Vortrainierte Dokument-KI-Modelle
Vision bietet vortrainierte KI-Modelle für Dokumente, mit denen Sie Text und Struktur aus Geschäftsdokumenten organisieren und extrahieren können.
Die Funktionen AnalyzeDocument und DocumentJob in Vision wechseln zu einem neuen Service, Document Understanding. Die folgenden Features sind betroffen:
- Tabellenerkennung
- Dokumentklassifikation
- Zahlungsschlüssel/Wert-Extraktion
- Dokument-OCR
Anwendungsfälle
Mit vortrainierten Dokumenten-KI-Modellen können Sie Backoffice-Vorgänge automatisieren und Wareneingänge genauer verarbeiten.
- Intelligente Suche
- Erweitern Sie bildbasierte Dateien mit Metadaten, einschließlich Dokumenttyp und Schlüsselfeldern, um den Abruf zu erleichtern.
- Aufwandsreporting
- Extrahieren Sie die erforderlichen Informationen aus Quittungen, um Geschäftsworkflows zu automatisieren. Beispiel: Spesenabrechnung für Mitarbeiter, Ausgabencompliance und Erstattung.
- Nachgelagerte natürliche Sprachverarbeitung (NLP)
- Extrahieren Sie Text aus PDF-Dateien und organisieren Sie ihn als Eingabe für NLP, entweder in Tabellen oder in Wörtern und Zeilen.
- Erfassung von Treuepunkten
- Automatisieren Sie Treuepunkteberechnungen aus Wareneingängen basierend auf der Anzahl der Artikel oder dem bezahlten Gesamtbetrag.
Unterstützte Formate
Vision unterstützt mehrere Dokumentformate.
- JPEG
- PNG
- TIFF
Vortrainierte Modelle
Vision hat fünf Arten von vortrainierten Modellen.
OCR (Optical Character Recognition)
Vision kann Text in einem Dokument erkennen und erkennen. Die Sprachklassifizierung identifiziert die Sprache eines Dokuments, dann zeichnet OCR Begrenzungsfelder um den gedruckten oder handgeschriebenen Text, den es in einem Bild findet, und digitalisiert den Text.
Wenn Sie eine PDF-Datei mit Text haben, sucht Vision den Text in diesem Dokument und extrahiert den Text. Es stellt dann Begrenzungsfelder für den identifizierten Text bereit. Texterkennung kann mit Dokumenten-KI- oder Bildanalysemodellen verwendet werden.
Vision bietet einen Konfidenzscore für jede Textgruppierung. Der Konfidenzscore ist eine Dezimalzahl. Punkte, die näher an 1 liegen, weisen auf eine höhere Sicherheit im extrahierten Text hin, während niedrigere Scores auf einen niedrigeren Vertrauenswert hinweisen. Der Bereich des Konfidenzscores für jedes Label liegt zwischen 0 und 1.
Die OCR-Unterstützung ist auf Englisch beschränkt. Wenn Sie wissen, dass der Text in den Bildern auf Englisch ist, setzen Sie die Sprache auf
Eng
.- Word-Extraktion
- Extraktion von Textzeilen
- Sicherheitsscore
- Gebundene Polygone
- Eine einzelne Anforderung
- Batchanforderung
- Obwohl die Sprachklassifizierung mehrere Sprachen identifiziert, ist die OCR auf Englisch beschränkt.
Ein Beispiel für die Verwendung von OCR in Vision.
- Eingabedokument
-
OCR-Eingabe
.{ "analyzeDocumentDetails": { "compartmentId": "", "document": { "namespaceName": "", "bucketName": "", "objectName": "", "source": "OBJECT_STORAGE" }, "features": [ { "featureType": "TEXT_DETECTION" }, { "featureType": "LANGUAGE_CLASSIFICATION", "maxResults": 5 } ] } }
- Ausgabe:
- OCR-Ausgabe
API-Antwort:
{ "documentMetadata": { "pageCount": 1, "mimeType": "image/jpeg" }, "pages": [ { "pageNumber": 1, "dimensions": { "width": 361, "height": 600, "unit": "PIXEL" }, "detectedLanguages": [ { "languageCode": "ENG", "confidence": 0.9999994 }, { "languageCode": "ARA", "confidence": 4.7619238e-7 }, { "languageCode": "NLD", "confidence": 7.2325456e-8 }, { "languageCode": "CHI_SIM", "confidence": 3.0645523e-8 }, { "languageCode": "ITA", "confidence": 8.6900076e-10 } ], "words": [ { "text": "Example", "confidence": 0.99908227, "boundingPolygon": { "normalizedVertices": [ { "x": 0.0664819944598338, "y": 0.011666666666666667 }, { "x": 0.22160664819944598, "y": 0.011666666666666667 }, { "x": 0.22160664819944598, "y": 0.035 }, { "x": 0.0664819944598338, "y": 0.035 } ] } ... "detectedLanguages": [ { "languageCode": "ENG", "confidence": 0.9999994 } ], ...
Dokumentklassifizierung
Die Dokumentklassifizierung kann zur Klassifizierung eines Dokuments verwendet werden.
- Rechnung
- Zahlung
- Lebenslauf
- Steuerformular
- Führerschein
- Reise
- Kontoauszug
- Check
- Verdienstnachweis
- Weitere
- Dokument klassifizieren
- Sicherheitsscore
- Eine einzelne Anforderung
- Batchanforderung
Ein Beispiel für die Verwendung der Dokumentklassifizierung in Vision.
- Eingabedokument
- Dokumentklassifizierungseingabe
- Ausgabe:
- API-Antwort:
{ "documentMetadata": { "pageCount": 1, "mimeType": "image/jpeg" }, "pages": [ { "pageNumber": 1, "dimensions": { "width": 361, "height": 600, "unit": "PIXEL" }, "detectedDocumentTypes": [ { "documentType": "RECEIPT", "confidence": 1 }, { "documentType": "TAX_FORM", "confidence": 6.465067e-9 }, { "documentType": "CHECK", "confidence": 6.031838e-9 }, { "documentType": "BANK_STATEMENT", "confidence": 5.413888e-9 }, { "documentType": "PASSPORT", "confidence": 1.5554872e-9 } ], ... detectedDocumentTypes": [ { "documentType": "RECEIPT", "confidence": 1 } ], ...
Tabellenextraktion
Mit der Tabellenextraktion können Sie Tabellen in einem Dokument identifizieren und deren Inhalt extrahieren. Beispiel: Wenn eine PDF-Zahlung eine Tabelle enthält, die Steuern und den Gesamtbetrag enthält, identifiziert Vision die Tabelle und extrahiert die Tabellenstruktur.
Vision stellt die Anzahl der Zeilen und Spalten für die Tabelle und den Inhalt in jeder Tabellenzelle bereit. Jede Zelle hat einen Konfidenzscore. Der Konfidenzscore ist eine Dezimalzahl. Punkte, die näher an 1 liegen, weisen auf eine höhere Sicherheit im extrahierten Text hin, während niedrigere Scores auf einen niedrigeren Vertrauenswert hinweisen. Der Bereich des Konfidenzscores für jedes Label liegt zwischen 0 und 1.
- Tabellenextraktion für Tabellen mit und ohne Rahmen
- Gebundene Polygone
- Sicherheitsscore
- Eine einzelne Anforderung
- Batchanforderung
- Nur in englischer Sprache
Beispiel für die Verwendung der Tabellenextraktion in Vision.
- Eingabedokument
- Tabellenextraktionseingabe
- Ausgabe:
- Tabellenextraktionsausgabe
Schlüssel/Wert-Export (Quittungen)
Mit der Schlüsselwertextraktion können Sie Werte für vordefinierte Schlüssel in einer Zahlung identifizieren. Beispiel: Wenn eine Quittung einen Händlernamen, eine Händleradresse oder eine Händlertelefonnummer enthält, kann Vision diese Werte identifizieren und als Schlüssel/Wert-Paar zurückgeben.
- Extrahieren Sie Werte für vordefinierte Schlüsselwertpaare
- Gebundene Polygone
- Eine einzelne Anforderung
- Batchanforderung
- Unterstützt Quittungen nur auf Englisch.
- MerchantName
- Der Name des Händlers, der die Quittung ausstellt.
- MerchantPhoneNumber
- Die Telefonnummer des Händlers.
- MerchantAddress
- Die Adresse des Händlers.
- TransactionDate
- Das Datum, an dem die Zahlung ausgestellt wurde.
- TransactionTime
- Die Zeit, zu der die Quittung ausgestellt wurde.
- Gesamtsumme
- Der Gesamtbetrag der Zahlung, nachdem alle Gebühren und Steuern zugeordnet wurden.
- Summe
- Zwischensumme vor Steuern.
- Tax
- Alle Umsatzsteuern.
- Tipp
- Der vom Käufer angegebene Trinkgeldbetrag.
- ItemName
- Name des Objekts.
- ItemPrice
- Stückpreis des Artikels.
- ItemQuantity
- Die Anzahl der gekauften Artikel.
- ItemTotalPrice
- Der Gesamtpreis der Position.
Beispiel für die Verwendung der Schlüsselwertextraktion in Vision.
- Eingabedokument
- Eingabe für Schlüssel/Wert-Extraktion (Quittungen)
- Ausgabe:
- Ausgabe für die Schlüssel/Wert-Extraktion (Quittungen)
OCR-PDF
OCR PDF generiert eine durchsuchbare PDF-Datei in Ihrem Object Storage. Beispiel: Vision kann eine PDF-Datei mit Text und Bildern erstellen und eine PDF-Datei zurückgeben, in der Sie nach dem Text in der PDF-Datei suchen können.
- Durchsuchbare PDFs generieren
- Eine einzelne Anforderung
- Batchanforderung
Ein Beispiel für die Verwendung von OCR PDF in Vision.
- Eingabe
-
OCR ODF-Eingabe-API-Anforderung
:
{ "analyzeDocumentDetails": { "compartmentId": "", "document": { "source": "INLINE", "data": "......" }, "features": [ { "featureType": "TEXT_DETECTION", "generateSearchablePdf": true } ] } }
- Ausgabe:
- Durchsuchbare PDFs.
Vorgeschulte Dokument-KI-Modelle verwenden
Vision bietet vortrainierte Modelle für Kunden, um Erkenntnisse über ihre Dokumente zu gewinnen, ohne Data Scientists zu benötigen.
Sie benötigen Folgendes, bevor Sie ein vortrainiertes Modell verwenden:
-
Ein kostenpflichtiger Mandantenaccount in Oracle Cloud Infrastructure.
-
Vertrautheit mit Oracle Cloud Infrastructure Object Storage.
Sie können die vortrainierten Dokument-AI-Modelle als Batchanforderung mit Rest-APIs, SDK oder CLI aufrufen. Sie können die vortrainierten Dokument-AI-Modelle mit der Konsole, den Rest-APIs, dem SDK oder der CLI als einzelne Anforderung aufrufen.
Informationen dazu, was in Batchanforderungen zulässig ist, finden Sie im Abschnitt Limits.