দস্তাবেজ এবং OCR পর্যালোচনা করুন

What this lesson is about

টাইপ করা লেখা, পড়ার ক্রম, টেবিল এবং অস্পষ্ট বক্সগুলো পরীক্ষা করুন। কখনো কোনো শব্দ বানিয়ে দেবেন না।

একটি স্ট্যাম্প করা চালানে মোটের একটি সংখ্যা লুকানো আছে, এবং বাকী সারির যোগ ঠিক মিলে। আপনি কী টাইপ করবেন?

Why this matters

একটি ডেটাসেট — মডেল শেখার জন্য উদাহরণগুলোর ভাঁড়ার মতো — পরিষ্কার দেখালেও ব্যবহারযোগ্য নাও হতে পারে। একটিমাত্র বানানো সংখ্যা বা ভুল স্থানে টেবিল সেল যথেষ্ট।

OCR সঠিক করুন, পড়ার ক্রম বজায় রাখুন, এবং অস্পষ্ট অক্ষরগুলো অস্পষ্ট হিসেবে চিহ্নিত রাখুন।

যা দেখা যাচ্ছে তাই টাইপ করুন, যা মনে হচ্ছে তা নয়।
শিরোনাম, সারি এবং কলাম সঠিক ক্রমে রাখুন।
যা পড়া যায় না, কাজের নিয়ম অনুযায়ী সেটি উপরের পর্যায়ে পাঠান।

Task

স্ট্যাম্প লাগানো চালানের মোট অংশ পর্যালোচনা করুন।

Weak approach প্রতিটি সারি এবং কলাম ঠিক যেমন আছে তেমনই রাখে, আর অক্ষরগুলো ঠিক পৃষ্ঠায় যেমন আছে তেমনই টাইপ করে। তারপর উপ-যোগ থেকে লুকানো সংখ্যা বের করে ১,৮৯০ টাইপ করে। এখন পৃষ্ঠায় এমন একটি সংখ্যা এসেছে যা কেউ দেখতে পায়নি, আর স্ট্যাম্প করা ঘরটি কখনো পাঠানো হয়নি।

Stronger approach সংখ্যাটি অস্পষ্ট হিসেবে চিহ্নিত করুন, যা দেখা যায় তা রাখুন, এবং ওই অংশটি সঠিকভাবে পর্যালোচনার জন্য পাঠান।

Why the stronger approach works দুই রিভিউয়ারই ডকুমেন্টের গঠন ঠিক রেখেছে। তাদের একজন সংখ্যাগুলো মিলিয়েও দিয়েছে, আর পৃষ্ঠায় এ কথা কোথাও লেখা নেই।

Try a changed situation এখন পৃষ্ঠা একটি হাতে লেখা স্কুলের উপস্থিতি রেজিস্টার, যেখানে দুইটি কলাম একসঙ্গে চাপা পড়েছে। আপনি কী রক্ষা করবেন?

Make something yourself চার সারির OCR চেকলিস্ট তৈরি করুন: লেখা, বিন্যাস, টেবিল, এবং অস্পষ্ট অংশ।

Read the primary or official source: Jaume et al., FUNSD: form understanding in noisy scanned documents (arXiv)