Nestruktūruoti vizualiniai duomenys yra vienas didžiausių trinties taškų modernioje prekyboje. Sąskaitos faktūros atkeliauja kaip kreivos telefono nuotraukos, asmens dokumentai pateikiami su atspindžiais ir šešėliais, o lauko patikrinimai sukuria tūkstančius neorganizuotų vaizdų, į kuriuos darbuotojai turi žiūrėti ir rankiniu būdu perrašyti. Tai lėta, linkę į klaidas ir dusina jūsų operacinį našumą. Aš kuriu patikimus kompiuterinio regėjimo ir išmanaus dokumentų apdorojimo (IDP) Pipeline, kurie ištraukia prasmę iš vizualinio pasaulio. Derinant vaizdo išankstinį apdorojimą ir daugiarūšius (multimodal) regėjimo modelius su griežta schemų validacija, vizualiniai dokumentai per kelias sekundes paverčiami tipizuotais duomenų bazės įrašais. Svarbu tai, kad kai vaizdo kokybė yra dviprasmiška, pasitikėjimo vertinimas nukreipia kraštutinius atvejus į elegantiškas šalia esančias žmogaus peržiūros sąsajas – užtikrinant 100% duomenų vientisumą nestabdant jūsų operacijų.
Aptarti jūsų projektąGalutinė apimtis derinama individualiai pagal jūsų projektą.
Mes analizuojame reprezentatyvius jūsų realių vaizdų pavyzdžius – iškraipytus skenavimus, suglamžytus kvitus, tiekėjų PDF failus ar lauko kameros nuotraukas. Nustatome numatomą triukšmą, apšvietimo svyravimus ir tikslius duomenų laukus, kuriuos reikia išgauti.
Neapdoroti kameros įkėlimai retai būna švarūs. Sukuriame automatizuotus išankstinio apdorojimo Pipeline, kurie ištaiso perspektyvos iškraipymus, išlygina pakreiptus dokumentus, normalizuoja kontrastą ir pašalina šešėlius prieš perduodant vaizdus atpažinimo modeliams.
Išgaukite tekstą iš sudėtingų lentelių išdėstymų, kelių stulpelių sąskaitų faktūrų, siuntimo važtaraščių ir vyriausybės ID. Užuot grąžinusi neapdorotas nesuformatuotas eilutes, sistema tiesiogiai susieja vizualinius ribojamuosius rėmelius (bounding boxes) su semantiniais duomenų laukais.
Apmokykite ir įdiekite modelius, kad gaunami vaizdai būtų automatiškai kategorizuojami. Nesvarbu, ar tai būtų transporto priemonių nuotraukų rūšiavimas pagal išorės kampą, mažmeninės prekybos inventoriaus kategorizavimas ar pažeistų paketų žymėjimas, vaizdai indeksuojami be rankinio žymėjimo.
Niekada aklai nepasitikėkite vizualiniu išgavimu. Išgauti mokesčių ID, sąskaitų faktūrų sumos, datos ir serijos numeriai prieš patenkant į jūsų duomenų bazę validuojami pagal kontrolinės sumos formules, regex šablonus ir matematinius kryžminius patikrinimus.
Kai vaizdas yra prastos kokybės ir modelio pasitikėjimas nukrenta žemiau sutartos ribos, sistema pažymi įrašą. Operatoriai mato apkarpytą vaizdo šaltinį tiesiai šalia paryškinto lauko, patvirtindami arba redaguodami vienu klavišo paspaudimu.
Patvirtinus, išgauti duomenys nelieka nenaudojami. Webhook klausytojai (listeners) ir įvykių foniniai procesai (event workers) nedelsiant atnaujina jūsų CRM, išsiunčia tiekėjų pirkimo užsakymus, sutikrina banko operacijų įrašus (reconciliation) arba informuoja paskyrų vadybininkus.
Sukurta subalansuoti tikslumą ir API išlaidas. Diegiame lengvus vietinius modelius didelės apimties baziniam OCR ir pasiliekame sunkius daugiarūšius (multimodal) regėjimo modelius sudėtingam semantiniam skaidymui (parsing), laikantis griežtų GDPR atitinkančių vaizdų saugojimo politikos.
Mes analizuojame reprezentatyvius jūsų realių vaizdų pavyzdžius – iškraipytus skenavimus, suglamžytus kvitus, tiekėjų PDF failus ar lauko kameros nuotraukas. Nustatome numatomą triukšmą, apšvietimo svyravimus ir tikslius duomenų laukus, kuriuos reikia išgauti.
Praktiškas kompiuterinis regėjimas gamyboje reikalauja daugiapakopio požiūrio, o ne vieno juodosios dėžės modelio. Aš derinu OpenCV ir Sharp vaizdo transformacijai ir erdviniam normalizavimui; Google Cloud Vision, AWS Rekognition ar Tesseract didelio našumo optiniam simbolių atpažinimui; ir daugiarūšius pamatinius modelius (Claude 3.5 Sonnet Vision, GPT-4o), kai dokumentams reikia gilaus semantinio samprotavimo ir lentelių supratimo. Apdorojimas įrenginyje (on-device) arba krašte (edge) įgyvendinamas naudojant TensorFlow Lite arba ONNX, kur delsa ar veikimas neprisijungus prie tinklo yra svarbiausia. Kiekvienas išgavimas valdomas Zod schemų validacijos ir integruojamas tiesiai į jūsų Backend per saugias asinchronines Webhook eiles.
Joks egzistuojantis modelis nėra 100% tikslus su pažeistomis ar neryškiomis nuotraukomis, ir bet kas, teigiantis kitaip, jus klaidina. Svarbu tai, kaip inžinerija susidoroja su netikrumu. Mūsų Pipeline priskiria matematinį pasitikėjimo įvertinimą kiekvienam išgautam laukui. Kai apšvietimas prastas arba tekstas užstotas, sistema automatiškai nukreipia dokumentą į supaprastintą žmogaus patikrinimo sąsają, garantuodama, kad 100% į jūsų duomenų bazę patenkančių duomenų yra tikslūs.
Užtikrinant griežtą duomenų minimizavimą ir jokio saugojimo (zero-retention) architektūras. Vaizdai užšifruojami siuntimo metu per TLS ir saugojimo vietoje naudojant AES-256. Mes nukreipiame jautrius dokumentus per Enterprise API su sutartinėmis jokio duomenų saugojimo garantijomis, arba apdorojame juos vietoje privačioje infrastruktūroje. Kai išgavimas ir patikrinimas baigiamas, neapdoroti vaizdo failai archyvuojami privačiose saugyklose (buckets) arba ištrinami pagal jūsų teisinį saugojimo grafiką.
Modernūs daugiarūšiai (multimodal) regėjimo modeliai gali neįtikėtinai gerai interpretuoti tvarkingą ar vidutiniškai įskaitomą rašyseną (pvz., parašus, datas ir varneles formose). Tačiau labai prasta ar netolygi rašysena vis dar kelia iššūkių. Pradinio pavyzdžių vertinimo metu mes testuojame reprezentatyvius rašysenos pavyzdžius, kad nustatytume bazinį tikslumą ir nustatytume tinkamas žmogaus (human-in-the-loop) peržiūros ribas.
Taip. Paketinis apdorojimas (batch processing) yra pagrindinis operacinis panaudojimo atvejis. Mes konfigūruojame paskirstytus foninius procesus (asynchronous workers), kurie per naktį apdoroja didelius istorinių PDF ar vaizdų archyvų atsilikimus (backlogs). Sistema realiu laiku seka progresą, valdo greičio apribojimus (rate limits), žymi išimtis audito eilėje ir pateikia švarius, struktūruotus JSON arba SQL įrašus, paruoštus importui į duomenų bazę.
Ji sukurta itin greitam darbui klaviatūra ir ergonominiam efektyvumui. Operatoriaus sąsaja atvaizduoja apkarpytą vaizdo fragmentą tiesiai šalia abejotino įvesties lauko. Įtartinas simbolis ar žodis paryškinamas gintaro spalva. Operatorius gali patvirtinti paspausdamas tarpo klavišą (Spacebar) arba įvesti greitą pataisymą skaičių klaviatūra, peržiūrėdamas šimtus pažymėtų įrašų per kelias minutes, o ne valandas.
Kiekvienas projektas vertinamas individualiai, atsižvelgiant į jo apimtį, techninį sudėtingumą ir pristatymo terminus. Dėl konkrečių darbų ir jų biudžeto susitariame dar prieš pradedant programavimo darbus.
Kuriant individualius sprendimus pagal užsakymą (bespoke), jums priklauso visas individualus programinis kodas, kliento valdomos kodo saugyklos (repositories) bei infrastruktūra, išsami dokumentacija ir atliekamas visiškas perdavimas su pilna nuosavybe (sovereign handover). Trečiųjų šalių komponentams ir paslaugoms taikomos jų pačių licencijos bei sąlygos. Kai jūsų poreikius atitinka jau sukurtas produktas, galiu padėti jį pritaikyti ir sukonfigūruoti, išvengiant nereikalingo kūrimo nuo nulio. Prieigą gaunate pagal suderintas to produkto sąlygas; jo bazinė platforma lieka jos savininko nuosavybe.
Vienkartiniams projektams po suderinto paleidimo suteikiamas 60 dienų klaidų taisymo ir sistemos stabilizavimo laikotarpis. Tolesnis palaikymas gali būti tęsiamas pagal atskirą priežiūros sutartį, o naujos funkcijos vertinamos atskirai. Naudojantis esamu paruoštu produktu, taikomos to produkto palaikymo sąlygos.
Papasakokite apie savo idėją, sprendžiamą problemą ar produkto dalį, kuriai reikalingas inžinerinis proveržis. Kartu išgryninsime apimtį ir suplanuosime tinkamiausius tolesnius žingsnius.
Pasikalbėkime apie jūsų produktą