Nutrient представи на 18 ноември Recapture — отворен инструмент, който създава варианти на чиста документна страница като снимка или скан. Публикацията описва преобразуване и на пространствените означения, така че етикетите да следват променената геометрия. Това може да е полезно при подготовка на данни за модели, които трябва да разчитат документи извън идеалния цифров оригинал.
Една страница, различни условия
Публичното хранилище описва два режима: симулиран скан и фотографско представяне. Входът включва изображението на страницата и означенията на нейните области. Наличието на код и примери позволява да се разгледа работният процес, но не установява автоматично подобрение на всеки модел след обучение с получения набор.
Разликата между чист PDF и телефонен кадър може да бъде важна за приложение, което разчита полета. Нашият пример е фактура с една и съща сума при различна перспектива, осветление и видима част от страницата. Целта на такъв тест би била да установи кога системата запазва правилната стойност и кога трябва да поиска по-ясно изображение.
Хранилището уточнява още, че проектът не е официално поддържан продукт на Nutrient. Това е важно при избор за работен процес със срокове: отвореният лиценз, наличният код и договорената продуктова поддръжка са отделни характеристики, които не трябва да се смесват.
Повече варианти не означават повече независими примери
Ако от една страница бъдат създадени сто изображения, те все още споделят съдържание и оформление. За честно сравнение бихме запазили семейството на изходния документ изцяло от едната страна на границата между обучение и тест. Иначе моделът може да бъде оценен върху почти позната страница с друга сянка.
Това е редакционна препоръка за експериментален дизайн, а не резултат от изпълнение на Recapture. Бихме използвали и отделна малка извадка от реални разрешени снимки. Ако подобрението съществува само върху синтетичните варианти, остава открит въпросът дали е преносимо към потребителските устройства.
Какво трябва да се провери в означенията
Преобразуваната кутия около текст трябва да следва видимата област. В нашия предложен контрол човек разглежда случаен набор от крайни изображения заедно с нанесените означения. Частично закрито поле също трябва да има определено правило: очаква ли се разчитане, отбелязване на несигурност или отказ от автоматично попълване?
Инструментът е интересен като начин да се изследват подобни условия с проследим произход на всяка страница. SIExpo е проверил публикацията и публичното хранилище, без да изпълнява пакета. Не обещаваме, че синтетичното разнообразие само по себе си ще подобри точността на конкретна система за OCR или документен анализ.



