Benchmark di precisione

OCR di DocSolved

Il livello OCR di DocSolved legge i documenti aziendali: fatture stampate, ricevute, documenti scansionati e foto di documenti cartacei. Le foto da fotocamera sono il caso difficile: testo sbiadito su pagine lucide, distorsione prospettica e diacritici delle scritture locali.

• Pagine stampate nitide: nei nostri test è stata letta ogni parola di una fattura stampata, di una ricevuta stampata e di una pagina di testo fitto.
• Foto da fotocamera: l'attuale configurazione OCR legge nettamente più parole della precedente, diacritici polacchi compresi.
• Le foto da fotocamera restano il caso più debole: nella foto su cui testiamo, il livello OCR non ha letto nessuno dei numeri, come importi e date. Un valore preso da una foto può quindi restare senza una posizione di origine abbinata: verificalo sul documento.
• Raddrizzare una pagina fotografata prima del riconoscimento (pre-elaborazione dei documenti fotografati) ha migliorato ulteriormente le foto nei nostri test, ma ha peggiorato le pagine già piatte, quindi non viene mai applicato alle pagine PDF.

I campi delle fatture elettroniche strutturate non passano affatto dall'OCR; provengono dai dati di origine.

Algoritmi di IA di DocSolved

Oltre all'OCR, DocSolved applica algoritmi di analisi documentale che trasformano il testo grezzo in campi strutturati e verificabili.

• Suddivisione di più fatture. Quando un unico PDF contiene più fatture una dopo l'altra, DocSolved rileva i confini di pagina dal livello di testo incorporato, prima di qualsiasi chiamata all'OCR o al modello, e li propone all'utente per la revisione anziché applicarli silenziosamente. Su un set di prova sintetico con confini noti ha trovato ogni confine nel testo pulito e ne ha sbagliati alcuni una volta aggiunto un rumore di tipo OCR, motivo per cui suggerisce invece di suddividere.
• Estrazione dei campi. I valori vengono restituiti con la portata che l'abbinamento è riuscito a stabilire: un campo estratto può portare un punteggio di affidabilità, il testo di origine abbinato, uno stato di corrispondenza e una posizione nella pagina quando il valore è ancorato.
• Suggerire, poi confermare. I confini di suddivisione e le azioni successive sono proposti come suggerimenti e hanno effetto solo quando una persona li conferma.

DocSolved a confronto

Le misurazioni in questa pagina confrontano DocSolved con le sue configurazioni precedenti. Non abbiamo pubblicato un confronto diretto con altri prodotti di OCR o di elaborazione dei documenti.

Il confronto più affidabile è sui tuoi documenti: le demo interattive non richiedono un account e puoi iniziare gratis senza carta. Se vuoi aiuto per preparare un test comparativo, scrivi a [email protected].

Note metodologiche

L'OCR viene valutato in base a quante parole di un testo noto legge (richiamo) e a quante delle parole prodotte sono corrette (precisione): rispetto a una trascrizione umana per la foto di un vero documento polacco e rispetto al testo di origine per pagine stampate di esempio in inglese. Il rilevamento della suddivisione viene valutato su un insieme sintetico di PDF con più fatture e confini noti.

I campioni sono piccoli, un documento per caso OCR, quindi considera i risultati indicativi e non una promessa per i tuoi documenti. Nessuna terza parte li ha verificati. Provengono da artefatti di valutazione interni versionati; questa pagina li riassume invece di ripubblicare i dati grezzi.

Non ancora misurati: l'accuratezza dell'estrazione a livello di campo (se il valore giusto finisce nel campo giusto), il tempo di elaborazione dall'inizio alla fine e l'accuratezza dell'OCR per lingue diverse da polacco e inglese.

Domande sulla metodologia o sui risultati: [email protected]