परियोजना का विवरण
अनुवादितहर दिन हम स्कैन किए गए दस्तावेजों की एक धारा को संसाधित करते हैं और हम उन्हें हाथ से फिर से टाइप करने से थक गए हैं। हमें एक सेवा की आवश्यकता है जो एक अपलोड की गई छवि या मल्टीपेज स्कैन ले और साफ-सुथरे संरचित डेटा लौटाए: केवल पहचाने गए पाठ की दीवार नहीं, बल्कि ठीक वही फ़ील्ड जो हमारे लिए महत्वपूर्ण हैं। एक चालान के लिए यह विक्रेता, चालान संख्या, तिथि, लाइन आइटम, कर, और कुल है। एक रसीद के लिए यह व्यापारी, तिथि, राशि, और मुद्रा है। एक आईडी के लिए यह नाम, दस्तावेज़ संख्या, और समाप्ति तिथि है। प्रत्येक निकाली गई मान में एक विश्वास स्कोर होना चाहिए ताकि ऑपरेटर तुरंत देख सके कि कौन से फ़ील्ड पर भरोसा करना है और कौन से को दोबारा जांचना है। यह कार्य विशेष रूप से दस्तावेजों से डेटा पढ़ने और निकालने के बारे में है, इसलिए हमें PDF निर्माण या मीडिया पुस्तकालयों की पेशकश न करें—यह एक अलग परियोजना है।
परिणाम में दो भाग होते हैं जो एक साथ काम करने चाहिए। पहले, एक विश्वसनीय निष्कर्षण पाइपलाइन: छवि की सफाई और संरेखण, विभिन्न प्रिंट गुणवत्ता और कई भाषाओं में OCR, फिर एक पार्सिंग परत जो कच्चे पाठ को ऊपर दिए गए नामित फ़ील्ड में मैप करती है। दूसरा, एक सरल सत्यापन इंटरफ़ेस जहां एक मानव एक दस्तावेज़ खोलता है, मूल स्कैन पर ओवरले किए गए पहचाने गए फ़ील्ड को देखता है, और स्वीकृति से पहले मॉडल द्वारा की गई किसी भी गलती को सही करता है। कम-विश्वास वाले फ़ील्ड को हाइलाइट किया जाना चाहिए ताकि सत्यापन तेज हो सके। यह सब प्रोग्रामेटिक रूप से भी उपलब्ध होना चाहिए: एक REST एंडपॉइंट जो एक फ़ाइल लेता है और फ़ील्ड, मान, बाउंडिंग बॉक्स समन्वय, और विश्वास के साथ JSON लौटाता है, साथ ही असिंक्रोनस बैचों के लिए वेबहुक या स्थिति एंडपॉइंट।
हम प्रौद्योगिकी के मामले में लचीले हैं: क्लाउड विजन मॉडल, ओपन सोर्स OCR स्टैक्स, या एक हाइब्रिड काम करेगा जब तक कि सटीकता उच्च हो और प्रति पृष्ठ लागत पूर्वानुमानित हो। समान निष्कर्षण कार्यों के उदाहरण साझा करें और वास्तविक, अपूर्ण स्कैन पर सटीकता का ईमानदारी से आकलन करें।
— चालान, रसीदों और पहचान पत्रों से संरचित फ़ील्ड निकालें
— प्रत्येक फ़ील्ड के लिए विश्वास स्कोर, अविश्वसनीय फ़ील्ड को हाइलाइट करते हुए
— मूल स्कैन पर फ़ील्ड ओवरले के साथ सत्यापन इंटरफ़ेस
— JSON लौटाने वाला REST API: फ़ील्ड, मान, समन्वय, विश्वास
— असिंक्रोनस स्थिति या वेबहुक के साथ बैच प्रोसेसिंग
— प्रति पृष्ठ पूर्वानुमानित मूल्य और स्कैन पर प्रलेखित सटीकता
परिणाम में दो भाग होते हैं जो एक साथ काम करने चाहिए। पहले, एक विश्वसनीय निष्कर्षण पाइपलाइन: छवि की सफाई और संरेखण, विभिन्न प्रिंट गुणवत्ता और कई भाषाओं में OCR, फिर एक पार्सिंग परत जो कच्चे पाठ को ऊपर दिए गए नामित फ़ील्ड में मैप करती है। दूसरा, एक सरल सत्यापन इंटरफ़ेस जहां एक मानव एक दस्तावेज़ खोलता है, मूल स्कैन पर ओवरले किए गए पहचाने गए फ़ील्ड को देखता है, और स्वीकृति से पहले मॉडल द्वारा की गई किसी भी गलती को सही करता है। कम-विश्वास वाले फ़ील्ड को हाइलाइट किया जाना चाहिए ताकि सत्यापन तेज हो सके। यह सब प्रोग्रामेटिक रूप से भी उपलब्ध होना चाहिए: एक REST एंडपॉइंट जो एक फ़ाइल लेता है और फ़ील्ड, मान, बाउंडिंग बॉक्स समन्वय, और विश्वास के साथ JSON लौटाता है, साथ ही असिंक्रोनस बैचों के लिए वेबहुक या स्थिति एंडपॉइंट।
हम प्रौद्योगिकी के मामले में लचीले हैं: क्लाउड विजन मॉडल, ओपन सोर्स OCR स्टैक्स, या एक हाइब्रिड काम करेगा जब तक कि सटीकता उच्च हो और प्रति पृष्ठ लागत पूर्वानुमानित हो। समान निष्कर्षण कार्यों के उदाहरण साझा करें और वास्तविक, अपूर्ण स्कैन पर सटीकता का ईमानदारी से आकलन करें।
— चालान, रसीदों और पहचान पत्रों से संरचित फ़ील्ड निकालें
— प्रत्येक फ़ील्ड के लिए विश्वास स्कोर, अविश्वसनीय फ़ील्ड को हाइलाइट करते हुए
— मूल स्कैन पर फ़ील्ड ओवरले के साथ सत्यापन इंटरफ़ेस
— JSON लौटाने वाला REST API: फ़ील्ड, मान, समन्वय, विश्वास
— असिंक्रोनस स्थिति या वेबहुक के साथ बैच प्रोसेसिंग
— प्रति पृष्ठ पूर्वानुमानित मूल्य और स्कैन पर प्रलेखित सटीकता
वेब प्रोग्रामिंग नकद, बैंक ट्रांसफर
