دستاویزات اور OCR کا جائزہ لیں

What this lesson is about

ٹائپ کیا ہوا متن، پڑھنے کا ترتیب، جدولیں اور غیر واضح خانوں کو چیک کریں۔ کبھی بھی کوئی لفظ خود سے نہ بنائیں۔

ایک مہر لگا ہوا انوائس کل رقم کا ایک ہندسہ چھپا رہا ہے، اور باقی قطار کا مجموعہ بالکل ٹھیک ہے۔ آپ کیا ٹائپ کریں گے؟

Why this matters

ایک ڈیٹا سیٹ — جس پر ماڈل سیکھتا ہے — صاف نظر آ سکتا ہے مگر پھر بھی ناقابل استعمال ہو سکتا ہے۔ ایک بھی فرضی ہندسہ یا غلط جگہ پر رکھا ہوا جدول کا خانہ کافی ہے۔

OCR کو درست کریں، پڑھنے کا ترتیب برقرار رکھیں، اور غیر واضح حروف کو غیر واضح ہی نشان زد کریں۔

جو نظر آتا ہے وہی لکھیں، جو لگتا ہے وہ نہ بنائیں۔
سرخیوں، قطاروں، اور کالموں کو ترتیب میں رکھیں۔
جو پڑھنا ممکن نہ ہو اسے کام کے مطابق اوپر بھیجیں۔

Task

ایک اسٹیمپ شدہ انوائس کے کل رقم کا جائزہ لیں۔

Weak approach ہر قطار اور کالم اپنی جگہ پر رکھتا ہے، اور حروف بالکل ویسے ہی ٹائپ کرتا ہے جیسے صفحے پر ہیں۔ پھر سب ٹوٹل سے چھپا ہوا عدد نکال کر 1,890 ٹائپ کرتا ہے۔ اب صفحے پر ایک عدد ہے جو کوئی دیکھ نہیں سکا، اور مہر لگا ہوا خانہ کبھی اوپر نہیں بھیجا گیا۔

Stronger approach ہندسے کو غیر واضح نشان زد کریں، جو حروف نظر آ رہے ہیں انہیں برقرار رکھیں، اور اسی حصے کو جائزے کے لیے بھیجیں۔

Why the stronger approach works دونوں جائزہ لینے والوں نے دستاویز کی شکل برقرار رکھی۔ ان میں سے ایک نے اعداد کو بھی میل کھایا، اور صفحے پر ایسا کہیں نہیں لکھا۔

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

Make something yourself چار قطاروں پر مشتمل OCR چیک لسٹ بنائیں: متن، ترتیب، جدولیں، اور جو غیر واضح ہے۔

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