دستاویز تہ OCR جائیزہ

What this lesson is about

لکھے ہوئے متن، پڑھنے کا ترتیب، میزاں تہ غیر واضح خانہ چیک کرو۔ کدٕر بھی کلمہ نہ گھڑو۔

ایک مہر لگے ہوئے بل میں کل رقم کا ایک ہندسہ چھپا ہوا ہے، اور باقی قطار کا مجموعہ ٹھیک ہے۔ آپ کیا ٹائپ کریں گے؟

Why this matters

اک ڈیٹا سیٹ — جیہڑا ماڈل سکھن لئی استعمال ہوندا ہے — صاف لگ سکدا ہے پر پھر وی ناقابل استعمال ہو سکدا ہے۔ اک گھڑیا ہوا عدد یا غلط جگہ والا میز خانہ کافی ہے۔

OCR درست کرو، پڑھنے کا ترتیب برقرار رکھو، تہ غیر واضح حروف غیر واضح ہی رکھو۔

جو دکھائی دے وہی لکھو، جو لگے وہ نہ گھڑو۔
سرخی، قطار، تہ کالم ترتیب درست رکھو۔
جو پڑھن وچ نہ آوے اوہنوں کام دے ہدایات مطابق اوپر بھیجو۔

Task

تمغہ لگے ہوئے رسید دی کل رقم دا جائیزہ لو۔

Weak approach ہر قطار تہ خانہ اپنی جگہ رکھتھ، تہ حرف ٹھیک اوتھ برونتھ ژیہ پٲنے منز ہٲ۔ پٲچھ چھپہ ہندسہ سب ٹوٹل منز سٲٹھ نکال کر 1,890 لکھتھ۔ ہٲ پٲنے منز ہندسہ چھ جو کٲسٲن نہ وٲکھ، تہ مہر والا خانہ کٲبھی اوپر نہ بھیجٲ گیا۔

Stronger approach عدد نوں غیر واضح لکھو، جیہڑے حروف دکھدے ہن اوہ رکھو، تہ اوہ حصہ جائیزے لئی بھیجو۔

Why the stronger approach works دونوں ریویورز دستاویزٕ کٲ شکل بچان۔ ایک ہٲ اعداد و شمار میل کران، تہ پٲنے منز یہ کٲسٲن نہ لکھٲ گیا۔

Try a changed situation اب صفحہ ہاتھ سے لکھا ہوا اسکول کی حاضری کا رجسٹر ہے جس میں دو کالم ایک ساتھ دبا دیے گئے ہیں۔ آپ کیا محفوظ کریں گے؟

Make something yourself لکھائی، ترتیب، میزاں، تہ غیر واضح چیزاں لئی چار قطاراں دی OCR چیک لسٹ بناو۔

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