Documentazione di Oracle Cloud Infrastructure

Modelli AI per documenti pre-addestrati

Vision fornisce modelli AI di documenti pre-addestrati che consentono di organizzare ed estrarre testo e struttura dai documenti aziendali.

I modelli pre-addestrati ti consentono di utilizzare l'intelligenza artificiale senza alcuna esperienza di data science. Fornire un documento basato su immagini al servizio Vision e recuperare informazioni sul documento senza dover creare il proprio modello.
Importante

Le funzionalità AnalyzeDocument e DocumentJob di Vision stanno passando a un nuovo servizio, Document Understanding. Sono interessate le seguenti funzioni:
  • Rilevamento delle tabelle
  • Classificazione dei documenti
  • Estrazione chiave-valore incasso
  • OCR documento
Queste funzioni sono disponibili in Vision fino al 1° gennaio 2024. Successivamente, sono disponibili solo in Document Understanding.

Casi d'uso

I modelli AI di documenti pre-addestrati ti consentono di automatizzare le operazioni di back-office ed elaborare le ricevute in modo più accurato.

Ricerca intelligente
Arricchisci i file basati su immagini con metadati, inclusi il tipo di documento e i campi chiave, per un recupero più semplice.
Reporting spese
Estrai le informazioni richieste dagli incassi per automatizzare i flussi di lavoro aziendali. Ad esempio, le note spese dei dipendenti, la conformità delle spese e il rimborso.
Elaborazione NLP (Natural Language Processing) a valle
Estrai il testo dai file PDF e organizzalo come input per l'NLP, in tabelle o in parole e righe.
Acquisizione punti fedeltà
Automatizza i calcoli dei punti fedeltà dalle ricevute, in base al numero di articoli o all'importo totale pagato.

Formati supportati:

Vision supporta diversi formati di documento.

I documenti possono essere caricati da un file locale o da Oracle Cloud Infrastructure Object Storage. Possono essere nei seguenti formati:
  • JPEG
  • PDF
  • PNG
  • TIFF

Modelli pre-addestrati

Vision ha cinque tipi di modello pre-addestrato.

I modelli predefiniti sono:

riconoscimento ottico dei caratteri (OCR)

Vision è in grado di rilevare e riconoscere il testo in un documento. La classificazione della lingua identifica la lingua di un documento, quindi OCR disegna caselle di delimitazione attorno al testo stampato o scritto a mano che trova in un'immagine e digitalizza il testo.

Se si dispone di un PDF con testo, Vision trova il testo in tale documento ed estrae il testo. Vengono quindi fornite caselle di delimitazione per il testo identificato. Il rilevamento del testo può essere utilizzato con i modelli AI documento o Analisi immagine.

Vision fornisce un punteggio di affidabilità per ogni raggruppamento di testo. Il punteggio di affidabilità è un numero decimale. I punteggi più vicini a 1 indicano una maggiore fiducia nel testo estratto, mentre i punteggi più bassi indicano un punteggio di affidabilità più basso. L'intervallo del punteggio di affidabilità per ogni etichetta è compreso tra 0 e 1.

Nota

Il supporto OCR è limitato all'inglese. Se si sa che il testo nelle immagini è in inglese, impostare la lingua su Eng.
Di seguito sono riportate le funzioni supportate.
  • Estrazione parola
  • Estrazione righe di testo
  • Punteggio affidabilità
  • Polighi di delimitazione
  • Richiesta singola
  • Richiesta batch
Le limitazioni sono:
  • Sebbene la classificazione delle lingue identifichi diverse lingue, l'OCR è limitato all'inglese.
Esempio OCR

Esempio di utilizzo di OCR in Vision.

Documento di input
Input OCR Ricevuta da un bar fittizio, tra cui due voci riga, imposta, totale parziale e importi totali. 
{ "analyzeDocumentDetails":
 { "compartmentId": "",
   "document": { "namespaceName": "",
   "bucketName": "",
   "objectName": "",
   "source": "OBJECT_STORAGE" },
  "features":
             [ { "featureType": "TEXT_DETECTION" },
               { "featureType": "LANGUAGE_CLASSIFICATION",
                 "maxResults": 5 } ]
 } 
}
.
output:
Output OCR Ricevuta con tutti i campi identificati

Risposta API: 
{ "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 } ], ...

Classificazione documento

La classificazione del documento può essere utilizzata per classificare un documento.

Vision fornisce un elenco dei possibili tipi di documento per il documento analizzato. Ogni tipo di documento ha un punteggio di affidabilità. Il punteggio di affidabilità è un numero decimale. I punteggi più vicini a 1 indicano una maggiore fiducia nel testo estratto, mentre i punteggi più bassi indicano un punteggio di affidabilità più basso. L'intervallo del punteggio di affidabilità per ogni etichetta è compreso tra 0 e 1. L'elenco dei possibili tipi di documento è il seguente:
  • Fattura
  • Ricevuta
  • CV o curriculum vitae
  • Modulo fiscale
  • Patente di guida
  • Passport
  • Dichiarazione bancaria
  • Seleziona
  • Cedolino
  • Altro
Di seguito sono riportate le funzioni supportate.
  • Classifica documento
  • Punteggio affidabilità
  • Richiesta singola
  • Richiesta batch
Esempio di classificazione dei documenti

Esempio di classificazione dei documenti utilizzato in Vision.

Documento di input
Input classificazione documento Ricevuta da un bar fittizio, tra cui due voci riga, imposta, totale parziale e importi totali.
Richiesta API:
{ "analyzeDocumentDetails":
 { "compartmentId": "",
   "document":
              { "namespaceName": "",
                "bucketName": "",
                "objectName": "",
                "source": "OBJECT_STORAGE" },
   "features": 
              [ { "featureType":
                  "DOCUMENT_CLASSIFICATION",
                  "maxResults": 5 } ]
 } 
}
output:
Risposta API:
{ "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 } ], ...

Estrazione tabelle

L'estrazione della tabella può essere utilizzata per identificare le tabelle in un documento ed estrarne il contenuto. Ad esempio, se una ricevuta PDF contiene una tabella che include le imposte e l'importo totale, Vision identifica la tabella ed estrae la struttura della tabella.

Vision fornisce il numero di righe e colonne per la tabella e il contenuto di ogni cella della tabella. Ogni cella ha un punteggio di affidabilità. Il punteggio di affidabilità è un numero decimale. I punteggi più vicini a 1 indicano una maggiore fiducia nel testo estratto, mentre i punteggi più bassi indicano un punteggio di affidabilità più basso. L'intervallo del punteggio di affidabilità per ogni etichetta è compreso tra 0 e 1.

Di seguito sono riportate le funzioni supportate.
  • Estrazione tabella per tabelle con e senza bordi
  • Polighi di delimitazione
  • Punteggio affidabilità
  • Richiesta singola
  • Richiesta batch
Le limitazioni sono:
  • Solo lingua inglese
Esempio di estrazione tabelle

Esempio di utilizzo dell'estrazione tabella in Vision.

Documento di input
Input estrazione tabella Bilancio fittizio per otto trimestri
Richiesta API:
{ "analyzeDocumentDetails":
 { "compartmentId": "",
   "document": 
              { "namespaceName": "",
                "bucketName": "",
                "objectName": "",
                "source": "OBJECT_STORAGE" },
   "features": 
              [ { "featureType": "TABLE_DETECTION" } ]
 } 
}
output:
Output estrazione tabella Stato patrimoniale con cella, intestazione colonna e identificativo riga evidenziati
Risposta API:
{ "documentMetadata":
 { "pageCount": 1,
   "mimeType": "application/pdf" },
  "pages":
          [ { "pageNumber": 1,
              "dimensions": 
                           { "width": 2575, 
                             "height": 1013,
                             "unit": "PIXEL" },
 ... 
  "tables":
           [ { "rowCount": 15,
               "columnCount": 9,
               "bodyRows":
                          [ { "cells":
                                      [ { "text": "Qtr1-12",
                                          "rowIndex": 0,
                                          "columnIndex": 1,
                                          "confidence": 0.92011595,
                                          "boundingPolygon":
                                                            { "normalizedVertices": 
                                                                                   [ { "x": 0.2532038834951456,
                                                                                       "y": 0.022704837117472853 },
                                                                                     { "x": 0.3005825242718447,
                                                                                       "y": 0.022704837117472853 },
                                                                                     { "x": 0.3005825242718447,
                                                                                       "y": 0.05330700888450148 },
                                                                                     { "x": 0.2532038834951456,
                                                                                       "y": 0.05330700888450148 } ]
                                                             },
                                                               "wordIndexes": [ 0 ] },
                                        { "text": "Qtr2-12",
                                          "rowIndex": 0,
                                          "columnIndex": 2,
                                          "confidence": 0.919653,
                                          "boundingPolygon":
                                                           { "normalizedVertices":
                                                                                   [ { "x": 0.33048543689320387,
                                                                                       "y": 0.022704837117472853 },
                                                                                     { "x": 0.3724271844660194,
                                                                                       "y": 0.022704837117472853 },
                                                                                     { "x": 0.3724271844660194,
                                                                                       "y": 0.05330700888450148 },
                                                                                     { "x": 0.33048543689320387,
                                                                                       "y": 0.05330700888450148 } ]
                                                          }, "wordIndexes": [ 1 ] },
 ...

Estrazione valore chiave (incassi)

L'estrazione dei valori chiave può essere utilizzata per identificare i valori delle chiavi predefinite in una ricevuta. Ad esempio, se una ricevuta include un nome commerciante, un indirizzo commerciante o un numero di telefono commerciante, Vision può identificare questi valori e restituirli come coppia di valori chiave.

Di seguito sono riportate le funzioni supportate.
  • Estrai valori per coppie di valori chiave predefinite
  • Polighi di delimitazione
  • Richiesta singola
  • Richiesta batch
Limitazioni:
  • Supporta le ricevute solo in inglese.
I campi supportati sono:
MerchantName
Nome del commerciante che emette l'incasso.
MerchantPhoneNumber
Numero di telefono del commerciante.
MerchantAddress
L'indirizzo del commerciante.
TransactionDate
La data di emissione della ricevuta.
TransactionTime
L'ora di emissione della ricevuta.
Totale
Importo totale dell'incasso, dopo l'applicazione di tutti gli addebiti e le imposte.
Totale parziale
Totale parziale al lordo delle imposte.
Tax
Eventuali imposte sulle vendite.
Suggerimento
L'importo della mancia dato dall'acquirente.
Informazioni elemento riga supportate:
ItemName
Nome dell'articolo.
ItemPrice
Prezzo unitario dell'articolo.
ItemQuantity
Numero di articoli acquistati.
ItemTotalPrice
Prezzo totale della voce riga.
Esempio di estrazione valore chiave (incassi)

Esempio di utilizzo dell'estrazione dei valori chiave in Vision.

Documento di input
Input estrazione valore chiave (ricezioni) Ricevuta da un bar fittizio, tra cui due voci riga, imposta, totale parziale e importi totali.
Richiesta API:
{ "analyzeDocumentDetails":
 { "compartmentId": "",
   "document":
              { "namespaceName": "",
                "bucketName": "",
                "objectName": "",
                "source": "OBJECT_STORAGE" },
   "features":
              [ { "featureType": "KEY_VALUE_DETECTION" } ]
 } 
}
output:
Output estrazione valore chiave (incassi) Ricevuta fittizia con solo linee e campi specifici
Risposta API:
{ "documentMetadata":
                     { "pageCount": 1,
                       "mimeType": "image/jpeg" },
                       "pages":
                               [ { "pageNumber": 1, 
                                   "dimensions":
                                                { "width": 361,
                                                  "height": 600,
                                                  "unit": "PIXEL" },
 ...
                                   "documentFields":
                                                     [ { "fieldType": "KEY_VALUE",
                                                         "fieldLabel":
                                                                      { "name": "MerchantName" },
                                                         "fieldValue":
                                                                      { "valueType": "STRING",
                                                                        "boundingPolygon":
                                                                                          { "normalizedVertices":
                                                                                                                 [ { "x": 0.0664819944598338,
                                                                                                                     "y": 0.011666666666666667 },
                                                                                                                   { "x": 0.3157894736842105,
                                                                                                                     "y": 0.011666666666666667 },
                                                                                                                   { "x": 0.3157894736842105,
                                                                                                                     "y": 0.035 },
                                                                                                                   { "x": 0.0664819944598338,
                                                                                                                     "y": 0.035 } ]
                                                                                           },
                                                                        "wordIndexes":
                                                                                      [ 0, 1 ],
                                                                        "value": "Example cafe" } },
 ...

Riconoscimento ottico caratteri (OCR) - PDF

OCR PDF genera un file PDF ricercabile nello storage degli oggetti. Ad esempio, Vision può acquisire un file PDF con testo e immagini e restituire un file PDF in cui è possibile cercare il testo nel PDF.

Funzioni supportate:
  • Genera PDF ricercabile
  • Richiesta singola
  • Richiesta batch
Esempio PDF OCR

Esempio di utilizzo del PDF OCR in Vision.

Input
Richiesta API input ODF OCR Pagina da un documento PDF:
{ "analyzeDocumentDetails":
 { "compartmentId": "",
   "document":
              { "source": "INLINE",
                "data": "......" },
   "features":
              [ { "featureType": "TEXT_DETECTION",
                  "generateSearchablePdf": true } ]
 } 
}
output:
PDF ricercabile.

Uso di modelli AI per i documenti predefiniti

Vision fornisce ai clienti modelli pre-addestrati per estrarre insight sui loro documenti senza dover ricorrere ai data scientist.

Prima di utilizzare un modello pre-addestrato, è necessario eseguire le operazioni riportate di seguito.

  • Account tenancy a pagamento in Oracle Cloud Infrastructure.

  • Familiarità con Oracle Cloud Infrastructure Object Storage.

Puoi chiamare i modelli AI dei documenti pre-addestrati come richiesta batch utilizzando le API Rest, l'SDK o l'interfaccia CLI. Puoi chiamare i modelli AI dei documenti pre-addestrati come una singola richiesta utilizzando la console, le API Rest, l'SDK o l'interfaccia CLI.

Per informazioni sugli elementi consentiti nelle richieste batch, vedere la sezione Limiti.