim kalitesinde bir OCR ve belge zekası veri seti olarak oluşturuldu.
Projeye Genel Bakış
OCR teknolojisi temiz basılı belgelerin ötesine geçerek gerçek dünya sahne metinlerine ve belge zekasına doğru ilerledikçe, müşteri, hem mekansal hem de karakter düzeyinde hassasiyetle çeşitli metin türlerini, yazı tiplerini, yönelimleri, dilleri ve yüzey koşullarını işleyebilen bir açıklama işlem hattına ihtiyaç duydu.
Shaip, kelime düzeyinde sınırlayıcı kutu yerleştirme, tam karakter transkripsiyonu, çoklu öznitelik etiketleme ve çift mekansal + transkripsiyon kalite kontrolünü kapsayan uçtan uca açıklama işlem hattını oluşturarak 10'dan fazla metin kaynağı türünde modele hazır OCR veri kümeleri üretti.
Anahtar İstatistikler
Görüntü başına açıklama
yüzlerce kelime
Doğruluk Eşiği
99%
Metin Kaynakları
10+
Nitelik Katmanları
5
Meydan Okumalar
- Açıklama her görünür metin örneği kelime düzeyinde — yoğun görüntü başına yüzlerce
- birleştirme uzamsal sınırlayıcı kutu hassasiyeti 'da karakter düzeyinde kesin transkripsiyon paralel olarak
- kullanma eğri, perspektifi bozulmuş ve döndürülmüş metin tabelalarda ve ürün etiketlerinde
- transkripsiyon soluk, düşük kontrastlı ve kısmen engellenmiş okunaksız karakterleri tahmin etmeden kelimeler
- Yönetme karma dilli ve çok yazı sistemli metin aynı görüntü içinde
Çözüm
Kelime Düzeyinde Mekansal Açıklama
Her bir görüntüdeki her bir görünür metin örneği, kelime düzeyinde sıkıca oturan bir sınırlayıcı kutu ile ayrı ayrı işaretlendi; bu da her metin öğesinin tam mekansal konumunu yakaladı. Makbuzlar veya formlar gibi yoğun görüntüler için bu, her biri temel hizalama hassasiyetini koruyan, görüntü başına yüzlerce ayrı işaretleme anlamına geliyordu.
Karakter Düzeyinde Transkripsiyon
Sınır kutusunun yanında, açıklama yapanlar her kelimenin tam metin içeriğini, sayılar, özel karakterler, noktalama işaretleri ve alfanümerik kombinasyonlar dahil olmak üzere, yazıya döktüler. Bu ikili iş akışı —mekansal + transkripsiyon— her iki katmanda da tutarlılık kurallarıyla paralel olarak gerçekleştirildi.
Çok Kaynaklı Kapsam
Kapsam, son derece çeşitli kaynakları içeriyordu: basılı belgeler, el yazısı notlar, sokak tabelaları, ürün etiketleri, plaka numaraları, dükkan vitrinleri, reklam panoları, fişler, faturalar, menüler ve form alanları. Her kaynak türü, görsel özelliklerine göre ayarlanmış kendi açıklama yönergeleriyle birlikte geldi.
5 Katmanlı Nitelik Etiketleme
Her bir açıklama eklenmiş metin bölgesi, metin yönü (yatay, dikey, diyagonal), dil ve yazı tipi, metin netliği (açıkça okunabilir, kısmen okunabilir, tamamen okunaksız), yazı tipi stili (basılı veya el yazısı) ve metin arka plan türü (düz, desenli, karmaşık) gibi özelliklerle zenginleştirilmiştir. Bu zengin özellik katmanı, eğitilmiş modelin standart belge OCR'nin çok ötesinde çeşitli gerçek dünya metin koşullarını ele almasını sağlar.
Görünürlük Eşiği ve Çift Kalite Güvencesi
Minimum görünürlük eşiklerine ilişkin katı kurallar uygulandı; okunaksız metinler tahmin edilmek yerine işaretlendi ve böylece veri kümesinin bütünlüğü korundu. Her bir açıklama eklenmiş görüntü, sınırlayıcı kutu hassasiyeti incelemesi ve transkripsiyon doğruluğu doğrulamasını birleştiren iki aşamalı bir kalite güvence sürecinden geçti ve her iki katmanda da %99 doğruluk eşiği sağlandı.
Proje kapsamı
| Veri Kümesi Türü | Açıklama Düzeyi | kaynaklar | Özellikler | QA | doğruluk |
|---|---|---|---|---|---|
| OCR metin algılama + transkripsiyon | Kelime kutuları + karakter transkripsiyonu | 10'dan fazla kaynak türü | 5 özellik katmanı | Çift uzamsal + transkripsiyon kalite kontrolü | 99% |
Çıktıları
- Kurulmuş bir çift kelime düzeyinde mekansal + karakter düzeyinde transkripsiyon işlem hattı OCR yapay zekası için
- Standardize 10'dan fazla metin kaynağı kapsamı Belgeleri, sahne metinlerini ve el yazısını kapsayan
- teslim 5 özellik katmanı yönlendirme, dil, açıklık, yazı tipi ve arka plan için
- muhafaza %99 doğruluk oranına sahip kapı hem mekansal hem de transkripsiyonel kalite güvence katmanlarında
- Müşterinin etkinleştirilmesi belge dijitalleştirme, perakende OCR, navigasyon, bankacılık ve hukuk AI uygulamaları
Genel olarak, Shaip, çok kaynaklı metin açıklaması gereksinimini, belge dijitalleştirme, sahne metni tespiti, perakende zekası, bankacılık otomasyonu ve yasal uyumluluk yapay zekasını hem mekansal hem de transkripsiyonel hassasiyetle destekleyebilen, yapılandırılmış ve üretime hazır bir OCR hattına dönüştürmeye yardımcı oldu.
Shaip, çoğu sağlayıcının başa çıkamadığı OCR uç durumlarını ele aldı: kavisli tabela metinleri, karışık yazı tipleri, solmuş fişler, el yazısı notlar. Hem sınırlayıcı kutular hem de transkripsiyonlar üzerindeki çift yönlü kalite kontrolü, kullanabileceğimiz eğitim verileri sağladı.
