Opis projektu
PrzetłumaczoneKażdego dnia przetwarzamy strumień zeskanowanych dokumentów i mamy dość ręcznego przepisywania ich. Potrzebujemy usługi, która przyjmuje przesłany obraz lub skan wielostronicowy i zwraca czyste, strukturalne dane: nie tylko ścianę rozpoznanego tekstu, ale dokładnie te pola, które są dla nas istotne. Dla faktury są to dostawca, numer faktury, data, pozycje, podatek i łączna kwota. Dla paragonu są to sprzedawca, data, kwota i waluta. Dla dowodu tożsamości są to imię, numer dokumentu i data ważności. Każda wyodrębniona wartość musi mieć wynik pewności, aby operator od razu widział, które pola można zaufać, a które należy sprawdzić ponownie. Zadanie dotyczy wyłącznie odczytywania i wyodrębniania danych z dokumentów, więc nie oferujcie nam generowania PDF-ów ani bibliotek multimedialnych — to inny projekt.
Wynik ma dwie części, które muszą współpracować. Po pierwsze, niezawodny proces ekstrakcji: oczyszczanie i wyrównywanie obrazu, OCR w różnych jakościach druku i wielu językach, a następnie warstwa analizy, która mapuje surowy tekst na wymienione powyżej pola. Po drugie, prosta interfejs weryfikacji, w którym człowiek otwiera dokument, widzi rozpoznane pola nałożone na oryginalny skan i poprawia wszystko, co model zrobił źle przed zatwierdzeniem. Pola o niskiej pewności powinny być wyróżnione, aby weryfikacja była szybka. Wszystko to musi być również dostępne programowo: punkt końcowy REST, który przyjmuje plik i zwraca JSON z polami, wartościami, współrzędnymi ramki i pewnością, plus webhooki lub punkty końcowe statusu dla asynchronicznych partii.
Jesteśmy elastyczni w kwestii technologii: modele wizji w chmurze, otwarte stosy OCR lub hybrydy będą działać, o ile dokładność jest wysoka, a koszt na stronę jest przewidywalny. Podzielcie się przykładami podobnych zadań ekstrakcji i szczerze oceniajcie dokładność na rzeczywistych, niedoskonałych skanach.
— Wyodrębnij strukturalne pola z faktur, paragonów i dowodów tożsamości
— Wynik pewności dla każdego pola z wyróżnieniem tych niewiarygodnych
— Interfejs weryfikacji z nałożeniem pól na oryginalny skan
— REST API zwracające JSON: pola, wartości, współrzędne, pewność
— Przetwarzanie wsadowe z asynchronicznym statusem lub webhookami
— Przewidywalna cena za stronę i udokumentowana dokładność na skanach
Wynik ma dwie części, które muszą współpracować. Po pierwsze, niezawodny proces ekstrakcji: oczyszczanie i wyrównywanie obrazu, OCR w różnych jakościach druku i wielu językach, a następnie warstwa analizy, która mapuje surowy tekst na wymienione powyżej pola. Po drugie, prosta interfejs weryfikacji, w którym człowiek otwiera dokument, widzi rozpoznane pola nałożone na oryginalny skan i poprawia wszystko, co model zrobił źle przed zatwierdzeniem. Pola o niskiej pewności powinny być wyróżnione, aby weryfikacja była szybka. Wszystko to musi być również dostępne programowo: punkt końcowy REST, który przyjmuje plik i zwraca JSON z polami, wartościami, współrzędnymi ramki i pewnością, plus webhooki lub punkty końcowe statusu dla asynchronicznych partii.
Jesteśmy elastyczni w kwestii technologii: modele wizji w chmurze, otwarte stosy OCR lub hybrydy będą działać, o ile dokładność jest wysoka, a koszt na stronę jest przewidywalny. Podzielcie się przykładami podobnych zadań ekstrakcji i szczerze oceniajcie dokładność na rzeczywistych, niedoskonałych skanach.
— Wyodrębnij strukturalne pola z faktur, paragonów i dowodów tożsamości
— Wynik pewności dla każdego pola z wyróżnieniem tych niewiarygodnych
— Interfejs weryfikacji z nałożeniem pól na oryginalny skan
— REST API zwracające JSON: pola, wartości, współrzędne, pewność
— Przetwarzanie wsadowe z asynchronicznym statusem lub webhookami
— Przewidywalna cena za stronę i udokumentowana dokładność na skanach
Programowanie stron internetowych Gotówka, Przelew bankowy
