Tastarea din imagini
Tastarea din imagini este utilă atunci când informațiile există numai în fotografii, scanări, capturi de ecran sau fișiere PDF numai pentru imagini. Un antreprenor transformă materialul într-un document editabil, reconstruiește structura acestuia, verifică numerele și semnalează fragmentele care nu pot fi citite. Pe DitWork, clienții pot comanda câteva pagini sau o arhivă mare cu reguli consistente de denumire, formatare și control al calității.
OCR automatizat poate accelera o schiță, dar adesea confundă caractere similare, întreruperi de linie, coloane, ecuații și chenarele tabelului. Prin urmare, serviciul implică mai mult decât rularea unui software de recunoaștere: o persoană trebuie să verifice datele transferate. Antreprenorul nu trebuie să ghicească cuvintele lipsă sau să rescrie în tăcere conținutul. Fragmentele incerte sunt marcate și returnate clientului pentru clarificare.
Materiale sursă care pot fi prelucrate
Un antreprenor poate converti text simplu, date structurate și elemente complexe ale documentului în formă editabilă. Mostrele reale sunt esențiale pentru stabilirea prețurilor, deoarece zece pagini imprimate curate și zece fotografii cu tabele scrise de mână necesită efort foarte diferit.
- fotografii cu documente și note
- carte scanată și pagini de arhivă
- capturi de ecran cu site-uri web, software și mesaje
- Fișiere PDF numai pentru imagini fără un strat de text
- tabele, chestionare și formulare
- text scris de mână atunci când este suficient de lizibil
- ecuații matematice și simboluri speciale
- date de imagine pregătite pentru Excel sau CSV
Ce include livrarea finală
Livrarea ar trebui să accepte editare, căutare și reutilizare. Pe lângă textul curat, clientul poate primi o structură reconstruită, tabele, stiluri și o listă clară de fragmente care nu pot fi citite în mod fiabil.
| Etapă | Livrabil | Verificare |
|---|---|---|
| Pregătirea | registrul fișierelor și regulile de formatare | pilot aprobat |
| Tastarea | text editabil, tabele și ecuații | comparație cu imaginile sursă |
| Controlul calității | valori verificate și incertitudine semnalată | revizuire eșantionată sau la persoana a doua |
| Livrare | fișiere curate și lista de clarificări | deschiderea fiecărui fișier de ieșire |
Cum să pregătiți sarcina
Sarcina ar trebui să precizeze numărul de fișiere și pagini, limba, formatul țintă, fidelitatea aspectului necesară, marcatorul convenit pentru fragmentele care nu pot fi citite și nivelul de revizuire așteptat. Pentru o arhivă mare, includeți un eșantion tipic și una dintre cele mai dificile pagini.
- numărul de pagini și fișiere
- limba sursă și alfabet
- DOCX, XLSX, CSV, TXT sau altă ieșire
- dacă plasarea elementelor trebuie păstrată
- reguli pentru titluri, liste și note de subsol
- formatul de tabel și ecuație necesar
- marker pentru fragmente care nu pot fi citite
- termenul limită, reperele și evaluarea eșantionului
Cum se evaluează calitatea imaginii
Calitatea imaginii depinde de mai mult decât de rezoluție. Perspectiva, rotația, umbrele, strălucirea, compresia, marginile tăiate și contrastul afectează precizia. Când o pagină poate fi fotografiată din nou, contractorului ar trebui să i se permită să solicite o copie mai bună înainte de a începe introducerea.
- întreaga pagină este vizibilă în cadru
- textul nu este acoperit de degete, ștampile sau strălucire
- liniile nu sunt distorsionate de perspectiva extremă
- numerele paginilor și ordinea fișierelor sunt clare
- caracterele rămân distinse atunci când sunt mărite
- culoarea de fundal nu se îmbină cu textul
- sunt identificate paginile duplicat și lipsă
- scrisul de mână este suficient de consistent
Fluxul de lucru al proiectului
Un flux de lucru în etape face rezultatul mai ușor de verificat. O pagină pilot confirmă dacă ambele părți interpretează aspectul, acuratețea și regulile pentru fragmentele dificile în același mod.
- creați un registru de fișiere și confirmați ordinea paginilor
- aprobați un eșantion de aspect și un marcator de text ilizibil
- rulați OCR sau finalizați tastarea manuală inițială
- compara textul cu imaginea linie cu linie
- reconstruiți tabele, ecuații, liste și note de subsol
- verificați separat numele, identificatorii, datele și sumele
- livrați un lot intermediar pentru evaluarea eșantionului
- aplicați corecțiile convenite și pregătiți versiunea finală curată
Sursă și formate de ieșire
Sursele pot ajunge în formate de imagine obișnuite, în timp ce rezultatul depinde de utilizarea sa viitoare. O arhivă poate necesita text care poate fi căutat, munca contabilă poate necesita tabele exacte, iar publicarea poate necesita stiluri și un document structurat corespunzător.
- JPG, JPEG, PNG, TIFF și HEIC
- PDF scanat și fișiere de pagină separate
- DOCX, ODT, RTF și TXT
- XLSX, CSV și Foi de calcul Google
- Markdown și HTML
- LaTeX sau MathML pentru ecuațiile convenite
- PDF cu un strat de text care poate fi căutat adăugat
- UTF-8 și o codificare de fișier agreată
Tabele, ecuații și aspect complex
Tabelele și ecuațiile nu pot fi revizuite ca paragrafele obișnuite. Tabelele necesită rânduri, coloane și celule îmbinate corecte, în timp ce ecuațiile depind de indici, puteri, fracții, operatori și ordinea simbolurilor. Pentru formulare și chestionare, decideți dacă scopul este reproducerea vizuală sau o structură convenabilă de introducere a datelor.
- păstrează numărul de rânduri și coloane
- păstrați anteturile separate de date
- verifica separat separatorii zecimali
- păstrează indicele și indicele
- convine asupra unităților de măsură
- semnalează simboluri incerte în loc să ghicească
- testarea ecuațiilor în aplicația țintă
- nu convertiți elementele decorative în date
Controlul preciziei
Controlul preciziei funcționează la mai multe niveluri: caracterul complet al paginii, compararea text cu imagine, revizuirea separată a valorilor critice și deschiderea tehnică a fiecărui fișier de ieșire. Proiectele mari pot include o a doua revizuire a unui eșantion sau a arhivei complete.
- sursa și numărul de pagini finalizate se potrivesc
- titlurile și paragrafele nu lipsesc
- numele, datele, sumele și identificatorii sunt verificate separat
- rândurile tabelului rămân aliniate
- ecuațiile și simbolurile speciale sunt afișate corect
- liniile duplicate și omise sunt excluse
- fragmentele care nu pot fi citite folosesc un singur marker consistent
- fișierele se deschid fără erori sau corupție
Confidențialitate și date personale
Imaginile pot conține pașapoarte, contracte, informații despre sănătate, adrese și alte date personale. Clientul trebuie să aibă dreptul de a partaja fișierele, iar contractantul trebuie să primească doar ceea ce este necesar. Documentele confidențiale nu ar trebui să fie încărcate în serviciile publice OCR fără permisiunea proprietarului datelor.
- canal securizat de transfer de fișiere
- datele personale minime necesare
- nicio publicare de portofoliu fără permisiune
- acord privind procesarea locală sau în cloud
- perioadă limitată de păstrare pentru copiile de lucru
- ștergerea fișierelor temporare după acceptare
- nu există linkuri publice nerestricționate de partajare
- aprobare separată pentru accesul terților
Ce afectează prețul
Prețul depinde de mai mult decât de numărul de imagini. Factorii majori includ densitatea textului, calitatea fotografiei, scrierea de mână, tabele, ecuații, complexitatea aspectului, limba, urgența și numărul de straturi de revizuire. Este necesar un eșantion reprezentativ pentru o estimare fiabilă.
- numărul de pagini și caractere
- calitatea și consistența imaginii
- text tipărit sau scris de mână
- tabele, ecuații și simboluri speciale
- trebuie să reproducă aspectul original
- limbi și alfabete neobișnuite
- urgență și procesare paralelă
- verificare completă la persoana a doua
Cum să alegi un antreprenor
Este posibil ca un portofoliu general de tastare să nu demonstreze lucrul cu scanări dificile. Solicitați un eșantion care implică un tabel, o ecuație sau un scris de mână similar sursei dvs. și confirmați modul în care contractorul gestionează incertitudinea.
- eșantion cu sursă de calitate similară
- experiență cu limba și alfabetul necesar
- capacitatea de a crea tabele și ecuații
- metoda documentată de revizuire a OCR
- dorința de a semnaliza mai degrabă decât de a ghici
- suport pentru formatele de fișiere necesare
- proces de confidențialitate
- disponibilitatea de a finaliza un pilot plătit
Cum să acceptați documentul completat
Acceptarea începe mai degrabă cu completitudine decât cu aspectul. Confirmați mai întâi registrul paginii, apoi datele critice și ultimul stil. O recenzie eșantionată ar trebui să includă începutul, mijlocul, sfârșitul și cele mai dificile pagini.
- comparați registrul fișierelor și ordinea paginilor
- verificați titlurile, paragrafele și numerotarea
- verifica numele, datele, sumele și identificatorii
- revizuiți tabelele pe rânduri și coloane
- ecuații deschise în aplicația țintă
- localizați fiecare marcator de fragment necitit
- verificați utilizarea consecventă a stilurilor
- deschide fiecare fișier final după descărcare
Limitări și greșeli comune
Chiar și OCR de înaltă calitate nu garantează acuratețea. Dacă un personaj este ascuns, încețoșat sau absent din imagine, acesta nu poate fi recuperat în mod fiabil fără o altă sursă. Documentele juridice, medicale, financiare și științifice ar trebui să fie revizuite de un specialist calificat în subiect după introducere. O copie editabilă a unei scanări nu devine automat un document certificat oficial.
Cum să postezi o sarcină pe DitWork
Atașați mai multe imagini reprezentative și precizați volumul, limba, formatul de ieșire și regulile de revizuire. Pe DitWork, puteți compara contractori prin mostre relevante, puteți comanda o pagină pilot și puteți împărți o arhivă mare în loturi cu acceptare intermediară.
