مقدمه و چالش‌های OCR مبتنی بر Pipeline
مدل‌های OCR زیاد برای پردازش مستندات PDF به حل‌مسئله تبدیل متن در قالب پیش‌ساخته ساخته شده‌اند. این روش‌ها غالباً هدرها، فوترها و جداول را نادیده می‌گیرند و فقط بر متن اصلی تمرکز می‌کنند. اگرچه برای تولید داده‌های آموزشی مناسب است، اما در محیط‌های تجاری، اطلاعات مهم بسیاری در بخش‌های اضافی مستند وجود دارد.
فرایند فاین‌تین‌ش گذاری مدل olmOCR
TNG با یادگیری عمیق بر مدل olmOCR‑7B‑0225‑preview، از طریق چندین فاز فاین‌تین‌ش، پارامترهای شبکه را تنظیم کرد تا توانایی استخراج دقیق بخش‌های هدر، فوتر و جداول را افزایش دهد. این کار شامل افزودن مجموعه داده‌های حاوی فاکتورها و فرم‌های مالی، آموزش دوباره و تنظیم ریگولاریزاسیون‌های فعال بود.
- دقت بالاتر در استخراج جداول با % درصد اضافه
- حفظ اطلاعات هدر و فوتر برای تسهیل ردیابی سند
- قابلیت پردازش سریع در زمان واقعی
- کاهش خطاهای ترجمه متن در PDFهای پیچیده
نتایج و کاربردهای عملی
بعد از فاین‌تین‌ش، مدل قادر بود تمام عناصر صفحه، از جمله سرستون‌ها، نوارهای زیرو و فوترها، را به صورتی واقعی استخراج کند. این امکان را به شرکت‌ها می‌دهد تا به‌راحتی فاکتورهای مالی، گزارش‌های حسابرسی و فرم‌های اداری را با استفاده از مدل خودکارسازی کنند.
پرسش‌های پرتکرار
فاین‌تین‌ش مدل olmOCR چه تفاوتی در خروجی OCR ایجاد می‌کند؟
با هدف حذف بخش‌های غیر ضروری و اضافه کردن اطلاعات هدر و فوتر، مدل فاین‌تین‌ش این امکان را فراهم می‌کند که تمام اجزای مستند، از جمله سرستون‌ها، چسبارها و فوترها، به صورت دقیق استخراج شود.
برای کدام نوع مستندات این مدل مفید است؟
این مدل برای فاکتورها، فاکتورهای مالی، گزارش‌های مالی و هر مستندی که اطلاعات حساس در بخش‌های به‌صورت جداول یا تمام صفحات وجود دارد، به‌خوبی کار می‌کند.
