الكشف عن النصوص بتقنية التعرف الضوئي على الحروف (OCR) والتعليق على النسخ
كيف قدم Shaip شرحًا تفصيليًا على مستوى الكلمات بالإضافة إلى شرح على مستوى الأحرف عبر مصادر نصية متنوعة - المستندات المطبوعة، والكتابة اليدوية، واللافتات، ولوحات الترخيص، والإيصالات - تم بناؤها كمجموعة بيانات OCR وذكاء المستندات من الدرجة الإنتاجية بدقة 99٪.
نظرة عامة على المشروع
مع انتقال تقنية التعرف الضوئي على الأحرف (OCR) من مجرد معالجة المستندات المطبوعة النظيفة إلى معالجة النصوص والنصوص في المشاهد الواقعية وذكاء المستندات، احتاج العميل إلى مسار للتعليقات التوضيحية قادر على التعامل مع أنواع النصوص والخطوط والاتجاهات واللغات وظروف السطح المتنوعة بدقة مكانية وعلى مستوى الأحرف.
قام شايب ببناء خط أنابيب التعليقات التوضيحية من البداية إلى النهاية والذي يغطي وضع المربع المحيط على مستوى الكلمة، والنسخ الدقيق للأحرف، ووضع العلامات متعددة السمات، وضمان الجودة المكانية المزدوجة + النسخ - مما ينتج عنه مجموعات بيانات OCR جاهزة للنموذج عبر أكثر من 10 أنواع من مصادر النصوص.
إحصائيات أساسية
التعليقات التوضيحية لكل صورة
مئات الكلمات
عتبة الدقة
99%
مصادر النصوص
10+
طبقات السمات
5
التحديات
- حاشية كل نص مرئي على مستوى الكلمة - مئات الكلمات لكل صورة كثيفة
- الجمع بين دقة المربع المحيط المكاني مع نسخ دقيق على مستوى الأحرف متواز
- طريقة التعامل نص منحني، مشوه المنظور، ومدور على اللوحات الإعلانية وملصقات المنتجات
- النسخ باهتة، ذات تباين منخفض، ومغطاة جزئياً كلمات بدون تخمين الأحرف غير المقروءة
- إدارة نص متعدد اللغات والنصوص في نفس الصورة
الحلول
التوصيف المكاني على مستوى الكلمة
تمت إضافة تعليقات توضيحية فردية لكل نص مرئي في كل صورة، مع تحديد موقعه بدقة على مستوى الكلمة، ما يضمن تحديد الموقع المكاني الدقيق لكل عنصر نصي. بالنسبة للصور الكثيفة كالإيصالات أو النماذج، تطلب ذلك مئات التعليقات التوضيحية الفردية لكل صورة، مع الحفاظ على دقة محاذاة الخط الأساسي.
النسخ على مستوى الأحرف
إلى جانب المربع المحيط، قام المعلقون بنسخ المحتوى النصي الدقيق لكل كلمة، بما في ذلك الأرقام والرموز الخاصة وعلامات الترقيم والتركيبات الأبجدية الرقمية. تم تنفيذ سير العمل المزدوج هذا - المكاني + النسخي - بالتوازي مع قواعد الاتساق عبر كلا الطبقتين.
تغطية من مصادر متعددة
شملت التغطية نطاقًا واسعًا ومتنوعًا من المصادر: المستندات المطبوعة، والملاحظات المكتوبة بخط اليد، ولافتات الشوارع، وملصقات المنتجات، ولوحات السيارات، وواجهات المحلات، واللوحات الإعلانية، والإيصالات، والفواتير، وقوائم الطعام، وحقول النماذج. وقد زُوّد كل نوع من أنواع المصادر بإرشادات خاصة به للتعليق، مصممة خصيصًا لخصائصه البصرية.
تصنيف السمات ذو الخمس طبقات
تم إثراء كل منطقة نصية مُعَلَّمة بخصائص تشمل اتجاه النص (أفقي، رأسي، قطري)، واللغة ونوع الخط، ووضوح النص (مقروء بوضوح، مقروء جزئيًا، غير مقروء تمامًا)، ونمط الخط (مطبوع مقابل مكتوب بخط اليد)، ونوع خلفية النص (عادي، منقوش، معقد). تُمكّن طبقة الخصائص الغنية هذه النموذج المُدرَّب من التعامل مع ظروف نصية متنوعة في العالم الحقيقي تتجاوز بكثير نطاق التعرف الضوئي على الأحرف القياسي للمستندات.
عتبة الرؤية وضمان الجودة المزدوج
خضعت معايير صارمة لتحديد الحد الأدنى لمستويات الوضوح، حيث تم تمييز النصوص غير المقروءة بدلاً من تخمينها، مما حافظ على سلامة مجموعة البيانات. وخضعت كل صورة مُعَلَّمة لعملية ضمان جودة ثنائية المستوى، تجمع بين مراجعة دقة المربع المحيط والتحقق من دقة النسخ، مع عتبة دقة 99% في كلا المستويين.
نطاق المشروع
| نوع مجموعة البيانات | مستوى التعليق | مصادر | السمات | QA | الدقة |
|---|---|---|---|---|---|
| الكشف عن النصوص بتقنية التعرف الضوئي على الحروف (OCR) + النسخ | مربعات الكلمات + نسخ الأحرف | أكثر من 10 أنواع من المصادر | 5 طبقات سمات | مراقبة الجودة المكانية المزدوجة + النسخ | 99% |
نتائج
- انشأت خط أنابيب مزدوج للنسخ المكاني على مستوى الكلمة ومستوى الحرف لتقنية التعرف الضوئي على الأحرف (OCR)
- موحدة تغطية لأكثر من 10 مصادر نصية يشمل ذلك الوثائق ونصوص المشاهد والكتابة اليدوية
- تسليم 5 طبقات سمات من أجل التوجيه واللغة والوضوح والخط والخلفية
- حافظ بوابة دقة 99% عبر طبقات ضمان الجودة المكانية والنسخية
- تم تمكين العميل رقمنة المستندات، والتعرف الضوئي على الأحرف في قطاع التجزئة، والملاحة، والخدمات المصرفية، والقانونية تطبيقات الذكاء الاصطناعي
بشكل عام، ساعد Shaip في تحويل متطلبات التعليق النصي متعدد المصادر إلى مسار OCR منظم وجاهز للإنتاج - وهو مسار قادر على دعم رقمنة المستندات، واكتشاف نص المشهد، وذكاء البيع بالتجزئة، وأتمتة الخدمات المصرفية، والذكاء الاصطناعي للامتثال القانوني بدقة مكانية ونسخ مزدوجة.
تعاملت شركة Shaip مع الحالات الاستثنائية في تقنية التعرف الضوئي على الأحرف (OCR) التي يعجز عنها معظم مزودي الخدمة، مثل النصوص المنحنية على اللافتات، والنصوص المختلطة، والإيصالات الباهتة، والملاحظات المكتوبة بخط اليد. وقد وفر لنا نظام ضمان الجودة المزدوج الذي اتبعته الشركة، والذي شمل كلاً من مربعات التحديد والنصوص المكتوبة، بيانات تدريبية قابلة للتطبيق.
