Модели обработки документов

Это содержимое относится к: версии 4.0 (предварительная версия) | Предыдущие версии: версия 3.1 (GA) версии 3.0 (GA) версии 2.1 (GA)

Это содержимое относится к: версия 3.1 (GA) | Последняя версия: версия 4.0 (предварительная версия) | Предыдущие версии: версии 3.0 версии 2.1

Это содержимое относится к: версия 3.0 (GA) | Последние версии: v4.0 (предварительная версия) версии 3.1 | Предыдущая версия: версия 2.1

Это содержимое относится к: версия 2.1 Последняя версия: версия 4.0 (предварительная версия) |

Azure AI Document Intelligence поддерживает широкий спектр моделей, позволяющих добавлять интеллектуальную обработку документов в приложения и потоки. Вы можете использовать предварительно созданную модель для конкретного домена или обучить пользовательскую модель, адаптированную к конкретным бизнес-потребностям и вариантам использования. Аналитика документов может использоваться с клиентскими библиотеками REST API или Python, C#, Java и JavaScript.

Ограничивающие координаты поля и многоугольника

Ограничивающий прямоугольник (polygon в версиях 3.0 и более поздних версиях) — это абстрактный прямоугольник, который окружает текстовые элементы в документе, используемом в качестве эталонной точки для обнаружения объектов.

• Ограничивающий прямоугольник указывает позицию с помощью плоскости координат x и y, представленной в массиве из четырех числовых пар. Каждая пара представляет угол поля в следующем порядке: верхний левый, верхний правый, нижний правый, нижний левый.

• Координаты изображения представлены в пикселях. Для PDF координаты представлены в дюймах.

Для всех моделей, кроме бизнес-карты, аналитика документов теперь поддерживает возможности надстройки, чтобы обеспечить более сложный анализ. Эти необязательные возможности можно включить и отключить в зависимости от сценария извлечения документов. Для общедоступной версии API доступны 2023-07-31 семь возможностей надстройки:

• ocrHighResolution
• formulas
• styleFont
• barcodes
• languages
• keyValuePairs (2024-02-29-preview, 2023-10-31-preview)
• queryFields (2024-02-29-preview, 2023-10-31-preview) Not available with the US.Tax models
• searchablePDF (2024-07-31-preview) Only available for Read Model

Поддержка языков

Универсальные модели на основе глубокого обучения в Аналитике документов поддерживают множество языков, которые могут извлекать многоязычный текст из изображений и документов, включая текстовые строки с смешанными языками. Поддержка языка зависит от функциональных возможностей службы аналитики документов. Полный список см. в следующих статьях:

• Поддержка языка: модели анализа документов
• Поддержка языка: предварительно созданные модели
• Поддержка языка: пользовательские модели

Доступность в регионах

Аналитика документов общедоступна во многих из 60 и более поздних регионов глобальной инфраструктуры Azure.

Дополнительные сведения см . на странице географических регионов Azure, чтобы помочь выбрать регион, который лучше всего подходит для вас и ваших клиентов.

Сведения о модели

В этом разделе описаны выходные данные, которые можно ожидать от каждой модели. Вы можете расширить выходные данные большинства моделей с помощью функций надстройки.

Чтение OCR

API чтения анализирует и извлекает строки, слова, их расположения, обнаруженные языки и рукописный стиль при обнаружении.

Пример документа, обработанный с помощью Студии аналитики документов:

Анализ макета

Модель анализа макета анализирует и извлекает текст, таблицы, знаки выделения и другие элементы структуры, такие как заголовки, заголовки разделов, заголовки страниц, нижние колонтитулы страницы и многое другое.

Пример документа, обработанный с помощью Студии аналитики документов:

Карточка медицинского страхования

Модель карты медицинского страхования объединяет мощные возможности оптического распознавания символов (OCR) с моделями глубокого обучения для анализа и извлечения ключевых сведений из карт медицинского страхования США.

Пример карты медицинского страхования США, обработанной с помощью Document Intelligence Studio:

Налоговые документы США

Модели налоговых документов США анализируют и извлекают ключевые поля и элементы строки из выбранной группы налоговых документов. API поддерживает анализ налоговых документов НА английском языке США различных форматов и качества, включая захваченные телефоном изображения, сканированные документы и цифровые PDF-файлы. В настоящее время поддерживаются следующие модели:

Пример документа W-2, обработанный с помощью Document Intelligence Studio:

Ипотечные документы США

Модели ипотечных документов США анализируют и извлекают ключевые поля, включая заемщик, кредит и информацию о собственности из выбранной группы ипотечных документов. API поддерживает анализ документов ипотеки на английском языке США различных форматов и качества, включая изображения, захваченные телефоном, сканированные документы и цифровые PDF-файлы. В настоящее время поддерживаются следующие модели:

Пример документа о закрытии раскрытия, обработанного с помощью Document Intelligence Studio:

Contract

Модель контракта анализирует и извлекает ключевые поля и элементы линии из договорных соглашений, включая стороны, юрисдикции, идентификатор контракта и название. В настоящее время модель поддерживает документы контракта на английском языке.

Пример контракта, обработанный с помощью Document Intelligence Studio:

Счет

Модель счета автоматизирует обработку счетов для извлечения имени клиента, адреса выставления счетов, даты выполнения и суммы, элементов строки и других ключевых данных. В настоящее время модель поддерживает счета на английском, испанском, немецком, французском, итальянском, португальском и голландском языках.

Пример счета, обработанный с помощью Document Intelligence Studio:

Получение

Используйте модель квитанций для сканирования квитанций о продажах для имени продавца, дат, элементов строки, количества и итогов от печатных и рукописных квитанций. Версия 3.0 также поддерживает обработку квитанций об одностраничных отелях.

Пример квитанции, обработанный с помощью Document Intelligence Studio:

Документ удостоверения (идентификатор)

Используйте модель документа удостоверений (ID) для обработки лицензий водителя США (все 50 штатов и округа Колумбия) и биографические страницы из международных паспортов (за исключением виз и других документов для путешествий) для извлечения ключевых полей.

Пример лицензии водителя США, обработанный с помощью Document Intelligence Studio:

Свидетельство о браке

Используйте модель сертификата брака для обработки сертификатов браков США для извлечения ключевых полей, включая лиц, дату и расположение.

Пример сертификата о браке США, обработанный с помощью Document Intelligence Studio:

Кредитная карта

Используйте модель кредитной карты для обработки кредитных и дебетовых карт для извлечения ключевых полей.

Пример кредитной карты, обработанной с помощью Document Intelligence Studio:

Пользовательские модели

Пользовательские модели могут быть широко классифицированы по двум типам. Пользовательские модели классификации, поддерживающие классификацию типа документа и пользовательские модели извлечения, которые могут извлекать определенную схему из определенного типа документа.

Пользовательские модели документов анализируют и извлекают данные из форм и документов, относящихся к вашей организации. Они распознают поля формы в отдельном содержимом и извлекают пары "ключ-значение" и данные таблицы. Чтобы приступить к работе, вам потребуется только один пример типа формы.

Версия 3.0 и более поздние пользовательские модели поддерживают обнаружение подписей в пользовательских шаблонах (форме) и межстраничных таблицах как в шаблонах, так и в нейронных моделях. Обнаружение подписи ищет наличие подписи, а не удостоверение пользователя, который подписывает документ. Если модель возвращает без знака для обнаружения подписей, модель не обнаружила подпись в определенном поле.

Пример пользовательского шаблона, обработанного с помощью Document Intelligence Studio:

Настраиваемая функция извлечения

Пользовательская модель извлечения может быть одной из двух типов, пользовательского шаблона или пользовательского нейронного. Чтобы создать пользовательскую модель извлечения, наклейте набор данных документов со значениями, которые требуется извлечь и обучить модель в помеченном наборе данных. Для начала работы вам потребуется всего пять примеров формы или документа одного типа.

Пример пользовательского извлечения, обработанный с помощью Document Intelligence Studio:

Настраиваемый классификатор

Пользовательская модель классификации позволяет определить тип документа перед вызовом модели извлечения. Модель классификации доступна начиная с 2023-07-31 (GA) API. Для обучения пользовательской модели классификации требуется по крайней мере два отдельных класса и не менее пяти выборок для каждого класса.

Составные модели

Составная модель создается на основе коллекции настраиваемых моделей, которые назначаются одной модели, созданной из ваших типов форм. Вы можете назначить несколько пользовательских моделей составной модели с одним идентификатором модели. Вы можете назначить до 200 обученных пользовательских моделей одной составной модели.

Диалоговое окно создания модели в Document Intelligence Studio:

Требования к входным данным

• Поддерживаемые форматы файлов:

  Модель	PDF	Изображение: JPEG/JPG, , BMPPNGTIFFHEIF	Microsoft Office: Word (), Excel (XLSXDOCX), PowerPoint (PPTX), HTML
  Читать	✔	✔	✔
  Макет	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Документ общего назначения	✔	✔
  Готовое	✔	✔
  Настраиваемая функция извлечения	✔	✔
  Настраиваемая классификация	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• Для получения наилучших результатов предоставьте одну четкую фотографию или скан-копию документа высокого качества.

• Для PDF и TIFF можно обрабатывать до 2000 страниц (с подпиской на бесплатный уровень только первые две страницы обрабатываются).

• Размер файла для анализа документов составляет 500 МБ для платного уровня (S0) и 4 МБ для бесплатного уровня (F0).

• Размеры изображения должны составлять от 50 пикселей до 50 пикселей и 10 000 пикселей x 10 000 пикселей.

• Если PDF-файлы заблокированы паролем, перед отправкой необходимо снять блокировку.

• Минимальная высота извлекаемого текста составляет 12 пикселей для изображения размером 1024 x 768 пикселей. Это измерение соответствует тексту 8 точки в 150 точек на дюйм (DPI).

• Для обучения пользовательской модели максимальный объем обучающих данных составляет 500 страниц для пользовательской модели шаблона и 50 000 страниц для пользовательской нейронной модели.

  • Для обучения пользовательской модели извлечения общий размер обучающих данных составляет 50 МБ для модели шаблона и 1 ГБ для нейронной модели.

  • Для обучения пользовательской модели классификации общий размер обучающих данных составляет 1 ГБ не более 10 000 страниц. Для 2024-07-31-preview и более поздних версий общий размер обучающих данных составляет 2 ГБ с максимальным количеством 10 000 страниц.

Миграция между версиями

Узнайте, как использовать аналитику документов версии 3.0 в приложениях, следуя руководству по миграции с помощью аналитики документов версии 3.1

Макет

API макета анализирует и извлекает из документов текст, таблицы и заголовки, метки выделения и сведения о структуре.

Пример документа, обработанный с помощью средства маркировки образца:

Счет

Модель счета анализирует и извлекает ключевые сведения из счетов продажи. Этот API анализирует счета в различных форматах и извлекает ключевые сведения (например, имя заказчика, адрес выставления счета, дату и сумму оплаты).

Пример счета, обработанный с помощью средства маркировки образца:

Получение

• Модель квитанции анализирует и извлекает ключевые данные из печатных и рукописных чеков.

Пример квитанции, обработанный с помощью средства маркировки примера:

Удостоверение

Модель удостоверения анализирует и извлекает ключевые данные из следующих документов:

• Водительское удостоверение США (все 50 штатов и округ Колумбия)

• Страницы с биографическими данными из международных паспортов (за исключением виз и других выездных документов). Этот API анализирует удостоверяющие документы и извлекает

Пример лицензии драйвера США, обработанный с помощью средства маркировки примера:

Визитная карточка

Модель визитной карточки анализирует и извлекает ключевые данные с изображений визитных карточек.

Пример визитной карточки, обработанный с помощью средства маркировки примера:

Пользовательское

• Пользовательские модели анализируют и извлекают данные из форм и документов, характерных для вашей компании. API — это программа машинного обучения, обученная для распознавания полей форм в определенном содержимом, а также извлечения пар "ключ-значение" и данных таблиц. Для начала работы необходимо лишь пять примеров одного типа формы, и настраиваемую модель можно обучить на наборах данных с метками или без таких наборов данных.

Пример пользовательской обработки модели с помощью средства маркировки примеров:

Составная настраиваемая модель

Составная модель создается на основе коллекции настраиваемых моделей, которые назначаются одной модели, созданной из ваших типов форм. Вы можете назначить несколько пользовательских моделей составной модели с одним идентификатором модели. Вы можете назначить для одной составной модели до 100 обученных настраиваемых моделей.

Диалоговое окно создания модели с помощью средства маркировки примера:

Извлечение данных модели

Требования к входным данным

• Поддерживаемые форматы файлов:

  Модель	PDF	Изображение: JPEG/JPG, , BMPPNGTIFFHEIF	Microsoft Office: Word (), Excel (XLSXDOCX), PowerPoint (PPTX), HTML
  Читать	✔	✔	✔
  Макет	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
  Документ общего назначения	✔	✔
  Готовое	✔	✔
  Настраиваемая функция извлечения	✔	✔
  Настраиваемая классификация	✔	✔	✔ (2024-07-31-preview, 2024-02-29-preview)

• Для получения наилучших результатов предоставьте одну четкую фотографию или скан-копию документа высокого качества.

• Для PDF и TIFF можно обрабатывать до 2000 страниц (с подпиской на бесплатный уровень только первые две страницы обрабатываются).

• Размер файла для анализа документов составляет 500 МБ для платного уровня (S0) и 4 МБ для бесплатного уровня (F0).

• Размеры изображения должны составлять от 50 пикселей до 50 пикселей и 10 000 пикселей x 10 000 пикселей.

• Если PDF-файлы заблокированы паролем, перед отправкой необходимо снять блокировку.

• Минимальная высота извлекаемого текста составляет 12 пикселей для изображения размером 1024 x 768 пикселей. Это измерение соответствует тексту 8 точки в 150 точек на дюйм (DPI).

• Для обучения пользовательской модели максимальный объем обучающих данных составляет 500 страниц для пользовательской модели шаблона и 50 000 страниц для пользовательской нейронной модели.

  • Для обучения пользовательской модели извлечения общий размер обучающих данных составляет 50 МБ для модели шаблона и 1 ГБ для нейронной модели.

  • Для обучения пользовательской модели классификации общий размер обучающих данных составляет 1 ГБ не более 10 000 страниц. Для 2024-07-31-preview и более поздних версий общий размер обучающих данных составляет 2 ГБ с максимальным количеством 10 000 страниц.

Миграция между версиями

Вы можете узнать, как использовать аналитику документов версии 3.0 в приложениях, следуя руководству по миграции с помощью аналитики документов версии 3.1.

• Попробуйте обработать собственные формы и документы с помощью Document Intelligence Studio.

• Выполните краткое руководство по анализу документов и начните создавать приложение для обработки документов на выбранном языке разработки.

• Попробуйте обработать собственные формы и документы с помощью средства проверки меток для аналитики документов.

• Выполните краткое руководство по анализу документов и начните создавать приложение для обработки документов на выбранном языке разработки.