मशीनने अनुवादित केले आहे. इंग्रजी आणि हिंदी ही पुनरावलोकित आवृत्त्या आहेत.English हिन्दी

Learn
See
Try
Make

दस्तऐवज आणि OCR पुनरावलोकन करा

What this lesson is about

टंकलेखन केलेला मजकूर, वाचन क्रम, तक्ते आणि अस्पष्ट बॉक्स तपासा. कधीही शब्द तयार करू नका.

टिकट असलेला चलन एक अंक लपवतो, आणि उरलेली ओळ नीट जमते. तुम्ही काय टाइप कराल?

Why this matters

डेटासेट — ज्यावर मॉडेल शिकते — स्वच्छ दिसू शकते पण वापरासाठी अयोग्य असू शकते. एकही तयार केलेला अंक किंवा चुकीच्या ठिकाणी टाकलेला तक्ता पुरेसा आहे.

वाचन क्रम राखून आणि अस्पष्ट अक्षरे अस्पष्ट म्हणून ठेवून OCR सुधारित करा.

जे दिसते तेच लिहा, जे वाटते ते तयार करू नका.
शीर्षके, ओळी आणि स्तंभ योग्य क्रमाने ठेवा.
वाचता न येणारा बॉक्स कार्यानुसार वरिष्ठ पुनरावलोकनासाठी पाठवा.

Task

ठप्पा लागलेले चलनातील एकूण रक्कम तपासा.

Weak approach प्रत्येक ओळ आणि स्तंभ त्याच्या जागी ठेवतो, आणि अक्षरे पानावर जशी आहेत तशीच टाइप करतो. नंतर उप-एकूणातून लपलेला अंक शोधून 1,890 टाइप करतो. आता पानावर असा अंक आला आहे जो कोणीही पाहिला नव्हता, आणि ठप्पा लागलेला बॉक्स कधीही वर पाठवला गेला नाही.

Stronger approach अंक अस्पष्ट म्हणून चिन्हांकित करा, दिसणारी अक्षरे ठेवा आणि तो अचूक भाग पुनरावलोकनासाठी पाठवा.

Why the stronger approach works दोघांनीही दस्तऐवजाची रचना जपली. त्यापैकी एकाने आकडेही जुळवले, आणि पानावर त्याचा उल्लेख कुठेही नाही.

Try a changed situation पान आता हाताने लिहिलेला शाळेचा हजेरी नोंदणी आहे ज्यात दोन स्तंभ एकत्र दाबलेले आहेत. तुम्ही काय जपाल?

Make something yourself चार ओळींची OCR तपासणी यादी तयार करा: मजकूर, लेआउट, तक्ते आणि अस्पष्ट भाग.

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