- MənbəŞəkil və ya skan edilmiş səhifə
- HazırlıqDili və sahəni seçin
- TanımaSözləri çıxarın
- Nəzərdən keçirməMətni müqayisə edin və düzəldin
AI OCR görünən yazını kodlaşdırılmış mətnə çevirir
Fotoşəkil və ya skan edilmiş səhifə piksellərdən ibarətdir. Həmin piksellərdəki formalar insan üçün tanınan ola bilər, lakin onlar hələ mətn redaktorunun axtara və ya kopyalaya biləcəyi simvollar deyil. Optik simvol tanınması şəkildə hansı simvolların və sözlərin olduğunu təxmin edir və kodlaşdırılmış mətn yaradır. AI OCR bu tanınma prosesində və ya əlaqəli sənəd təhlili tapşırıqlarında öyrənilmiş modellərdən istifadə edən yanaşmalara aiddir.
Giriş skan, kamera fotoşəkili, skrinşot və ya PDF daxilindəki şəkil ola bilər. Yalnız fayl uzantısı tanınmanın zəruri olub-olmadığını müəyyən etmir. Söz prosessoru tərəfindən yaradılmış PDF artıq istifadə edilə bilən mətni ehtiva edə bilər; səhifə fotoşəkillərindən hazırlanmış PDF isə sözləri yenidən istifadə edilməzdən əvvəl OCR-ə ehtiyac duya bilər.
Faydalı nəticənin arxasında bir neçə qərar dayanır: mətnin harada olması, nə deməsi və hissələrinin necə sıralanması. Simvol tanınması, regionun aşkarlanması və oxunma qaydasının təhlili bu problemin müxtəlif hissələrini həll edir. Buna görə də, ayrı-ayrı sözlər düzgün oxunsa belə, iki sütunu səhv birləşdirmək sənəd strukturu xətasıdır.
Öyrənmə tanınmanın mənbədəki dəyişiklikləri idarə etməsinə kömək edir
Öyrənilmiş tanıyıcı əllə müəyyən edilmiş simvol təsvirlərinə tamamilə etibar etmək əvəzinə, nümunələrdən faydalı naxışlar hazırlayır. O, ştrixlər, formalar və hərflər qrupları ilə əlaqəli vizual xüsusiyyətləri öyrənə və sonra bu xüsusiyyətlərdən yeni şəkilləri şərh etmək üçün istifadə edə bilər. Bu, təlim nümunələri və metod dəstəklədikdə çap, əl yazısı və çəkiliş şərtlərindəki fərqləri uyğunlaşdırmaq üçün bir yol təqdim edir.
Ənənəvi OCR ilə AI OCR arasındakı sərhəd dəqiq tarixi bölgü deyil. Neyron şəbəkələri, statistik tanınma və dil modelləşdirməsi onilliklər ərzində sənəd tədqiqatlarının bir hissəsi olmuşdur. Qurulmuş OCR proqramı artıq öyrənilmiş komponentləri ehtiva edə bilər. Hər bir ənənəvi sistemi sərt şablon uyğunlaşdırması, hər bir yeni sistemi isə tamamilə fərqli texnologiya növü kimi təsvir etmək çaşdırıcı olardı.
Öyrənmənin praktiki töhfəsi məlumatlarda təmsil olunan naxışlara uyğunlaşma qabiliyyətidir. Müxtəlif hərf formalarına məruz qalan tanıyıcı, dar giriş üçün hazırlanmış tanıyıcıdan daha çox dəyişikliyi idarə edə bilər. Bu fayda hələ də xüsusi tapşırıqdan asılıdır: əl ilə yazılmış sətri oxumaq, başlığı tapmaq və cədvəlin strukturunu müəyyən etmək fərqli sübut və qiymətləndirmə tələb edir.
Modeli öyrətmək yeni səhifəni oxumaqdan fərqlidir
Təlim zamanı modelin daxili parametrləri nümunələrdən və öyrənmə məqsədindən istifadə edilərək tənzimlənir. Mətnin tanınması üçün nümunələr şəkilləri transkripsiyaları ilə cütləşdirə bilər. Geniş ilkin təlim mərhələsi faydalı vizual və ya dil naxışlarını müəyyən edə bilər, ardınca daha spesifik kolleksiyaya və ya tapşırığa uyğunlaşma gəlir. Sintetik nümunələr də real sənəd şəkilləri ilə yanaşı şriftlərdə, ifadələrdə və görünüşdə dəyişiklikləri təmin edə bilər.
Öyrədilmiş model yeni səhifəni emal etdikdə, nəticə əldə etmək üçün öyrəndiklərini tətbiq edir. Bu mərhələ tez-tez nəticə çıxarma (inference) adlanır. Hər sənəd üçün yeni model təlimi dövrü tələb etmir. Bu fərq, tanıyıcının əvvəllər eyni səhifə kimi qarşılaşmadığı materialı necə oxuya bildiyini, lakin hələ də təliminin idarə etməyə hazırladığı naxış növlərindən asılı olduğunu izah edir.
Transkripsiyanı düzəltmək ayrı bir əməliyyatdır. Düzəliş həmin nəticəni dəyişir; bu, özlüyündə əsas modelin yazıçının əl yazısını öyrəndiyini təsdiq etmir. Uyğunlaşmanı dəstəkləyən proqram təminatı, adi mətn redaktəsindən kənarda, tanınmanı yeniləmək üçün nümunələrdən istifadə etmək üçün açıq bir prosesə ehtiyac duyur.
Vizual naxışlar ardıcıllıq tanınması vasitəsilə sözlərə çevrilir
Tanınma prosesi həmişə şəklin ayrı-ayrı hərflərə kəsilməsi ilə başlamır. Bir çox təcrübəli oxucu sözü və ya sətri bir ardıcıllıq kimi emal edir. Şəkil emalı komponenti onun vizual naxışlarının təsvirini yaradır, ardıcıllıq komponenti isə bu naxışları mümkün mətnlə əlaqələndirir. Əl yazısının oxunması xüsusilə hər bir simvol sərhədinin əvvəlcədən təmin edilməsini tələb etməyən yanaşmalardan faydalanır.
Öyrənilmiş şəkil xüsusiyyətlərini, ardıcıllıq modelləşdirməsini və transkripsiyanı birləşdirən tədqiqatlar bu mərhələlərin necə birlikdə təlim keçə biləcəyini nümayiş etdirir. Qonşu sübutlar vacibdir: şaquli bir işarə 'l' hərfi və ya 1 rəqəmi ola bilər, onun forması və ətrafındakı simvollar sistemə onlar arasında seçim etməyə kömək edir. Sistem yekun sətri yığmazdan əvvəl simvollar, söz hissələri və ya digər mətn vahidləri yarada bilər.
Kontekst şəkildən, ətrafdakı ardıcıllıqdan və ya əlavə dil məlumatlarından gələ bilər. Bu mənbələr qeyri-müəyyənliyi aradan qaldırmağa kömək edir, lakin onlar müxtəlif rolları yerinə yetirirlər. Görünən işarələr oxunması mümkün olanı müəyyən edir, öyrənilmiş kontekst isə sistemin onları necə şərh edəcəyinə təsir göstərir. Faydalı transkript səhifə ilə bu əlaqəni qoruyub saxlayır.
Sənəd sistemləri bir neçə mərhələni birləşdirə və ya nəticələri birbaşa yarada bilər
Ümumi dizaynlardan biri mətni tapmaq, tanımaq və nəticədə yaranan sözləri və mövqeləri təhlil etmək üçün ayrı komponentlərdən istifadə edir. Bu, sözlərin yerləşdiyi yerlər və ya tanınmış sətirlər kimi faydalı aralıq məlumatları üzə çıxara bilər. Daha sonra bir komponent sənədi təsnif edə və ya seçilmiş sahələri çıxara bilər. Səhvlər və təkmilləşdirmələr baş verdiyi mərhələdə araşdırıla bilər.
Digər dizayn isə tələb olunan nəticəni daha birbaşa istehsal etmək üçün şəkil təsvirindən və mətn yaradan komponentdən istifadə edir. Tədqiqatlar müstəqil ənənəvi OCR mərhələsi olmadan, o cümlədən səhifə şəkillərindən yaradılmış strukturlaşdırılmış nəticələr daxil olmaqla, sənədin başa düşülməsini nümayiş etdirmişdir. Həmin tədqiqatda OCR-free termini ayrı bir OCR mühərrikinin olmadığını təsvir edir; yazılı məlumat hələ də şəkildən şərh edilməlidir.
Bu dizaynlar üst-üstə düşə bilər. İxtisaslaşdırılmış oxuyucu mətni hissə-hissə yarada bilər və daha böyük sənəd sistemi mətn detektorunu öyrənilmiş oxuyucu və əlavə emal ilə birləşdirə bilər. Buna görə də AI OCR bir sabit arxitekturanı müəyyən etmir. Vacib suallar sistemin hansı nəticəni yaratması və onu yoxlamaq üçün hansı sübutların mövcud qalmasıdır.
Mizan (layout) tanınmış sözləri öz rolları ilə əlaqələndirməyə kömək edir
Səhifə həm sözlərlə, həm də mövqe ilə ünsiyyət qurur. 'Faktura tarixi' etiketinin yanındakı tarix 'Ödəniş tarixi' etiketinin yanındakı tarixdən fərqli rola malikdir. Cəmi başlığı altındakı rəqəm, sətir elementindəki eyni rəqəmdən fərqli məna daşıya bilər. Sənəd modelləri bu əlaqələri öyrənmək üçün tanınmış mətndən, onun koordinatlarından və səhifə-şəkil məlumatlarından istifadə edə bilər.
Çoxmodal sənəd ilkin təlimi üzrə tədqiqatlar forma şərhi, qəbz emalı və sənəd təsnifatı kimi tapşırıqlar üçün bu məlumat mənbələrini birləşdirir. Bu, tanınmanı təhlilə qədər genişləndirir: sistem yalnız simvol sətirlərini yaratmaq əvəzinə, sənəd elementlərinin tapşırıqla necə əlaqəli olduğunu müəyyən edir. Bu, həm də yekun nəticə kiçik bir sahələr dəsti olsa belə, yerlərin qorunmasının niyə faydalı ola biləcəyini izah edir.
Şərh tapşırıq üçün xüsusi öyrənilmiş modellər, qaydalar və ya hər ikisinin birləşməsi ilə həyata keçirilə bilər. O, hələ də öz məqsədinə uyğun təsdiqlənməyə ehtiyac duyur. Ödəniş müddətinin müəyyən edilməsi, cəmin uyğun olub-olmadığının yoxlanılması və fakturanın təsdiqlənib-təsdiqlənməməsinə qərar verilməsi ayrı-ayrı tələblərdir; sözləri oxumaqda uğur qazanmaq avtomatik olaraq hər üçündə uğur qazanmaq demək deyil.
Transkripsiya, çıxarış və sənəd cavabları fərqli nəticələr verir
Faktura tarixi: 3 mart, Ödəniş tarixi: 17 mart və Cəmi: 125.00 olan sadə bir nümunəni nəzərdən keçirin. Transkripsiya həmin görünən sözləri qoruyub saxlamalıdır. Sahə çıxarıcı yalnız ödəniş müddətini və məbləği qaytara bilər, sənəd-sual sistemi isə ödəniş tarixi ilə bağlı sorğuya cavab verə bilər. Hər bir nəticə faydalı ola bilər, lakin daha qısa çıxışlar tam transkripsiya deyil.
Eyni fərq sonrakı transformasiyalara da aiddir. Tərcümə dili dəyişir; redaktə sözləri və ya təqdimatı dəyişir; xülasə məlumatı seçir. Tapşırığı əvvəlcədən müəyyən etmək nəticəni qiymətləndirməyi asanlaşdırır. Cədvəl hər bir OCR alətinin onların hamısını təklif etdiyini güman etmək əvəzinə, ümumi sənəd emalı tapşırıqlarını təsvir edir.
| Tapşırıq | Nümunə nəticə | Tapşırığın əlavə etdikləri |
|---|---|---|
| Transkripsiya | Görünən etiketlər, tarixlər və məbləğ | Mənbə sözlərinin mətn təsviri |
| Sahə çıxarışı | Ödəniş tarixi = 17 mart; cəmi = 125.00 | Dəyərlərin adlandırılmış sahələrlə assosiasiyası |
| Sənəd sual-cavabı | Ödəniş tarixi sualına cavab olaraq 17 mart | Suala aid məlumatın seçilməsi |
| Tərcümə | Başqa dildə eyni məlumat | Nəzərdə tutulan mənanı qoruyub saxlamalı olan dil dəyişikliyi |
| Redaktə və ya xülasə | Düzəliş edilmiş sözlər və ya daha qısa hesabat | Transkriptin fərqli məqsəd üçün transformasiyası |
Faydalı kontekst görünən sübutlarla bağlı qalmalıdır
Tanıyıcı çətin bir simvolu həll etmək üçün kontekstdən istifadə edə bilər, lakin ağlabatan bir cümlə mütləq etibarlı transkript deyil. Qeyri-adi bir ad tanış bir sözlə əvəz edilə bilər və ya orijinal orfoqrafik səhv səssizcə düzəldilə bilər. Bu davranış redaktə tapşırığında faydalı ola bilər, lakin sitat və ya arxiv transkripsiyası üçün yanlış ola bilər.
2026-da dərc edilmiş əl yazısı meyarı bu fərqi araşdırdı və bir neçə sınaqdan keçirilmiş generativ sistemlərdə vizual olaraq dəstəklənməyən düzəlişlər barədə məlumat verdi. Tapıntı hər bir AI tanıyıcısına deyil, xüsusi sistemlərə və tapşırıqlara aiddir. Bu, faydalı bir sərhədi gücləndirir: oxumaq, yenidən yazmaq və çatışmayan məzmunu tamamlamaq fərqli məqsədlərdir. Mənbə bir sözü təsdiqləmədikdə, yalnız axıcı çıxış da onu təsdiqləyə bilməz.
Tanınma yanaşmalarını müqayisə etməzdən əvvəl tələb olunan nəticəni seçin
Ən yaxşı başlanğıc nöqtəsi növbəti tapşırığınızın ehtiyac duyduğu çıxışdır. Paraqrafı yenidən istifadə etmək redaktə edilə bilən mətn tələb edir. Skan edilmiş sənədi axtarmaq onun səhifə şəkli ilə əlaqəli mətn qatı tələb edə bilər. Faktura sahələrini başqa sistemə idxal etmək strukturlaşdırılmış çıxarış tələb edir. Bu tələblər müqayisəni ümumi AI etiketindən daha çox istiqamətləndirməlidir.
Müvafiq imkanları nümayəndə materialı üzərində qiymətləndirin. Tədqiqat meyarları mətnin tanınmasını, lokallaşdırılmasını, mizanı, mürəkkəb elementləri və mühakiməni fərqləndirir, çünki sistem bu tapşırıqlar üzrə fərqli işləyə bilər. Aydın çap olunmuş mətndə güclü nəticə əl yazısı düsturlarının və ya cədvəl strukturunun keyfiyyətini müəyyən etmir. Cavab müddəti və lazım olan baxış miqdarı da praktiki iş axınında vacib ola bilər.
Səhifə görünüşünü qorumaq ayrı bir çıxış seçimidir. Axtarıla bilən skan şəkli əlaqəli mətnlə saxlayır, yeni düzülmüş mətn sənədi isə fərqli güzəştlər edir. PDF adlanan fayl sizə onun hansı təsviri ehtiva etdiyini demir. Növbəti addımın orijinal vizual düzülüşə, redaktə edilə bilən transkriptə və ya xüsusi məlumat dəstinə ehtiyacı olub-olmadığına qərar verin.
i2OCR-da tanınma və mətn alətləri
i2OCR seçilmiş dildən asılı olaraq Classic və Future tanınma rejimləri ilə şəkil və PDF OCR təmin edir. Bunlar məhsul rejimləridir, hər bir OCR arxitekturasının texniki tərifləri deyil. Sənədin dilini seçin, sonra şəkli, seçilmiş PDF səhifəni və ya seçilmiş sahəni tanıyın. Bir PDF tanınma sorğusu bir seçilmiş səhifəni və ya sahəni emal edir.
Tanınmadan sonra, transkripti nəzərdən keçirə və redaktə edə, Smart Edit-i aça və ya tərcümə tələb edə bilərsiniz. Bunlar fərqli məqsədlərə malik ayrı-ayrı hərəkətlərdir. Adi düzəlişlər cari nəticəni yeniləyir; bunlar əl yazısının öyrədilməsi funksiyası deyil. Yenidən yazmazdan və ya tərcümə etməzdən əvvəl nəzərdən keçirilmiş transkripsiyanı saxlamaq, sonrakı versiyaları mənbə ilə müqayisə etməyi asanlaşdırır.
Hər iki rejim mətn və Word yükləmələrini təklif edir. Classic-in axtarıla bilən PDF-ı tanınmış səhifəni və ya sahəni orijinal tanınma mətni qatı ilə şəkil kimi saxlayır; sonrakı mətn düzəlişləri həmin PDF qatını yeniləmir. Future-un sadə PDF-si yeni tərtibatda cari mətndən yaradılır. Mənbə görünüşünə və ya redaktə edilmiş ifadələrə ehtiyacınız olub-olmamasından asılı olaraq çıxışı seçin.