मशीनान अनुवाद केलेलो. इंग्लिश आनी हिंदी रिव्ह्यू केलेल्या आवृत्त्या आसा.English हिन्दी

Learn
See
Try
Make

दस्तावेज आनी OCR रिव्ह्यू करा

What this lesson is about

टंकलेख, वाचन क्रम, टेबल आनी अस्पष्ट बाकसां तपासा. कधीच शब्द तयार करू नका.

एक स्टँप केलेल्या बिलांत एक अंक लपवलेलो आसा, आनी बाकी ओळ नीट जुळतली. तुम्ही काय टाका?

Why this matters

डेटासेट — ज्या उदाहरणांतून मॉडेल शिकतं — स्वच्छ दिसतल्यार पण वापरायोग्य नसलें जावपाचें. एक तयार केलेलो अंक किंवा चुकीचें टेबल सेल पुरेसें आसा.

OCR बरोबर करा, वाचन क्रम राखा आनी अस्पष्ट अक्षर अस्पष्टच ठेवा.

जें दिसतें तेंच लिहा, जें वाटतें तें नको तयार कर.
शीर्षक, ओळी आनी स्तंभ व्यवस्थित ठेवा.
जें वाचू शकत नाही, तें टास्क म्हणतानुसार वर पाठवा.

Task

स्टँप लावलेलें बिलाचो टोटल रिव्ह्यू करा.

Weak approach प्रत्येक ओळ आनी स्तंभ तशेंच ठेवता, आनी अक्षर पानावर जशें आसात तशें टाकता. मग उप-एकूणांतून लपलेलो आकडो काढून 1,890 लिहिता. पानांत आता असा आकडो आसा जो कोणी दिसपाचें न्हव, आनी ठप्पा लागलेलो खोका कधी वर पाठवपाचें न्हव.

Stronger approach अंक अस्पष्ट म्हणून चिन्हांकित करा, दिसतले अक्षर ठेवा आनी तोच भाग रिव्ह्यूसाठी पाठवा.

Why the stronger approach works दोन्ही पुनरावलोककांनी दस्तऐवजाचो आकार जपलें. एकानें आकडे सुद्धा जुळवले, आनी पानावर हें कुणी सांगलें न्हव.

Try a changed situation आता पान एक हातान लिहिलेलो शाळेचो हाजिरी नोंदणी आहे जें दोन कॉलम एकत्र सटलेले आसा. तुम्ही काय राखपाक?

Make something yourself चार ओळींची OCR तपासणी यादी तयार करा: टंकलेख, मांडणी, टेबल आनी अस्पष्टता.

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