OCR圖文結(jié)構(gòu)技術(shù)架構(gòu)和實(shí)踐

1、OCR圖文結(jié)構(gòu)技術(shù)架構(gòu)和實(shí)踐技術(shù)創(chuàng)新，變革未來01Contents目錄020301官員養(yǎng)廉OCR可復(fù)制可查詢可錄入個人信息表身份證號碼： 銀行卡卡號：姓名：生日： 地址：02表格印章文字信息元素（表格、圖案、文字）檢測戶口登記機(jī)關(guān)戶：0.52 口：0.87 專：0.90 用：0.92KV輸出戶主姓名：王永* 戶號：509023*住址：杭州市西湖區(qū)*檢測識別結(jié)構(gòu)理 解精準(zhǔn)檢測少量像素誤差可能導(dǎo)致錯誤識別舊凝結(jié)卞1l/旦 日一l 招聘搬磚工：1產(chǎn)品經(jīng)理：1領(lǐng)導(dǎo)：2 公司介紹：下海登山親輕而易舉，上天入地?zé)o所不能。尺度變化大長邊跨度1-2000，端邊跨度5-200各種干擾遮擋、傾斜、彎曲、粘連、背景

2、等精準(zhǔn)檢測真實(shí)場景中的文字檢測案例字體&風(fēng)格相似字&生僻字是漢字特有的學(xué)術(shù)難題常用漢字3700個，覆蓋99%書面資料記錄漢字91000個，常用姓名、地名21000個80000個生僻字常用印刷字體有幾百種 古籍、手寫字體多，上億背景、噪聲、扭曲、光照等風(fēng)格變化真實(shí)場景中的文字識別案例一部書即一種字體10w以上字類，且類間差異小 破損、印記、簽注。識別并不是最終用戶需求5101321986*輸出的數(shù)字串是什么？ 用戶有設(shè)定的問題：姓名是？結(jié)合空間和語義關(guān)系的結(jié)構(gòu)理解身份證姓名：潘*住址：浙江省* 身份證號碼：510* 生日：*性別:*民族：*解答用戶問題卡證/表單的樣式非常多，有常規(guī)通用性和自定義

3、的 單個卡證也存在打印錯位、噪聲干擾、拍攝扭曲等問題12435553KV輸出戶主姓名：王永* 戶號：509023* 住址：杭州市*簽發(fā)日期：2016年*元素輸出文本：內(nèi)容、位置 表格：位置、還原 印章：位置、類型 二維碼：位置、信息輸入圖文字等元素檢測文字識別輸出結(jié)構(gòu)理解（結(jié)合空間&語義關(guān)系）node:廣義字段： 通用圖實(shí)體狹義字段：文本embeddingedge: node的空間距離GCN-圖匹配網(wǎng)絡(luò)GEMR-圖實(shí)體聚合識別模型03OCR圖轉(zhuǎn)文字文檔產(chǎn)品卡證kv產(chǎn)品模板產(chǎn)品識別產(chǎn)品結(jié)構(gòu)理解kv/表格/版面分析內(nèi)容/順序/智能模板kv結(jié)構(gòu)自學(xué)平臺高拍儀采集錄入照片資料輸入手機(jī)拍照STEP1 用

4、戶在APP中申請信 貸，并通過手機(jī)拍照上傳材料在線初審STEP2 審批人員根據(jù)拍 照材料進(jìn)行識別并初審申請材料人工初審拒絕，補(bǔ)充材料STEP3 申請人將原材料提交至柜臺，工作人員對材料進(jìn)行掃描審批通過人工審核STEP4 放貸過程比對照片材料與掃 描材料異同判斷是否如期放款用戶痛點(diǎn)：每份審批材料包含200多張圖片，需要進(jìn)行亂序比對，人工核對量大，誤操作高現(xiàn)場錄入高拍儀采集錄入電子文檔圖片輸入一體機(jī)服務(wù)器客戶端讀光OCR文檔服務(wù)引擎政務(wù)應(yīng)用系統(tǒng)（查看、檢索、對比）各式紙質(zhì)or圖片文檔表格段落印章 標(biāo)題文字文檔中文本、表格、標(biāo)題等元素和結(jié)構(gòu)提取 實(shí)現(xiàn)文檔內(nèi)容還原文件搜索、元素提取&校對、人機(jī)交互 實(shí)

5、現(xiàn)文檔集間交叉對比文件圖片搜索人工確認(rèn)印章：忽略文字：忽略文件系統(tǒng) 批量文件元素提取&校對標(biāo)題一致？段落一致？印章一致？讀光OCR票據(jù)服務(wù)引擎定額發(fā)票火車票出租車票增值稅發(fā)票機(jī)動車發(fā)票機(jī)票行程單類型：火車票出發(fā)站：株洲西站到達(dá)站：廣州南站車次：G1127開車時間：2018年11月15日17：01開 座位號：06車13C號票價：294.0類型：增值稅發(fā)票金額：294.0納稅人識別號：13894927246239 發(fā)票號碼：3210494財務(wù)RPA系統(tǒng)2. 調(diào)用OCR并讀取識別結(jié)果3. 自動錄入報銷系統(tǒng)4. 自動進(jìn)行發(fā)票驗(yàn)真與報稅1.輸入報銷/報帳系統(tǒng)驗(yàn)真、報稅系統(tǒng)數(shù)據(jù)錄入各式報銷材料1.票據(jù) 框

6、檢測2. 自動卡證分類器火車票 出租票 發(fā)票身份證 行駛營業(yè)執(zhí)照 許可證增值稅發(fā)票火車票3. 智能模板類型：增值稅發(fā)票金額：294.0發(fā)票代碼：4300181130發(fā)票號碼：02857254售票方稅號：13894927246239售票方名稱：深圳市中興新云服務(wù)有限公司發(fā)票詳情：服務(wù)名稱: *住宿服務(wù)*； 金額: 318.45; 類 型：火車票出發(fā)站：株洲西站 到達(dá)站：廣州南站 車次：G1127開車時間：2018年11月15日17：01開座位號：06車13C號 票價：294.0人工分類辦理貸款、算螞蟻積分、司法訴訟等都會提供大量卡證表單信息 卡證分類是一個基礎(chǔ)需求個人資質(zhì)企業(yè)資質(zhì)銀行單據(jù)個人征信核驗(yàn)工商信息查詢銀行流水對賬分類管理器可以實(shí)現(xiàn)數(shù)據(jù)歸檔 同時是數(shù)據(jù)結(jié)構(gòu)化的基礎(chǔ)端到端的低成本標(biāo)注方案結(jié)合空間和語義的結(jié)構(gòu)理解通用kv模板：提取各式卡證結(jié)構(gòu)用戶輸入: 100-200張標(biāo)注樣本自學(xué)習(xí)：自動數(shù)