Распознавание документов: Распознавание документов на частном примере — обзор доступных платных и бесплатных решений

00000 п. 0000090556 00000 п. 0000090875 00000 п. 0000090998 00000 н. 0000091144 00000 п. 0000091429 00000 н. 0000091552 00000 п. 0000091698 00000 п. 0000091945 00000 п. 0000092262 00000 п. 0000092385 00000 п. 0000092531 00000 п. 0000092778 00000 п. 0000093063 00000 п. 0000093186 00000 п. 0000093332 00000 п. 0000093579 00000 п. 0000093901 00000 п. 0000094024 00000 п. 0000094170 00000 п. 0000094417 00000 п. 0000094701 00000 п. 0000094824 00000 н. 0000094970 00000 п. 0000095217 00000 п. 0000095561 00000 п. 0000095684 00000 п. 0000095830 00000 п. 0000096077 00000 п. 0000096400 00000 п. 0000096523 00000 п. 0000096669 00000 п. 0000096958 00000 п. 0000097081 00000 п. 0000097227 00000 п. 0000097474 00000 п. 0000097798 00000 п. 0000097921 00000 п. 0000098067 00000 п. 0000098314 00000 п. 0000098606 00000 п. 0000098729 00000 п. 0000098875 00000 п. 0000099122 00000 н. 0000099453 00000 п. 0000099576 00000 п. 0000099722 00000 н. 0000099969 00000 п. 0000100263 00000 н. 0000100386 00000 н. 0000100532 00000 н. 0000100779 00000 н. 0000101111 00000 н. 0000101234 00000 н. 0000101380 00000 н. 0000101627 00000 н. 0000101922 00000 н. 0000102045 00000 н. 0000102191 00000 п. 0000102438 00000 п. 0000102764 00000 н. 0000102887 00000 п. 0000103033 00000 н. 0000103328 00000 н. 0000103451 00000 н. 0000103597 00000 п. 0000103844 00000 н. 0000104178 00000 п. 0000104301 00000 п. 0000104447 00000 н. 0000104694 00000 н. 0000105027 00000 н. 0000105150 00000 н. 0000105296 00000 н. 0000105543 00000 н. 0000105840 00000 н. 0000105963 00000 н. 0000106109 00000 п. 0000106356 00000 п. 0000106688 00000 п. 0000106811 00000 н. 0000106957 00000 п. 0000107204 00000 н. 0000107503 00000 н. 0000107626 00000 н. 0000107772 00000 н. 0000108019 00000 н. 0000108351 00000 п. 0000108474 00000 п. 0000108620 00000 н. 0000108920 00000 н. 0000109043 00000 н. 0000109189 00000 п. 0000109436 00000 н. 0000109768 00000 н. 0000109891 00000 н. 0000110037 00000 н. 0000110284 00000 п. 0000110582 00000 н. 0000110705 00000 н. 0000110851 00000 п. 0000111186 00000 н. 0000111309 00000 н. 0000111455 00000 н. 0000111755 00000 н. 0000111878 00000 н. 0000112024 00000 н. 0000112271 00000 н. 0000112606 00000 н. 0000112729 00000 н. 0000112875 00000 н. 0000113122 00000 н. 0000113457 00000 н. 0000113580 00000 н. 0000113726 00000 н. 0000113973 00000 н. 0000114272 00000 н. 0000114395 00000 н. 0000114541 00000 н. 0000114877 00000 н. 0000115000 00000 н. 0000115146 00000 н. 0000115449 00000 н. 0000115572 00000 н. 0000115718 00000 н. 0000115965 00000 н. 0000116302 00000 н. 0000116425 00000 н. 0000116571 00000 н. 0000116818 00000 н. 0000117120 00000 н. 0000117243 00000 н. 0000117389 00000 н. 0000117636 00000 н. 0000117974 00000 н. 0000118097 00000 н. 0000118243 00000 н. 0000118490 00000 н. 0000118792 00000 н. 0000118915 00000 н. 0000119061 00000 н. 0000119308 00000 н. 0000119647 00000 н. 0000119770 00000 н. 0000119916 00000 н. 0000120163 00000 н. 0000120503 00000 н. 0000120626 00000 н. 0000120772 00000 н. 0000121019 00000 н. 0000121350 00000 н. 0000121473 00000 н. 0000121619 00000 н. 0000121942 00000 н. 0000122065 00000 н. 0000122211 00000 н. 0000122458 00000 н. 0000122774 00000 н. 0000122897 00000 н. 0000123043 00000 н. 0000123290 00000 н. 0000123603 00000 н. 0000123726 00000 н. 0000123872 00000 н. 0000125885 00000 н. 0000127497 00000 н. 0000128711 00000 н. 0000128917 00000 н. 0000129123 00000 н. 0000129329 00000 н. 0000129535 00000 н. 0000129741 00000 н. 0000130011 00000 н. 0000130727 00000 н. 0000131443 00000 н. 0000132159 00000 н. 0000133136 00000 н. 0000133342 00000 п. 0000133548 00000 н. 0000133762 00000 н. 0000133968 00000 н. 0000134174 00000 н. 0000134380 00000 н. 0000134586 00000 н. 0000134792 00000 н. 0000134998 00000 н. 0000135204 00000 н. 0000136228 00000 п. 0000136499 00000 н. 0000137215 00000 н. 0000137931 00000 н. 0000138647 00000 н. 0000138853 00000 н. 0000139059 00000 н. 0000139271 00000 н. 0000139477 00000 н. 0000139683 00000 н. 0000140519 00000 п. 0000140725 00000 н. 0000140931 00000 н. 0000141137 00000 н. 0000141343 00000 н. 0000141549 00000 н. 0000141826 00000 н. 0000142542 00000 н. 0000143258 00000 н. 0000143974 00000 н. 0000144750 00000 н. 0000144956 00000 н. 0000145171 00000 н. 0000145381 00000 н. 0000145587 00000 н. 0000145793 00000 н. 0000145999 00000 н. 0000146205 00000 н. 0000146414 00000 н. 0000146623 00000 н. 0000146892 00000 н. 0000147171 00000 н. 0000147887 00000 н. 0000148603 00000 н. 0000148809 00000 н. 0000149022 00000 н. 0000149235 00000 п. 0000149441 00000 п. 0000149652 00000 н. 0000150368 00000 н. 0000150574 00000 н. 0000150780 00000 н. 0000150986 00000 н. 0000151199 00000 н. 0000151415 00000 н. 0000151695 00000 н. 0000152411 00000 н. 0000153127 00000 н. 0000153843 00000 н. 0000154049 00000 н. 0000154255 00000 н. 0000154461 00000 н. 0000154667 00000 н. 0000154873 00000 н. 0000155087 00000 н. 0000155293 00000 н. 0000155499 00000 н. 0000155712 00000 н. 0000155923 00000 н. 0000156639 00000 н. 0000156909 00000 н. 0000157625 00000 н. 0000158341 00000 н. 0000158547 00000 н. 0000158761 00000 н. 0000158967 00000 н. 0000159173 00000 н. 0000159383 00000 н. 0000159594 00000 н. 0000159800 00000 н. 0000160006 00000 н. 0000160239 00000 н. 0000160956 00000 н. 0000161672 00000 н. 0000162388 00000 н. 0000163993 00000 н. 0000164199 00000 н. 0000164405 00000 н. 0000164614 00000 н. 0000164820 00000 н. 0000165026 00000 н. 0000165233 00000 н. 0000165443 00000 н. 0000165649 00000 н. 0000165855 00000 н. 0000166066 00000 н. 0000166330 00000 н. 0000167047 00000 н. 0000167763 00000 н. 0000168479 00000 н. 0000168685 00000 н. 0000168899 00000 н. 0000169105 00000 н. 0000169311 00000 н. 0000169518 00000 н. 0000169729 00000 н. 0000169940 00000 н. 0000170146 00000 п. 0000170420 00000 н. 0000171137 00000 н. 0000171853 00000 н. 0000172060 00000 н. 0000172266 00000 н. 0000172473 00000 н. 0000172679 00000 н. 0000172885 00000 н. 0000173098 00000 н. 0000173311 00000 н. 0000173517 00000 н. 0000173723 00000 н. 0000173997 00000 н. 0000174714 00000 н. 0000175431 00000 н. 0000176147 00000 н. 0000176353 00000 п. 0000176559 00000 н. 0000176770 00000 н. 0000176986 00000 н. 0000177192 00000 н. 0000177398 00000 н. 0000177604 00000 н. 0000177817 00000 н. 0000178094 00000 н. 0000178811 00000 н. 0000179017 00000 н. 0000179223 00000 н. 0000179436 00000 н. 0000179647 00000 н. 0000179861 00000 н. 0000180067 00000 н. 0000180273 00000 н. 0000180479 00000 н. 0000180761 00000 н. 0000181478 00000 н. 0000182195 00000 н. 0000182408 00000 н. 0000182614 00000 н. 0000182820 00000 н. 0000183027 00000 н. 0000183233 00000 н. 0000183446 00000 н. 0000183652 00000 н. 0000183858 00000 н. 0000184064 00000 н. 0000184346 00000 н. 0000185063 00000 н. 0000185780 00000 н. 0000186086 00000 н. 0000186292 00000 н. 0000186501 00000 н. 0000186714 00000 н. 0000186923 00000 н. 0000187129 00000 н. 0000187335 00000 н. 0000187541 00000 н. 0000187747 00000 н. 0000188463 00000 н. 0000188684 00000 н. 00001

00000 н. 0000190528 00000 н. 0000190813 00000 н. 0000191530 00000 н. 0000191826 00000 н. 0000192092 00000 н. 0000192306 00000 н. 0000192518 00000 н. 0000192729 00000 н. 0000192938 00000 н. 0000193149 00000 н. 0000193865 00000 н. 0000194581 00000 н. 0000195297 00000 н. 0000195533 00000 н. 0000196250 00000 н. 0000196646 00000 н. 0000197370 00000 н. 0000197581 00000 н. 0000197793 00000 н. 0000198509 00000 н. 0000199225 00000 н. 0000199511 00000 н. 0000200227 00000 н. 0000200958 00000 н. 0000201675 00000 н. 0000202392 00000 н. 0000202641 00000 н. 0000203357 00000 н. 0000203563 00000 н. 0000204279 00000 н. 0000204995 00000 н. 0000205711 00000 н. 0000206574 00000 н. 0000207464 00000 н. 0000208400 00000 н. 0000209227 00000 н. 0000209855 00000 н. 0000209911 00000 н. 0000210722 00000 н. 0000211498 00000 п. 0000212214 00000 н. 0000212420 00000 н. 0000212626 00000 н. 0000214178 00000 н. 0000214384 00000 п. 0000214590 00000 н. 0000214796 00000 н. 0000215002 00000 н. 0000215269 00000 н. 0000215985 00000 н. 0000216701 00000 н. 0000217913 00000 н. 0000218119 00000 н. 0000218325 00000 н. 0000218531 00000 н. 0000218737 00000 н. 0000218943 00000 н. 0000219149 00000 п. 0000220385 00000 н. 0000220639 00000 н. 0000221355 00000 н. 0000222071 00000 н. 0000222280 00000 н. 0000223556 00000 н. 0000223814 00000 н. 0000224530 00000 н. 0000225246 00000 н. 0000225962 00000 н. 0000227274 00000 н. 0000227480 00000 н. 0000227691 00000 н. 0000227897 00000 н. 0000228103 00000 н. 0000228309 00000 н. 0000229642 00000 н. 0000229906 00000 н. 0000230622 00000 н. 0000231338 00000 п. 0000232054 00000 н. 0000232260 00000 н. 0000232471 00000 н. 0000232677 00000 н. 0000012356 00000 п. трейлер ] / Назад 578175 >> startxref 0 %% EOF 606 0 объект > поток h ެ OHQǿofgw \ 5sK ˢ && 5% «eCXX! $ GD).t`% (1 & Hx 谅? QC> |}

Программное обеспечение для захвата и распознавания документов

OpenText Business Network способствуют эффективному, безопасному и совместимому потоку информации внутри и за пределами предприятия от любого отправителя к любому получателю в любом формате. Business Network охватывает всю цепочку создания стоимости B2B, обеспечивая огромный, постоянно увеличивающийся объем транзакционных данных через множество носителей, включая электронный факс, совместное использование файлов, защищенную электронную почту, электронный обмен данными (EDI) и управляемую передачу файлов.

Снижение затрат на процессы обмена информацией B2B: Автоматизация рабочих процессов, ускорение обмена данными и обеспечение соблюдения нормативных требований при одновременном снижении административной нагрузки при обмене информацией B2B за счет перемещения управления системами (распространение факсов и документов, интеграция данных, совместное использование файлов и другие) в облако.

Повышение соответствия и безопасности информации: Распространение политик управления на все информационные каналы, такие как электронная почта и передача файлов, для поддержания полностью прозрачного контрольного журнала и управления потоком информации надежным образом повышает способность организаций уверенно решать требования безопасности, запросы регулирующих органов и судебные разбирательства.

Увеличьте влияние информации: Компании могут усилить влияние информации, создав эффективные каналы связи по всей сети, чтобы получать нужную информацию нужному человеку в нужное время на любом устройстве.

Ускорение времени до транзакции: Организациям необходимо обмениваться информацией для ведения бизнеса. Заказы, отгрузки, счета-фактуры, отчеты — использование унифицированного последовательного метода обмена информацией между бизнес-каналами и сокращение времени до транзакции — безопасное ведение бизнеса.

Присутствие по всему миру: С экспертами по всему миру мы можем помочь вам с любым из вышеперечисленных вопросов, будь то Китай, Сингапур, Германия или Северная Америка. Посетите наши офисы, чтобы узнать больше.

Распознавание и поиск документов XVIII, подробности конференции

Показать аннотацию

Сегментация страниц на текстовые и нетекстовые компоненты является важным этапом предварительной обработки перед операцией распознавания текста.Если это не будет сделано должным образом, механизм классификации OCR создаст ненужный текст из-за наличия нетекстовых компонентов. В этой статье описываются усовершенствования алгоритма сегментации текста / изображения, описанного Блумбергом [1], который также доступен в его открытой библиотеке Leptonica [2]. Изменения приводят к значительным улучшениям по сравнению с алгоритмом Bloomberg в тестовых изображениях соревнований сегментации страниц UW-III, UNLV, ICDAR 2009 и наборах данных принципиальных схем.

Показать аннотацию

Обозначение подписей к рисункам имеет широкое применение при получении высоких качественные электронные книги, такие как книги Kindle или книги для iPad.В этой статье, мы представляем основанную на правилах систему для обнаружения горизонтальных подписей к фигурам в документах старого образца. Наш алгоритм состоит из трех шагов: (i) сегментировать изображения на области разных типов, такие как тексты и цифры, (ii) поиск лучшего кандидата области субтитров на основе эвристические правила, такие как выравнивание областей и расстояния, и (iii) расширить области подписи, идентифицированные на шаге (ii), с соседними текстовые области для исправления ошибок чрезмерной сегментации.Мы тестируем наш алгоритм на 81 изображении, собранном из старых книги, в которых каждое изображение содержит хотя бы одну область рисунка. Мы показываем что этот подход может правильно определять подписи к рисункам из изображения с разными макетами, и мы также измеряем его характеристики как с точки зрения точности, так и скорости отзыва.

Показать аннотацию

При чтении электронных книг на портативных устройствах контент иногда следует перекомпоновывать и перекомпоновывать для адаптации к мобильным устройствам с маленьким экраном.Судя по читательской практике, разумно переформатировать текст по абзацам. Следовательно, в данной статье рассматривается это требование и предлагается набор новых методов распознавания абзацев для электронных книг в формате PDF. Предлагаемые методы состоят из трех этапов, а именно: анализ физической структуры, сегментация абзацев и определение порядка чтения. Мы используем свойство локального упорядочивания документов PDF и стиль макета книг для улучшения результатов традиционного распознавания страниц.Кроме того, мы применяем оптимальное соответствие технологии двудольного графа для определения порядка чтения абзацев. Эксперименты показывают, что наши методы достигают высокой точности. Примечательно, что это исследование было применено в коммерческом программном пакете для производства китайских электронных книг.

Показать аннотацию

В этой статье мы представляем процедуру удаления управляющих линий из рукописного изображения документа, которая не требует каких-либо задач предварительной или постобработки и не нарушает существующие символы.Мы пользуемся преимуществами общих свойств управляющих линий, таких как равномерная ширина, предсказуемый интервал, положение по сравнению с текстом и т. Д. Предлагаемая процедура также может обнаруживать наличие управляющих линий на странице, поэтому она не влияет на изображения документа без управляющих линий. Система оценивается на синтетических изображениях страниц на пяти разных языках и сравнивается с предыдущей методологией.

Показать аннотацию

Логотипы считаются ценной интеллектуальной собственностью и ключевым компонентом деловой репутации компании.В этой статье мы предлагаем метод распознавания логотипа естественной сцены, который не требует сегментации и позволяет обрабатывать изображения очень быстро и обеспечивает высокую скорость распознавания. Классификаторы для каждого логотипа обучаются совместно, а не независимо. Таким образом, общие черты могут быть разделены между несколькими классами для лучшего обобщения. Чтобы иметь дело с большим диапазоном соотношений сторон различных логотипов, для описания каждого класса извлекается набор значимых областей интереса (ROI). Мы гарантируем, что выбранные ROI будут как индивидуально информативными, так и слабо зависимыми два на два в соответствии с критериями максимизации условной энтропии класса.Результаты экспериментов на большой базе данных логотипов демонстрируют эффективность и действенность предлагаемого нами метода.

Показать аннотацию

В этой статье мы предлагаем новую систему для улучшения навигации внутри цифровых корпусов.Эта система основана на автоматической индексации в режиме изображения и обеспечивает пользователю интуитивно понятную навигацию в интерактивном режиме. Ключевые слова и контейнеры извлекаются непосредственно из изображений документа для создания индекса режима изображения, который показывает ключевые слова в виде вырезанных изображений их фактического внешнего вида. Наш подход воссоздает краткое изложение структурированных документов, следуя указаниям, данным самими создателями документа. Наша система подробно описана в общем случае и представлены образцы приложений на рукописном корпусе 19 века и корпусе машинописных текстов 18 века.Этот подход, разработанный для документов, недоступных в противном случае, может быть применен к любому корпусу, где можно идентифицировать ключевые слова и контейнеры.

Показать аннотацию

Руководствуясь общепринятым принципом, что чем больше обучающих данных, тем выше производительность системы распознавания, мы провели эксперименты, попросив испытуемых провести тест на смеси реальных английских рукописных текстовых строк и текстовых строк, измененных по сравнению с существующим почерком с различной степенью искажения.Идея создания синтетического почерка основана на методе возмущения Т. Варги и Х. Бунке, который искажает всю текстовую строку. Наши эксперименты преследуют две цели. Во-первых, мы хотим откалибровать оптимальные настройки параметров искажения для модели возмущений Варги и Бунке. Во-вторых, мы намерены сравнить влияние настроек параметров на разные стили письма, блочное, курсивное и смешанное. По предварительным экспериментальным результатам мы определили соответствующие диапазоны для амплитуды параметра и обнаружили, что настройки параметров должны изменение для разных стилей почерка.После того, как будут найдены правильные настройки параметров, мы создадим большое количество наборов для обучения и тестирования для создания лучших автономных систем распознавания рукописного ввода.

Показать аннотацию

Биомедицинские изображения часто используются для поддержки принятия клинических решений (CDS), в образовательных целях и в исследованиях.Они появляются в биомедицинских публикациях и не могут быть осмысленно извлечены с использованием преимущественно текстовых поисковых систем. Эта задача может быть выполнена путем автоматического аннотирования таких изображений с точки зрения их полезности для CDS. Мы предложили анализ изображения фигур для методов контент-ориентированного поиска изображений (CBIR). Затем извлеченные элементы изображения могут быть связаны с идентифицированными биомедицинскими концепциями, извлеченными из метатекста в подписях к рисункам и обсуждения в полном тексте для улучшенного гибридного (текст и изображение) поиска биомедицинских статей.Проблемой на пути к этой цели является отделение отдельных панелей от многопанельного рисунка, который часто встречается как одно изображение в биомедицинской статье. В этой работе мы представляем методы, которые добавляют надежности нашим предыдущим усилиям, которые были ограничены по своему объему. Мы представляем новый алгоритм кластеризации оптимизации роя частиц (PSO) для поиска связанных компонентов фигуры. Результаты предварительной оценки очень многообещающие: площадь под кривой ROC составляет 94,9% для обычных (не иллюстративных) изображений фигур и 92.Точность 1% для иллюстративных изображений. В настоящее время проводятся более интенсивные испытания, чтобы оценить влияние автоматической сегментации панели фигур на аннотации изображений и поиск биомедицинских документов.

Показать аннотацию

В данной статье предлагается метод коррекции перспективного искажения прямоугольных документов.Эта схема использует ортогональность краев документа, позволяя восстановить соотношение сторон исходного документа. Результаты, полученные после корректировки перспективы нескольких изображений документов, снятых с помощью мобильного телефона, сравниваются с результатами, полученными при оцифровке тех же документов с помощью нескольких моделей сканеров.

Показать аннотацию

Системы управления документами стали важными из-за растущей популярности электронной подачи документов и сканирования книг, журналов, руководств и т. Д., через сканер или цифровую камеру для хранения или чтения на ПК или в электронной книге. Текстовая информация, полученная с помощью оптического распознавания символов (OCR), обычно добавляется в электронные документы для поиска документов. Поскольку тексты, созданные с помощью OCR, обычно содержат ошибки распознавания символов, для решения этой проблемы были введены надежные методы поиска. В этой статье мы предлагаем метод поиска, устойчивый как к сегментации символов, так и к ошибкам распознавания. В предлагаемом методе вставка шумовых символов и отбрасывание символов при поиске ключевого слова обеспечивает устойчивость к ошибкам сегментации символов, а замена символов в ключевом слове кандидата на распознавание для каждого символа в OCR или любого другого символа обеспечивает устойчивость к ошибкам распознавания символов. .Скорость отзыва предлагаемого метода была на 15% выше, чем у традиционного метода. Однако точность была на 64% ниже.

Показать аннотацию

В этой статье мы описываем схему повышения удобства использования системы распознавания рукописного ввода планшетного ПК путем включения символов, которые не являются частью библиотеки символов планшетных ПК.Цель этой работы — сделать распознавание почерка более полезным для медицинских работников, привыкших использовать медицинские символы в медицинских записях. Тот факт, что медицинские сокращения похожи на символы, усложняет эту задачу. В документе также описываются наши усилия по созданию корпуса медицинских символов и не-символов, которые потенциально могут быть идентифицированы как символы. Используя данные из этого корпуса, мы демонстрируем, что этот новый модуль распознавания символов является надежным и расширяемым, поскольку мы сообщаем о хороших результатах как для набора медицинских символов, так и для расширенного набора для тестирования символов, который включает выбранные математические символы.Наконец, мы показали, что использование архитектуры с несколькими классификаторами обеспечивает высокую производительность.

Показать аннотацию

Фотокопии избирательных бюллетеней, оспоренных на выборах в Миннесоте в 2008 году, которые являются общедоступными, были отсканированы на высокоскоростном сканере и опубликованы на веб-сайте общественного радио.6727 PDF-файлов были загружены, преобразованы в изображения TIF и размещены на веб-сайте PERFECT. На основе обзора соответствующих аспектов обработки изображений бумажных избирательных механизмов и дополнительных статистических данных и наблюдений за опубликованными выборочными данными представлены надежные инструменты для определения основной сетки целей в этих бюллетенях независимо от перекоса, отсечения и другие ухудшения, вызванные высокоскоростным копированием и оцифровкой. Точность и скорость метода, основанного на индексных отметках, продемонстрирована на случайной выборке из 102 бюллетеней.

Показать аннотацию

Анализ макета — важный процесс для понимания изображения документа и поиска информации.Анализ макета документа зависит от сегментации страницы и классификации блоков. В этой статье описываются алгоритмы извлечения блоков из изображений документа и метод повышения, позволяющий классифицировать эти блоки как текстовые или нет. Вектор признаков, который подается в классификатор повышения, состоит из гистограммы длин серий в четырех направлениях и связанных компонентов компонентов, как фона, так и переднего плана. Используя комбинацию функций с помощью классификатора повышения, мы получаем точность 99,5% на нашей тестовой коллекции.

Показать аннотацию

В то время как оптическое распознавание музыки (OMR) современных печатных и рукописных документов считается решенной проблемой, в то время как многие коммерческие системы доступны сегодня, OMR древних музыкальных рукописей все еще остается открытой проблемой.В нашей статье мы представляем систему OMR деградированных западных рукописей равнинных земель в квадратной нотации с XIV по XVI века. В системе два основных блока, первый занимается извлечением и распознаванием символов, а второй действует как этап обнаружения ошибок для выходов первого блока. Для извлечения символов мы используем широко известные методы обработки изображений, такие как фильтрация Собеля и преобразование Хафа, а также SVM для классификации. Этап обнаружения ошибок реализован со скрытой марковской моделью (HMM), которая использует преимущества априорных знаний для этого конкретного вида музыки.

Ключ в будущее: интеллектуальное распознавание документов

Бумага для печати и движущаяся бумага дороги и требуют много времени. Компании, которым необходимо сократить эти расходы и более эффективно управлять процессами, просто конвертируют документы, отправленные по почте, в факсы или PDF-файлы, отправленные по электронной почте. С точки зрения получателя, все входящие документы неструктурированы или частично структурированы.Документы, основанные на изображениях или данных (например, обычный PDF), могут выглядеть одинаково (все счета-фактуры), но элементы данных не содержат понятных метатегов. Следовательно, каждый документ необходимо рассматривать и интерпретировать в едином формате, понятном для внутренних процедур ИТ. А это дорогостоящий процесс.

Захват данных из изображений с использованием традиционной обработки форм основан на знании конкретного макета формы, чтобы вы могли создать шаблон, чтобы определить, какие поля нужно захватить, правила, которые следует использовать для каждого поля, и любые проверки перекрестных полей.Шаблон также определяет связанные метаданные вывода для полей. Выходные данные обычно разделяются запятыми или помечаются тегами XML, хотя в некоторых случаях это может быть электронный обмен данными (EDI). Он работает хорошо только в том случае, если макет форм такой же или когда четкие идентификаторы определяют формат. Это ограничило обработку форм оборотными документами или регулируемыми формами, такими как налоговые декларации, заявки на кредитные карты, медицинские претензии и т. Д.

Захват изображений для индексации с помощью программного обеспечения для пакетного захвата требует ручной вставки закодированных пакетов и разделителей документов между документами, которые предоставляют автоматизированные поиск метаданных индекса.Скрипты выпуска форматируют изображения и данные для решения для внутреннего управления документами (DM) или управления корпоративным контентом (ECM). Для сбора данных из неструктурированных, неизвестных макетов данных можно использовать поисковые системы. Они ищут в неструктурированном тексте и извлекают контекстно релевантные документы и фразы. Однако для создания понятных метаданных для вывода в бизнес-процессы требуются бизнес-правила, а это означает, что программное обеспечение должно понимать, что это за документ.

Новый интеллектуальное распознавание документов (IDR) — технология, первоначально разработанная для обработки счетов и электронной почты, — использует методы из каждой из вышеперечисленных областей и устраняет ограничения.Больше не нужно знать, как выглядит макет формы. Больше не нужно вставлять разделители. Предварительная сортировка больше не требуется. Определенные правила могут сделать данные понятными. IDR может определить категорию документа и применить соответствующие бизнес-правила.

IDR, который также называется интеллектуальным сбором данных (см. P.10, июль / август, KMWorld, том 15, № 7, статья Роберта Смоллвуда, также опубликованная в Интернете), работает намного больше, чем люди, полагаясь на обучение и внутренние знания. макета и содержимого общих типов форм, которые используются для понимания и извлечения необходимой информации и запуска рабочих процессов.Это расширяет типы форм, которые могут быть получены, и снижает затраты, но IDR также существенно меняет возможности сбора данных в ряд инструментов, которые могут интерпретировать и извлекать данные из всех видов неструктурированной информации.

Информация может быть введена в виде отсканированной бумаги или информации в формате документа, независимо от того, ориентирована ли она на данные, например в формате Word или PDF, или на основе изображений. Как правило, это включает и использует несколько различных методов, включая распознавание образов, OCR и другие системы распознавания и поиска, для поиска и извлечения необходимой информации перед применением к ней бизнес-правил.Это стало причиной того, что DICOM / Kofax купила Mohomine и LCI, Captiva купила SWT и одна из причин покупки Verity Cardiff.

IDR позволяет анализировать неструктурированную, немаркированную информацию, поступающую в корпорацию или организацию, и управлять ею. Он может обеспечить понимание клиентской части, необходимое для поддержки приложений управления бизнес-процессами (BPM) и бизнес-аналитики (BI), а также традиционных систем бухгалтерского учета и управления документами или записями.

Крупные компании в сфере BPM и BI начинают осознавать важность этого, и большой новостью 2005 года стало приобретение EMC Captiva — крупного поставщика решений для ввода данных. Покупка заставила многих взглянуть на захват в новом свете. EMC заявила, что это приобретение должно было улучшить управление жизненным циклом документов. Хотя этот термин плохо понимается за пределами отрасли хранения данных, EMC явно видела гораздо больше, чем просто сбор документов. Capture превращается в критически важную потребность в бизнес-системах, которая улучшает основные бизнес-процессы и повышает конкурентоспособность за счет развития понимания документов на основе бизнес-правил.

Согласно нашим исследованиям, рынок программного обеспечения для захвата вырос на 18 процентов в период с 2004 по 2005 год до 1,1 миллиарда долларов США по стоимости пользователя — по сравнению с 14 процентами в предыдущем периоде. Мы разбиваем это на четыре подсегмента, которые мы называем:

• ad hoc и настольное сканирование — используется офисными работниками, которые хотят преобразовать бумажные документы в удобные электронные документы, над которыми они могут работать или сотрудничать. Используемые устройства — это низкоскоростные сканеры или подключенные к сети офисные цифровые копировальные аппараты (многофункциональные устройства).
• пакетное и распределенное пакетное сканирование — используется для переноса документов в централизованное хранилище документов или используется для их классификации и максимально быстрой маршрутизации в централизованную точку.
• полнотекстовый захват OCR — преобразует текстовые документы, такие как отсканированные журнальные статьи, в данные ASCII, которые можно редактировать, управлять ими или использовать для поиска документов.
• захват транзакций и управление процессами — ранее формы обработки. Подобно пакетному и распределенному пакетному захвату, но выходные данные ориентированы на данные и используются для предоставления данных для использования в бизнес-процессе.

Каждый из этих подсегментов показал некоторые интересные тенденции. Первые три выросли более чем на 20 процентов, что было вызвано рядом ключевых проблем, которые вместе вызывают рыночный стресс:

• Повышение скорости бизнеса, которое требует перемещения документов в электронном виде, а не по почте или курьерам. Входящая бумага должна быть преобразована в изображение как можно ближе к точке входа в корпорацию или, предпочтительно, отправителем, используя факс-серверы или отправленные по электронной почте PDF-файлы.Это вызывает переход от централизованного сканирования к распределенному.
• Бизнесу нужно сократить расходы. Расходы на обработку, перемещение и хранение бумаги можно уменьшить или исключить путем преобразования ее в изображение в сочетании с небольшими системами DM, а инструменты совместной работы в офисе, такие как Microsoft SharePoint, могут повысить эффективность.
• Необходимость оптимизации использования бизнес-оборудования. Автономные копировальные аппараты часто используются недостаточно. Объединяя их в сеть, корпорации могут использовать их для печати, отправки факсов и сканирования, а также для копирования.Компании ищут другие альтернативы, такие как распределенные сканеры и принтеры, а производители копировальных устройств делают рывок на рынки захвата.
• Доступность недорогих (менее 1000 долларов США), простых в использовании (одна кнопка), быстрых (25 страниц в минуту и ​​более) распределенных двусторонних настольных сканеров.
• Полнотекстовый поиск на рабочем столе все чаще используется для поиска документов и управления ими в небольшом офисе.
• Изображения стандартизированы и принимаются так же, как и данные. В частности, PDF и Интернет заставили пользователей перестать различать изображения и данные.Гибридное изображение с возможностью поиска в сочетании с улучшенным оптическим распознаванием символов (OCR) помогло в этом, размыв линию.

Сектор сбора транзакций и управления процессами в настоящее время является крупнейшим сегментом, на который приходится 34 процента всего рынка, но он рос медленнее всего — 7 процентов, упав с 38 процентов от общего числа. Это может показаться нелогичным, потому что эти технологии, основанные на обработке форм, являются ключом к будущему росту и используются в системах управления знаниями (KM).Однако сейчас большая часть сегмента по-прежнему состоит из продаж, ориентированных на фиксированные шаблоны. Эта проверенная технология обработки форм предлагает значительное снижение затрат по сравнению с вводом данных внутри компании или даже обработкой в ​​офшорной зоне, стоимость которой возрастает, если формы известны.

Обработка изображений и управление электронными документами

— Марк Кулиговски, Директор по маркетингу и ИТ, Johnson-Rose Corp

Используйте программное обеспечение для распознавания документов, чтобы сократить время, необходимое для ввода данных, путем чтения компьютерных или рукописных форм. Эти типы решений делают сбор информации из форм быстрым, точным и могут уменьшить количество ошибок.

Ниже приведены ключевые особенности распознавания документов и их преимущества:

(Показать все) (Скрыть все)

• OCR — Получение изображения документа и распознавание набранного текста для использования для поиска или идентификации документа

  Сокращение от оптического распознавания символов, этот процесс считывает напечатанный текст на изображении документа и делает его доступным за пределами изображения. В основном используется для создания PDF-файлов с возможностью поиска, автоматической пометки документов метаданными или сокращения ввода данных путем извлечения содержимого формы и отправки в базу данных (т.е. Счета-фактуры, заказы на поставку и другие формы документов). OCR также увеличивает продуктивность Google Search Appliance и SharePoint.

• ICR — Получение изображения документа и распознавание рукописной информации или сложных структур таблиц

  Сокращенно от Intelligent Character Recognition, этот процесс считывает рукописный текст в документе и делает его доступным для других приложений. В основном используется для уменьшения количества вводимых данных путем извлечения содержимого формы и отправки в базу данных (т.е.е. Документы обследования, полевые информационные формы, карточки для пожертвований и квитанции об оплате коммунальных услуг). ICR также увеличивает производительность Google Search Appliance и SharePoint.

• Преобразование документов — преобразование изображений документов в текстовые документы, электронные таблицы или другие форматы с сохранением макета изображения

  Преобразование изображений в редактируемые документы Microsoft Office. Это позволяет офисам сканировать отчеты или другие документы и создавать документы Word или Excel без потери форматирования и структуры изображения.Например, преобразование бухгалтерских отчетов в электронные таблицы Excel или контракты в Microsoft Word.

• Извлечение данных — чтение информации из изображения или бумажного документа и отправка ее в другое приложение

  Сканирование и чтение текста, рукописного ввода, штрих-кодов и флажков. Текст можно распознать более чем на 100 языках. Затем информацию можно отправлять в базы данных, электронные таблицы, системы управления документами или SharePoint.

• Классификация документов — Нет необходимости делать разделительные листы при сканировании. Программное обеспечение теперь может идентифицировать документ по внешнему виду

  Процесс, с помощью которого программное обеспечение идентифицирует документ на основе информации, содержащейся в документе. Например, отсканируйте пакет счетов-фактур, заказов на поставку и контрактов в одной группе страниц, и программа отсортирует документы и соответствующим образом разделит их.

• Проверка — легко подтвердить, что информация, распознанная в процессе OCR или ICR, верна

  Процесс, с помощью которого программное обеспечение распознавания выполняет поиск в базе данных или проверяет итоговые значения столбцов, чтобы убедиться, что распознанная информация является точной.Это увеличивает время обработки и повышает точность.

• Business Card Reader — Устранение необходимости ввода контактов в базу данных с помощью решений для чтения визитных карточек

  Его можно использовать на ПК или даже на смартфоне для захвата информации с визитных карточек и быстрого заполнения адресной книги.

• Удаленная обработка

  Решения

  , которые позволяют удаленным офисам или пользователям сканировать документы и направлять их в центральную точку обработки.

• Language Translation — Можно распознать более 150 языков!

  Используйте программное обеспечение для перевода документов на более 100 языков. Также доступны приложения для смартфонов, позволяющие пользователю сфотографировать слово на иностранном языке (знак, меню ресторана и т. Д.) И преобразовать его на другой язык с произношением.

Внедрение пакета программного обеспечения для управления документами поможет вашему офису систематизировать, находить и обмениваться документами в безопасной и управляемой среде.Он также будет отслеживать несколько версий документов, отправлять напоминания и уведомления по электронной почте для просмотра и многое другое. Решения могут быть установлены на сервере вашей компании или размещены в надежно управляемом хранилище.

Позвольте DocuSyst помочь со сканированием и индексированием документов, чтобы сэкономить ваше время и ресурсы. Мы можем сканировать ваши документы в PDF-файлы с возможностью текстового поиска, чтобы упростить поиск информации. У вас уже есть PDF-изображения, которые не распознаются? DocuSyst может распознавать миллионы страниц и сжимать их для уменьшения размера файлов.