دستاويز ۽ OCR جو جائزو وٺو

What this lesson is about

لکيل متن، پڙهڻ جو ترتيب، ٽيبل ۽ غير واضح خانن کي چيڪ ڪريو. ڪڏهن به ڪو لفظ ٺاهيو نه.

هڪ مهر لڳل انوائس ۾ ڪل رقم جو هڪ انگ لڪيل آهي، ۽ باقي قطار جو مجموعو ٺيڪ ٺاڪ آهي. توهان ڇا ٽائيپ ڪندا؟

Why this matters

ڊيٽا سيٽ — مثالن جو مجموعو جنهن مان ماڊل سکندو آهي — صاف لڳي سگهي ٿو پر استعمال لائق نه ٿي سگهي. هڪ ٺهيل انگ يا غلط جاءِ تي رکيل ٽيبل سيل ڪافي آهي.

OCR کي درست ڪريو، پڙهڻ جي ترتيب برقرار رکو، ۽ غير واضح اکرن کي غير واضح طور نشان لڳايو.

جيڪو ڏسڻ ۾ اچي ٿو اهو ئي لکو، جيڪو لڳي ٿو اهو نه ٺاهيو.
هيڊنگ، قطارون، ۽ ڪالمن کي ترتيب ۾ رکو.
جيڪو پڙهڻ ۾ نه اچي، ان کي ڪم جي هدايت موجب مٿي موڪليو.

Task

اسٽامپ ٿيل انوائس جي ڪل رقم جو جائزو وٺو.

Weak approach هر قطار ۽ ڪالم پنهنجي جاءِ تي رکندو آهي، ۽ اکر بلڪل اهڙي طرح ٽائيپ ڪندو آهي جيئن صفحي تي آهن. پوءِ سب ٽوٽل مان لڪل انگ ڪڍي 1,890 ٽائيپ ڪندو آهي. هاڻي صفحي تي اهڙو انگ اچي ويو آهي جيڪو ڪنهن به ڏسي نه سگهيو، ۽ مهر وارو خانہ ڪڏهن مٿي موڪليو ئي نه ويو.

Stronger approach انگ کي غير واضح طور نشان لڳايو، جيڪي اکر نظر اچن ٿا انهن کي برقرار رکو، ۽ اهو حصو جائزي لاءِ موڪليو.

Why the stronger approach works ٻئي جائزو وٺندڙن دستاويز جي شڪل برقرار رکي. انهن مان هڪ انگ اکر به ٺهڪائي ڇڏيا، ۽ صفحي تي ڪٿي به ائين لکيل ناهي.

Try a changed situation هاڻي صفحو هٿ سان لکيل اسڪول جي حاضري رجسٽر آهي جنهن ۾ ٻه ڪالمن گڏيل آهن. توهان ڇا محفوظ ڪندا؟

Make something yourself چار قطارون ٺاهيو OCR چيڪ لسٽ لاءِ: متن، ترتيب، ٽيبل، ۽ غير واضح شيون.

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