متن آمازون یک سرویس یادگیری ماشینی (ML) است که به طور خودکار متن، دست خط و داده را از هر سند یا تصویری استخراج می کند. AnalyzeDocument Signatures یک ویژگی در Amazon Textract است که توانایی تشخیص خودکار امضاها را در هر سندی ارائه می دهد. این می تواند نیاز به بررسی انسانی، کد سفارشی یا تجربه ML را کاهش دهد.
در این پست، در مورد مزایای ویژگی AnalyzeDocument Signatures و اینکه چگونه AnalyzeDocument Signatures API به شناسایی امضا در اسناد کمک می کند، صحبت می کنیم. همچنین نحوه استفاده از این ویژگی را از طریق کنسول آمازون Textract توضیح می دهیم و نمونه کدهایی را برای استفاده از API و پردازش پاسخ با کتابخانه تجزیه کننده پاسخ آمازون متن ارائه می دهیم. در نهایت، ما برخی از بهترین روش ها را برای استفاده از این ویژگی به اشتراک می گذاریم.
مزایای ویژگی Signatures
مشتریان ما از صنایع بیمه، رهن، حقوقی و مالیاتی با چالش پردازش حجم عظیمی از اسناد مبتنی بر کاغذ در حالی که به الزامات مقرراتی و انطباق که نیاز به امضا در اسناد دارند، پایبند هستند. ممکن است لازم باشد قبل از شروع رسیدگی به درخواست اطمینان حاصل کنید که فرم های خاصی مانند درخواست های وام یا ادعاهای ارسال شده توسط مشتریان نهایی شما دارای امضا هستند. برای برخی از گردشهای کاری پردازش اسناد، ممکن است لازم باشد برای استخراج و مقایسه امضاها برای تأیید، یک قدم فراتر بروید.
از لحاظ تاریخی، مشتریان به طور کلی اسناد را برای شناسایی امضاها به یک بازبین انسانی هدایت می کنند. استفاده از بازبین های انسانی برای شناسایی امضاها به زمان و منابع قابل توجهی نیاز دارد. همچنین میتواند منجر به ناکارآمدی در گردش کار پردازش اسناد شود، که منجر به زمانهای چرخش طولانیتر و تجربه ضعیف کاربر نهایی میشود.
ویژگی AnalyzeDocument Signatures به شما این امکان را می دهد که به طور خودکار امضاهای دست نویس، امضاهای الکترونیکی و حروف اول روی اسناد را شناسایی کنید. این می تواند به شما کمک کند تا یک راه حل خودکار مقیاس پذیر با اتکای کمتر به پردازش دستی پرهزینه و وقت گیر بسازید. نه تنها میتوانید از این ویژگی برای تأیید امضای سند استفاده کنید، بلکه میتوانید با استفاده از جزئیات مکان امضاهای شناسایی شده، تأیید کنید که آیا فیلد خاصی در فرم امضا شده است یا خیر. همچنین میتوانید از اطلاعات مکان برای ویرایش اطلاعات شناسایی شخصی (PII) در یک سند استفاده کنید.
چگونه AnalyzeDocument Signatures امضاها را در اسناد تشخیص می دهد
AnalyzeDocument API دارای چهار نوع ویژگی است: Forms، Tables، Queries و Signatures. هنگامی که Amazon Texttract اسناد را پردازش میکند، نتایج در آرایهای از برگردانده میشوند مسدود کردن اشیاء. ویژگی Signatures را می توان به تنهایی یا در ترکیب با انواع ویژگی های دیگر استفاده کرد. هنگامی که به خودی خود استفاده می شود، نوع ویژگی Signatures پاسخ JSON را ارائه می دهد که شامل مکان و امتیازات اطمینان امضاهای شناسایی شده و متن خام (کلمات و خطوط) از اسناد است. ویژگی Signatures همراه با انواع ویژگیهای دیگر، مانند فرمها و جداول، میتواند به ایجاد بینش مفید کمک کند. در مواردی که این ویژگی با فرم ها و جداول استفاده می شود، پاسخ امضا را به عنوان بخشی از جفت مقادیر کلید یا سلول جدول نشان می دهد. برای مثال، پاسخ فرم زیر حاوی کلید as است امضای وام دهنده و ارزش به عنوان Block
هدف - شی.
نحوه استفاده از ویژگی Signatures در کنسول آمازون Textract
قبل از شروع کار با API و نمونه کد، اجازه دهید کنسول آمازون Textract را بررسی کنیم. پس از آپلود سند در کنسول آمازون Textract، را انتخاب کنید تشخیص امضا در پیکربندی سند بخش و انتخاب کنید تنظیمات را اعمال کنید.
اسکرین شات زیر نمونه ای از یک کارت پرداخت را نشان می دهد امضا زبانه برای Analyze Document API در کنسول آمازون Textract.
این ویژگی امضا را با صفحه مربوطه و امتیاز اطمینان آن شناسایی و ارائه می کند.
نمونه های کد
میتوانید از ویژگی امضاها برای شناسایی امضا در انواع مختلف اسناد مانند چک، فرم درخواست وام، فرمهای مطالبات، اوراق پرداختی، اسناد رهنی، صورتحساب بانکی، قراردادهای اجاره و قراردادها استفاده کنید. در این بخش، برخی از این اسناد را مورد بحث قرار میدهیم و نحوه فراخوانی AnalyzeDocument API را با پارامتر Signatures برای شناسایی امضاها نشان میدهیم.
سند ورودی می تواند در قالب آرایه بایت باشد یا در یک قرار گرفته باشد سرویس ذخیره سازی ساده آمازون سطل (Amazon S3). برای اسناد در قالب آرایه بایت، میتوانید بایتهای تصویر را با استفاده از bytes
ویژگی. Signatures به عنوان یک نوع ویژگی توسط AnalyzeDocument API برای پردازش سند همزمان و StartDocumentAnalysis برای پردازش ناهمزمان اسناد پشتیبانی می شود.
در مثال زیر، امضاهایی را در نامه تأیید استخدام شناسایی می کنیم.
ما از نمونه کد پایتون زیر استفاده می کنیم:
بیایید پاسخی را که از AnalyzeDocument API دریافت می کنیم، تجزیه و تحلیل کنیم. پاسخ زیر برای نمایش بخشهای مربوطه کوتاه شده است. پاسخ دارای یک BlockType
of SIGNATURE
که امتیاز اطمینان، شناسه بلوک و جزئیات جعبه مرزی را نشان می دهد:
ما از کد زیر برای چاپ شناسه و مکان به صورت جدولبندی شده استفاده میکنیم:
تصویر زیر نتایج ما را نشان می دهد.
جزئیات بیشتر و کد کامل در دفترچه یادداشت موجود است GitHub repo.
برای اسنادی که دارای امضای خوانا در قالبهای ارزش کلیدی هستند، میتوانیم از آن استفاده کنیم تجزیه کننده پاسخ متن برای استخراج فقط فیلدهای امضا با جستجوی کلید و مقدار مربوط به آن کلیدها:
کد قبلی نتایج زیر را برمی گرداند:
توجه داشته باشید که برای رونویسی امضاها به این صورت، امضاها باید خوانا باشند.
بهترین روش ها برای استفاده از ویژگی امضاها
هنگام استفاده از این ویژگی، بهترین روش های زیر را در نظر بگیرید:
- برای پاسخهای بلادرنگ، از عملیات همزمان AnalyzeDocument API استفاده کنید. برای موارد استفاده که نیازی به پاسخ در زمان واقعی ندارید، مانند پردازش دسته ای، پیشنهاد می کنیم از عملیات ناهمزمان API استفاده کنید.
- ویژگی Signatures زمانی بهترین عملکرد را دارد که حداکثر سه امضا در یک صفحه وجود داشته باشد. هنگامی که بیش از سه امضا در یک صفحه وجود دارد، بهتر است صفحه را به بخشهایی تقسیم کنید و هر یک از بخشها را جداگانه به API وارد کنید.
- از امتیازهای اطمینان ارائه شده به همراه امضاهای شناسایی شده برای هدایت اسناد برای بازبینی انسانی در زمانی که امتیازها آستانه مورد نیاز شما را برآورده نمی کنند، استفاده کنید. امتیاز اطمینان معیاری برای دقت نیست، بلکه تخمینی از اطمینان مدل در پیش بینی آن است. شما باید یک امتیاز اطمینان را انتخاب کنید که برای مورد استفاده شما منطقی تر باشد.
خلاصه
در این پست، مروری بر ویژگی امضاها در آمازون تکست برای شناسایی خودکار امضاها در اسناد، مانند اوراق پرداخت، قراردادهای اجاره اجاره، و قراردادها ارائه کردیم. AnalyzeDocument Signatures نیاز به بازبین های انسانی را کاهش می دهد و به شما کمک می کند هزینه ها را کاهش دهید، در زمان صرفه جویی کنید و راه حل های مقیاس پذیر برای پردازش اسناد بسازید.
برای شروع، وارد کنسول Amazon Textract شوید تا این ویژگی را امتحان کنید. برای آشنایی بیشتر با قابلیت های Amazon Texttract به ادامه مطلب مراجعه کنید متن آمازوناز راهنمای توسعه دهنده آمازون متن، یا منابع متن.
درباره نویسنده
ماران چندرسکاران یک معمار ارشد راه حل در خدمات وب آمازون است که با مشتریان سازمانی ما کار می کند. خارج از محل کار، او عاشق مسافرت و موتورسیکلت خود در تگزاس هیل کانتری است.
شیبین مایکلراج یک مدیر محصول Sr. با تیم AWS Textract است. او بر ساخت محصولات مبتنی بر هوش مصنوعی/ML برای مشتریان AWS متمرکز است.
سوپراکاش دوتا Sr. Solutions Architect در خدمات وب آمازون است. او بر استراتژی تحول دیجیتال، نوسازی و مهاجرت اپلیکیشن ها، تجزیه و تحلیل داده ها و یادگیری ماشین تمرکز دارد. او بخشی از جامعه AI/ML در AWS است و راه حل های هوشمند پردازش اسناد را طراحی می کند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/machine-learning/detect-signatures-on-documents-or-images-using-the-signatures-feature-in-amazon-textract/
- 100
- a
- توانایی
- درباره ما
- دقت
- پس از
- موافقت نامه
- AI / ML
- اجازه می دهد تا
- آمازون
- متن آمازون
- آمازون خدمات وب
- مقدار
- علم تجزیه و تحلیل
- تحلیل
- و
- API
- کاربرد
- برنامه های کاربردی
- صف
- خودکار
- بطور خودکار
- در دسترس
- AWS
- بانک
- قبل از
- مزایای
- بهترین
- بهترین شیوه
- مسدود کردن
- بلاک ها
- جعبه
- ساختن
- بنا
- صدا
- قابلیت های
- مورد
- موارد
- معین
- به چالش
- چک
- را انتخاب کنید
- ادعای
- مشتری
- مشتریان
- رمز
- ترکیب
- ترکیب شده
- انجمن
- مقايسه كردن
- کامل
- انطباق
- اعتماد به نفس
- کنسول
- شامل
- قرارداد
- متناظر
- هزینه
- کشور
- سفارشی
- مشتریان
- داده ها
- تجزیه و تحلیل داده ها
- طرح
- جزئیات
- شناسایی شده
- کشف
- توسعه دهنده
- مختلف
- دیجیتال
- دگرگونی های دیجیتال
- بحث و تبادل نظر
- سند
- اسناد و مدارک
- آیا
- هر
- هر دو
- الکترونیکی
- استخدام
- اطمینان حاصل شود
- سرمایه گذاری
- مشتریان سازمانی
- تخمین زدن
- اتر (ETH)
- مثال
- مثال ها
- تجربه
- عصاره
- عصاره ها
- چهره
- ویژگی
- رشته
- زمینه
- متمرکز شده است
- تمرکز
- پیروی
- فرم
- قالب
- اشکال
- از جانب
- بیشتر
- عموما
- هندسه
- دریافت کنید
- Go
- توری
- ارتفاع
- کمک
- کمک می کند
- چگونه
- چگونه
- HTML
- HTTPS
- بزرگ
- انسان
- تصویر
- تصاویر
- واردات
- in
- شامل
- لوازم
- اطلاعات
- ورودی
- بینش
- بیمه
- هوشمند
- پردازش هوشمند اسناد
- IT
- خود
- json
- کلید
- کلید
- رهبری
- یاد گرفتن
- یادگیری
- قانونی
- وام دهنده
- نامه
- کتابخانه
- خطوط
- وام
- محلی
- واقع شده
- محل
- دیگر
- دستگاه
- فراگیری ماشین
- باعث می شود
- مدیر
- کتابچه راهنمای
- اندازه
- دیدار
- مهاجرت
- ML
- نوسازی
- بیش
- رهن
- اکثر
- موتورسیکلت
- نیاز
- دفتر یادداشت
- هدف
- اشیاء
- پیشنهادات
- عمل
- سفارش
- دیگر
- خارج از
- مروری
- مبتنی بر کاغذ
- پارامتر
- بخش
- ویژه
- بخش
- عبور
- شخصا
- پی
- افلاطون
- هوش داده افلاطون
- PlatoData
- چند ضلعی
- فقیر
- پست
- شیوه های
- پیش گویی
- هدیه
- چاپ
- روند
- فرآیندهای
- در حال پردازش
- محصول
- مدیر تولید
- محصولات
- ویژگی
- ارائه
- ارائه
- فراهم می کند
- پــایتــون
- خام
- واقعی
- زمان واقعی
- كاهش دادن
- را کاهش می دهد
- تنظیم کننده
- مربوط
- اعتماد
- نیاز
- ضروری
- مورد نیاز
- منابع
- پاسخ
- نتیجه
- نتایج
- بازده
- این فایل نقد می نویسید:
- ریچارد
- سوار شدن
- مسیر
- ذخیره
- مقیاس پذیر
- جستجو
- جستجو
- بخش
- بخش
- ارشد
- حس
- به طور جداگانه
- سرویس
- خدمات
- اشتراک گذاری
- باید
- نشان
- نشان می دهد
- امضا
- امضاء شده
- قابل توجه
- ساده
- راه حل
- مزایا
- برخی از
- خاص
- انشعاب
- شروع
- آغاز شده
- اظهارات
- گام
- ذخیره سازی
- استراتژی
- ارسال
- ارسال
- چنین
- پشتیبانی
- جدول
- مالیات
- تیم
- وابسته به تکزاس
- La
- بلوک
- سه
- آستانه
- از طریق
- زمان
- زمان بر
- بار
- به
- بالا
- دگرگونی
- استراتژی تحول
- سفر
- TRP
- انواع
- استفاده کنید
- مورد استفاده
- تصدیق
- ارزش
- تایید
- بررسی
- جلد
- وب
- خدمات وب
- چه
- در حین
- در داخل
- کلمات
- مهاجرت کاری
- گردش کار
- گردش کار
- کارگر
- با این نسخهها کار
- X
- شما
- زفیرنت