Je, AI inaweza Kusoma Kielelezo cha Kukunja?

Je, AI inaweza Kusoma Kielelezo cha Kukunja?

Kwa hivyo - je, AI inaweza kusoma herufi za mkunjo ?

Ndiyo. AI inaweza kusoma herufi za mkunjo - wakati mwingine vizuri sana - lakini si kamilifu kila mara. Matokeo yanaweza kubadilika sana kulingana na mtindo wa mwandiko, ubora wa uchanganuzi, lugha, na kama mfumo huo umeundwa kwa ajili ya mwandiko (sio maandishi yaliyochapishwa tu).

Makala unayoweza kupenda kusoma baada ya hii:

🔗 Je, ni sahihi kiasi gani akili bandia (AI) katika matumizi halisi?
Hufafanua kinachoathiri usahihi wa AI katika kazi tofauti.

🔗 Jinsi ya kujifunza AI hatua kwa hatua
Ramani ya barabara inayofaa kwa wanaoanza kuanza kujifunza AI kwa ujasiri.

🔗 AI hutumia maji kiasi gani
Inaelezea matumizi ya maji ya akili bandia yanatoka wapi na kwa nini.

🔗 Jinsi AI inavyotabiri mitindo na mifumo
Inaonyesha jinsi mifumo inavyotabiri mahitaji, tabia, na mabadiliko ya soko.

Je, AI inaweza kusoma herufi za herufi kwa usahihi? 🤔

AI inaweza kusoma herufi za mkunjo? Ndiyo - utambuzi wa kisasa wa OCR/mwandiko unaweza kutoa maandishi ya mkunjo kutoka kwenye picha na michanganuo, hasa wakati uandishi ni thabiti na picha ni wazi. Kwa mfano, mifumo mikuu ya OCR inasaidia waziwazi uchimbaji wa mwandiko kama sehemu ya toleo lao. [1][2][3]

Lakini "kwa uhakika" inategemea unachomaanisha:

  • Ukimaanisha "mzuri wa kutosha kuelewa kiini" - mara nyingi ndio ✅

  • Ukimaanisha "sahihi ya kutosha kwa majina halali, anwani, au maelezo ya kimatibabu bila kuangalia" - hapana, si salama 🚩

  • Ukimaanisha "badilisha maandishi yoyote kuwa maandishi kamili, mara moja" - tuwe wakweli... hapana 😬

AI inapata shida zaidi wakati:

  • Herufi huchanganyika pamoja (tatizo la kawaida la herufi za mkunjo)

  • Wino ni hafifu, karatasi imebadilika rangi, au kuna damu imetoka nje

  • Mwandiko ni wa kibinafsi sana (mizunguko isiyoeleweka, mielekeo isiyolingana)

  • Maandishi hayo yametengenezwa kihistoria/kinyume au yanatumia herufi/tahajia zisizo za kawaida

  • Picha imepinda, haina ukungu, ina kivuli (picha za simu chini ya taa… sote tumezifanya)

Kwa hivyo uundaji bora ni: AI inaweza kusoma herufi za mkunjo, lakini inahitaji usanidi sahihi na zana sahihi . [1][2][3]

 

Mkunjo wa AI

Kwa nini herufi za mkunjo ni ngumu kuliko OCR "ya kawaida" 😵💫

OCR iliyochapishwa ni kama kusoma matofali ya Lego - maumbo tofauti, kingo nadhifu.
Mkunjo ni kama spaghetti - mipigo iliyounganishwa, nafasi zisizo sawa, na maamuzi ya kisanii ya mara kwa mara 🍝

Sehemu kuu za maumivu:

  • Ugawaji: herufi huunganishwa, kwa hivyo "herufi moja huishia wapi" inakuwa tatizo zima

  • Tofauti: watu wawili huandika herufi "sawa" kwa njia tofauti kabisa

  • Utegemezi wa muktadha: mara nyingi unahitaji kubahatisha kwa kiwango cha neno ili kubaini herufi chafu

  • Usikivu wa kelele: ukungu mdogo unaweza kufuta viboko vidogo vinavyofafanua herufi

Ndiyo maana bidhaa za OCR zinazoweza kuandika kwa mkono huwa zinategemea mifumo ya kujifunza kwa mashine/kujifunza kwa undani badala ya mantiki ya zamani ya "kupata kila mhusika tofauti". [2][5]

Ni nini kinachomfanya mtu awe "msomaji mzuri wa herufi za bandia" ✅

Ukichagua suluhisho, mpangilio mzuri wa mwandiko/mviringo kwa kawaida huwa na:

  • Usaidizi wa uandishi wa mkono uliowekwa ndani (sio "maandishi yaliyochapishwa pekee") [1][2][3]

  • Ufahamu wa mpangilio (ili uweze kushughulikia hati, si mstari mmoja tu wa maandishi) [2][3]

  • Alama za kujiamini + visanduku vinavyofungamana (ili uweze kupitia vipande visivyoeleweka haraka) [2][3]

  • Ushughulikiaji wa lugha (mitindo mchanganyiko ya uandishi na maandishi ya lugha nyingi ni jambo la kawaida) [2]

  • Chaguzi za kibinadamu kwa chochote muhimu (matibabu, kisheria, fedha)

Pia - ya kuchosha lakini halisi - inapaswa kushughulikia maingizo yako: picha, PDF, skani za kurasa nyingi, na picha za "Nilichukua hii kwa pembe kwenye gari" 😵. [2][3]

Jedwali la Ulinganisho: zana ambazo watu hutumia wanapouliza "Je, AI inaweza Kusoma Cursive?" 🧰

Hakuna ahadi za bei hapa (kwa sababu bei hupenda kubadilika). Huu ndio mtazamo wa uwezo , si kikapu cha malipo.

Chombo / Jukwaa Bora zaidi kwa Kwa nini inafanya kazi (na mahali ambapo haifanyi kazi)
Google Cloud Vision (OCR inayoweza kuandika kwa mkono) [1] Utoaji wa haraka kutoka kwa picha/skani Imeundwa ili kugundua maandishi na mwandiko katika picha; msingi mzuri wakati picha yako ni safi, haifurahishi sana wakati mwandiko unapoharibika. [1]
Microsoft Azure Read OCR (Maono ya Azure / Akili ya Hati) [2] Hati zilizochapwa kwa mchanganyiko + zilizoandikwa kwa mkono Inasaidia kwa uwazi kutoa yaliyochapishwa + yaliyoandikwa kwa mkono na hutoa eneo + kujiamini ; inaweza pia kuendeshwa kupitia vyombo vilivyowekwa tayari kwa udhibiti mkali wa data. [2]
Maandishi ya Amazon [3] Fomu/hati zilizopangwa + mwandiko + hundi za “je, zimesainiwa?” Hutoa maandishi/mwandiko/data na hujumuisha Saini kinachogundua sahihi/awali na kurejesha eneo + kujiamini . Nzuri unapohitaji muundo; bado inahitaji ukaguzi kwenye aya zenye utata. [3]
Transkribus [4] Hati za kihistoria + kurasa nyingi kutoka mkono mmoja Imara unapoweza kutumia mifumo ya umma au kufunza mifumo maalum kwa mtindo maalum wa mwandiko - hali hiyo ya "mwandishi yuleyule, kurasa nyingi" ndipo inaweza kung'aa kweli. [4]
Kraken (OCR/HTR) [5] Utafiti + hati za kihistoria + mafunzo maalum OCR/HTR iliyo wazi na inayoweza kufunzwa ambayo inafaa mahsusi kwa hati zilizounganishwa kwa sababu inaweza kujifunza kutoka kwa data ya mistari isiyogawanywa (kwa hivyo hulazimiki kukata herufi ndogo zenye herufi mbili kwanza). Usanidi ni wa vitendo zaidi. [5]

Kuzama kwa kina: jinsi AI inavyosoma maandishi ya mkunjo chini ya kofia 🧠

Mifumo mingi ya usomaji wa herufi zilizofanikiwa hufanya kazi zaidi kama unukuzi kuliko "kuweka alama kila herufi." Ndiyo maana hati za kisasa za OCR huzungumzia kuhusu mifumo ya kujifunza kwa mashine na uchimbaji wa mwandiko badala ya violezo rahisi vya herufi. [2][5]

Bomba lililorahisishwa:

  1. Matayarisho (kuondoa kelele, kuondoa kelele, kuboresha utofautishaji)

  2. Gundua maeneo ya maandishi (mahali ambapo maandishi yapo)

  3. Ugawaji wa mistari (mistari tofauti ya mwandiko)

  4. Utambuzi wa mfuatano (tabiri maandishi kwenye mstari)

  5. Matokeo + kujiamini (ili wanadamu waweze kupitia sehemu zisizo na uhakika) [2][3]

Wazo hilo la "mfuatano katika mstari" ni sababu kubwa kwa nini mifumo ya mwandiko inaweza kukabiliana na herufi zilizopinda: hawalazimishwi "kukisia kila mpaka wa herufi" kikamilifu. [5]

Ni ubora gani unaoweza kutarajia kihalisia (kwa matumizi) 🎯

Hii ndiyo sehemu ambayo watu huiruka, kisha hukasirika baadaye. Kwa hivyo ... hii hapa.

Nafasi nzuri 👍

  • Safisha mkunjo kwenye karatasi iliyopangwa

  • Mwandishi mmoja, mtindo thabiti

  • Uchanganuzi wa ubora wa juu wenye utofautishaji mzuri

  • Maelezo mafupi yenye msamiati wa kawaida

Nafasi mchanganyiko 😬

  • Maelezo ya darasani (michoro + mishale + machafuko ya pembezoni)

  • Nakala za nakala (na mwonekano wa laana wa kizazi cha tatu)

  • Jarida zenye wino uliofifia

  • Waandishi wengi kwenye ukurasa mmoja

  • Maelezo yenye vifupisho, majina ya utani, vichekesho vya ndani

Hatari - usiamini bila ukaguzi 🚩

  • Maelezo ya kimatibabu, hati za kiapo za kisheria, ahadi za kifedha

  • Chochote chenye majina, anwani, nambari za kitambulisho, nambari za akaunti

  • Hati za kihistoria zenye herufi au tahajia zisizo za kawaida

Ikiwa ni muhimu, chukulia matokeo ya AI kama rasimu, si ukweli wa mwisho.

Mfano wa mtiririko wa kazi ambao kwa kawaida hufanya kazi:
Timu inayobadilisha fomu za ulaji zilizoandikwa kwa mkono kwa njia ya kidijitali hutumia OCR, kisha huangalia kwa mikono sehemu zenye imani ndogo (majina, tarehe, nambari za vitambulisho). Huo ndio muundo wa "AI inapendekeza, mwanadamu anathibitisha" - na ndivyo unavyodumisha kasi na utulivu. [2][3]

Kupata matokeo bora (kupunguza mkanganyiko wa akili bandia) 🛠️

Vidokezo vya kunasa (simu au kichanganuzi)

  • Tumia taa sawasawa (epuka vivuli kwenye ukurasa mzima)

  • Weka kamera sambamba na karatasi (epuka kurasa za trapezoid)

  • Fanya ubora wa juu zaidi kuliko unavyofikiri unahitaji

  • Epuka "vichujio vya urembo" vikali - vinaweza kufuta viboko vidogo

Vidokezo vya usafi (kabla ya utambuzi)

  • Kata hadi eneo la maandishi (kingo za dawati la kwaheri, mikono, vikombe vya kahawa ☕)

  • Ongeza utofautishaji kidogo (lakini usibadilishe umbile la karatasi kuwa dhoruba ya theluji)

  • Nyoosha ukurasa (meza)

  • Ikiwa mistari inaingiliana au pembezoni ni chafu, gawanya katika picha tofauti

Vidokezo vya mtiririko wa kazi (vinavyofanya kazi kwa utulivu)

  • Tumia OCR inayoweza kuandikwa kwa mkono (inasikika wazi… watu bado wanairuka) [1][2][3]

  • Alama za kujiamini za uaminifu : pitia kwanza sehemu zenye kujiamini kidogo [2][3]

  • Ikiwa una kurasa nyingi kutoka kwa mwandishi yule yule, fikiria mafunzo maalum (hapo ndipo kuruka kwa "meh" → "wow" hutokea) [4][5]

"Je, AI inaweza kusoma herufi za mlalo" kwa sahihi na maandishi madogo? 🖊️

Saini ni mnyama wao wenyewe.

Saini mara nyingi huwa karibu na alama kuliko maandishi yanayoweza kusomeka, kwa hivyo mifumo mingi ya hati huichukulia kama kitu cha kugundua (na kupata) badala ya "kuandika kwa jina." Kwa mfano, Saini kinazingatia kugundua sahihi/awali na kurudisha eneo + kujiamini, sio "kubashiri jina lililoandikwa." [3]

Kwa hivyo ikiwa lengo lako ni "kutoa jina la mtu kutoka kwenye sahihi," tarajia kukatishwa tamaa isipokuwa sahihi hiyo kimsingi ni mwandiko unaosomeka.

Faragha na usalama: kupakia madokezo yaliyoandikwa kwa mkono si jambo la kufurahisha kila wakati 🔒

Ikiwa unashughulikia rekodi za matibabu, taarifa za wanafunzi, fomu za wateja, au barua za kibinafsi: kuwa mwangalifu kuhusu mahali picha hizo zinapoenda.

Mifumo salama zaidi:

  • Rekebisha vitambulisho kwanza (majina, anwani, nambari za akaunti)

  • Pendelea za ndani/zinazotumika kabla ya matumizi kwa ajili ya mzigo wa kazi nyeti inapowezekana (baadhi ya raki za OCR husaidia uwekaji wa kontena) [2]

  • Weka mzunguko wa mapitio ya kibinadamu kwa nyanja muhimu

Bonasi: baadhi ya mtiririko wa kazi wa hati pia hutumia taarifa za eneo (visanduku vinavyofungamana) ili kusaidia mabomba ya urekebishaji. [3]

Maoni ya Mwisho 🧾✨

, AI inaweza kusoma herufi za mkunjo? Ndiyo - na inashangaza kwamba ni vizuri wakati:

  • picha ni safi

  • mwandiko ni thabiti

  • kifaa hiki kimeundwa kwa ajili ya utambuzi wa mwandiko [1][2][3]

Lakini herufi za mkunjo kwa asili ni chafu, kwa hivyo kanuni ya uaminifu ni: tumia AI kuharakisha unukuzi, kisha uhakiki matokeo .

Marejeleo

[1] Muhtasari wa matumizi ya Google Cloud OCR, ikijumuisha usaidizi wa kugundua mwandiko kupitia Cloud Vision. soma zaidi
[2] Muhtasari wa OCR (Soma) wa Microsoft unaohusu uchimbaji uliochapishwa + ulioandikwa kwa mkono, alama za kujiamini, na chaguo za usambazaji wa kontena. soma zaidi
[3] Chapisho la AWS linaloelezea kipengele cha Saini za Texttract cha kugundua sahihi/awali zenye matokeo ya eneo + ya kujiamini. soma zaidi
[4] Mwongozo wa Transkribus kuhusu kwa nini (na lini) kufunza modeli ya utambuzi wa maandishi kwa mitindo maalum ya mwandiko. soma zaidi
[5] Nyaraka za Kraken kuhusu mafunzo ya modeli za OCR/HTR kwa kutumia data ya mstari isiyogawanywa kwa hati zilizounganishwa. soma zaidi

Pata AI ya Hivi Punde kwenye Duka Rasmi la Msaidizi wa AI

Kuhusu Sisi

Rudi kwenye blogu