Dokumentumfeldolgozási modellek

Ez a tartalom a következőre vonatkozik:v4.0 (GA) | Korábbi verziók:v3.1 (GA)v3.0 (GA)v2.1 (GA)

Az Azure AI Document Intelligence számos olyan modellt támogat, amelyek lehetővé teszik intelligens dokumentumfeldolgozás hozzáadását az alkalmazásokhoz és folyamatokhoz. Használhat előre összeállított tartományspecifikus modellt, vagy betaníthat egy egyéni modellt, amely az adott üzleti igényeknek és használati eseteknek megfelelően van kialakítva. A dokumentumintelligencia a REST API- vagy Python-, C#-, Java- és JavaScript-ügyfélkódtárakkal használható.

Feljegyzés

• A pénzügyi adatokat, védett egészségügyi adatokat, személyes adatokat vagy rendkívül bizalmas adatokat tartalmazó dokumentumfeldolgozási projektek gondos figyelmet igényelnek.
• Ügyeljen arra, hogy megfeleljen az összes nemzeti/regionális és iparágspecifikus követelménynek.

Modell áttekintése

Az alábbi táblázat az egyes stabil API-khoz elérhető modelleket mutatja be:

Modell típusa	Modell	• 2024-11-30 (GA)	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Dokumentumelemzési modellek	Olvasás	✔️	✔️	✔️	n.a.
Dokumentumelemzési modellek	Elrendezés	✔️	✔️	✔️	✔️
Dokumentumelemzési modellek	Általános dokumentum	áthelyezve az elrendezésbe**	✔️	✔️	n.a.
Előre összeállított modellek	Banki csekk	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Bankszámlakivonat	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Paystub	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Szerződés	✔️	✔️	n.a.	n.a.
Előre összeállított modellek	Egészségbiztosítási kártya	✔️	✔️	✔️	n.a.
Előre összeállított modellek	Személyazonosító okmányok	✔️	✔️	✔️	✔️
Előre összeállított modellek	Számla	✔️	✔️	✔️	✔️
Előre összeállított modellek	Nyugta	✔️	✔️	✔️	✔️
Előre összeállított modellek	Egyesült Államok egységes adója*	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	USA 1040 Adó*	✔️	✔️	n.a.	n.a.
Előre összeállított modellek	USA 1095 Adó*	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	USA 1098 Adó*	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	USA 1099 Adó*	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	AMERIKAI W2 adó	✔️	✔️	✔️	n.a.
Előre összeállított modellek	AMERIKAI W4 adó	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	US Mortgage 1003 URLA	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	US Mortgage 1004 URAR	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	US Mortgage 1005	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	US Mortgage 1008 Összegzés	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	USA-beli jelzáloghitelek záró közzététele	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Házassági anyakönyvi kivonat	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Hitelkártya	✔️	n.a.	n.a.	n.a.
Előre összeállított modellek	Névjegykártya	elavult	✔️	✔️	✔️
Egyéni besorolási modell	Egyéni osztályozó	✔️	✔️	n.a.	n.a.
Egyéni extrakciós modell	Egyéni neurális	✔️	✔️	✔️	n.a.
Egyéni extrakciós modell	Egyéni sablon	✔️	✔️	✔️	✔️
Egyéni extrakciós modell	Egyéni összeállítás	✔️	✔️	✔️	✔️
Minden modell	Bővítmények képességei	✔️	✔️	n.a.	n.a.

* – Almodelleket tartalmaz. A támogatott változatok és altípusok modellspecifikus információi.
**– Az általános dokumentummodell minden képessége elérhető az elrendezési modellben. Az általános modell már nem támogatott.

Késés

A késés az az idő, amely alatt az API-kiszolgáló kezelni és feldolgozni tudja a bejövő kéréseket, és kézbesíti a kimenő választ az ügyfélnek. Egy dokumentum elemzésének ideje annak méretétől (például a lapok számától) és az egyes lapokon lévő kapcsolódó tartalmaktól függ. A Dokumentumintelligencia egy több-bérlős szolgáltatás, ahol a hasonló dokumentumok késése összehasonlítható, de nem mindig azonos. A késés és a teljesítmény időnkénti variabilitása minden olyan mikroszolgáltatás-alapú, állapot nélküli aszinkron szolgáltatásban rejlik, amely nagy léptékben dolgozza fel a képeket és a nagyméretű dokumentumokat. Bár folyamatosan skálázzuk a hardvert, a kapacitást és a skálázási képességeket, futásidőben továbbra is késési problémák merülhetnek fel.

Bővítmény képessége

Az alábbiakban a dokumentumintelligencia-funkciókban elérhető bővítmények találhatók. A Névjegykártya-modell kivételével az összes modell esetében a Dokumentumintelligencia mostantól támogatja a bővítményfunkciókat, hogy kifinomultabb elemzést lehessen lehetővé tenni. Ezek az opcionális képességek a dokumentum kinyerésének forgatókönyvétől függően engedélyezhetők és letilthatók. A (GA) és újabb 2023-07-31 API-verzióhoz hét bővítmény áll rendelkezésre:

• ocrHighResolution
• formulas
• styleFont
• barcodes
• languages
• keyValuePairs
• queryFields Not available with the US.Tax models
• searchablePDF Only available for Read Model

Bővítmény képessége	Bővítmény/ingyenes	• 2024-11-30 (GA)	2023-07-31 (GA)	2022-08-31 (GA)	v2.1 (GA)
Betűtípustulajdonságok kinyerése	Bővítmény	✔️	✔️	n.a.	n.a.
Képlet kinyerése	Bővítmény	✔️	✔️	n.a.	n.a.
Nagy felbontású kinyerés	Bővítmény	✔️	✔️	n.a.	n.a.
Vonalkód kinyerése	Ingyenes	✔️	✔️	n.a.	n.a.
Nyelvfelismerés	Ingyenes	✔️	✔️	n.a.	n.a.
Kulcsértékpárok	Ingyenes	✔️	n.a.	n.a.	n.a.
Lekérdezési mezők	Bővítmény*	✔️	n.a.	n.a.	n.a.
Kereshető pdf	Bővítmény*	✔️	n.a.	n.a.	n.a.

Modellelemzési funkciók

Modellazonosító	Tartalom kinyerése	Lekérdezési mezők	Bekezdések	Bekezdésszerepkörök	Kijelölési jelek	Táblák	Kulcs-érték párok	Nyelvek	Vonalkódok	Dokumentumelemzés	Képletek*	Stílus betűtípusa*	Felsőbb*	Kereshető PDF
előre összeállított olvasás	✓		✓					O	O		O	O	O	O
előre összeállított elrendezés	✓	✓	✓	✓	✓	✓	O	O	O		O	O	O
előre összeállított szerződés	✓	✓	✓	✓	✓			O	O	✓	O	O
prebuilt-healthInsuranceCard.us	✓	✓						O	O	✓	O	O	O
előre összeállított-idDocument	✓	✓						O	O	✓	O	O	O
előre összeállított számla	✓	✓			✓	✓	O	O	O	✓	O	O	O
előre összeállított nyugta	✓	✓						O	O	✓	O	O	O
prebuilt-marriageCertificate.us	✓	✓			✓			O	O	✓	O	O	O
előre összeállított-creditCard	✓	✓						O	O	✓	O	O	O
prebuilt-check.us	✓	✓						O	O	✓	O	O	O
prebuilt-payStub.us	✓	✓						O	O	✓	O	O	O
előre összeállított bankStatement	✓	✓						O	O	✓	O	O	O
prebuilt-mortgage.us.1003	✓	✓			✓			O	O	✓	O	O	O
prebuilt-mortgage.us.1004	✓	✓			✓			O	O	✓	O	O	O
prebuilt-mortgage.us.1005	✓	✓			✓			O	O	✓	O	O	O
prebuilt-mortgage.us.1008	✓	✓			✓			O	O	✓	O	O	O
prebuilt-mortgage.us.closingDisclosure	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.w2	✓	✓			✓			O	O	✓	O	O	O
előre összeállított-tax.us.w4	✓	✓						O	O	✓	O	O	O
prebuilt-tax.us.1040 (különböző)	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1095A	✓	✓						O	O	✓	O	O	O
prebuilt-tax.us.1095C	✓	✓						O	O	✓	O	O	O
prebuilt-tax.us.1098	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098E	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1098T	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1099 (különböző)	✓	✓			✓			O	O	✓	O	O	O
prebuilt-tax.us.1099SSA	✓	✓						O	O	✓	O	O	O
{ customModelName }	✓	✓	✓	✓	✓	✓		O	O	✓	O	O	O

✓ – Engedélyezett
O – Nem kötelező
* – A prémium funkciók többletköltséggel járnak

Bővítmény* – A lekérdezésmezők ára eltér a többi bővítményfunkciótól. Részletekért tekintse meg a díjszabást .

Határolókeret és sokszög koordinátái

A határolókeret (polygon v3.0-s és újabb verziókban) egy absztrakt téglalap, amely az objektumészlelés referenciapontjaként használt dokumentum szöveges elemeit veszi körül.

• A határolókeret egy négy numerikus párból álló tömbben bemutatott x és y koordinátasík használatával adja meg a pozíciót. Minden pár a mező egyik sarkát jelöli a következő sorrendben: bal felső, jobb felső, jobb alsó, bal alsó.

• A képkoordináta képpontban jelenik meg. PDF esetén a koordináták hüvelykben jelennek meg.

Nyelvi támogatás

A Dokumentumintelligencia mélytanuláson alapuló univerzális modelljei számos nyelvet támogatnak, amelyek többnyelvű szöveget nyerhetnek ki a képekből és dokumentumokból, beleértve a vegyes nyelvű szövegsorokat is. A nyelvi támogatás a Document Intelligence szolgáltatás funkcióitól függően változik. A teljes listát a következő cikkekben találja:

• Nyelvi támogatás: dokumentumelemzési modellek
• Nyelvi támogatás: előre összeállított modellek
• Nyelvi támogatás: egyéni modellek

Regionális elérhetőség

A dokumentumintelligencia általánosan elérhető a több mint 60 Azure-beli globális infrastruktúra-régióban.

További információkért tekintse meg az Azure földrajzi helyeit ismertető oldalt, amely segít kiválasztani az Ön és ügyfelei számára legmegfelelőbb régiót.

Modell adatai

Ez a szakasz az egyes modellektől elvárható kimenetet ismerteti. A legtöbb modell kimenetét bővítheti bővítményfunkciókkal.

Read OCR

A Read API elemzi és kinyeri a vonalakat, szavakat, azok helyét, az észlelt nyelveket és a kézzel írt stílust, ha észleli őket.

A Document Intelligence Studio használatával feldolgozott mintadokumentum:

További információ: modell olvasása

Elrendezéselemzés

Az elrendezéselemzési modell elemzi és kinyeri a szöveget, a táblázatokat, a kijelölési jeleket és más szerkezeti elemeket, például a címeket, a szakaszfejléceket, az oldalfejléceket, az oldallábakat és egyebeket.

A Document Intelligence Studio használatával feldolgozott mintadokumentum:

További információ: elrendezési modell

Egészségbiztosítási kártya

Az egészségbiztosítási kártyamodell a hatékony optikai karakterfelismerési (OCR) képességeket a mélytanulási modellekkel kombinálva elemzi és kinyeri a legfontosabb információkat az EGYESÜLT Államok egészségbiztosítási kártyáiból.

A Document Intelligence Studio használatával feldolgozott USA-beli egészségbiztosítási kártyaminta:

További információ: Egészségbiztosítási kártyamodell

Amerikai adódokumentumok

Az egyesült államokbeli adódokumentum-modellek az adódokumentumok kiválasztott csoportjából elemzik és nyerik ki a kulcsmezőket és a sorelemeket. Az API támogatja az angol nyelvű amerikai adódokumentumok különböző formátumú és minőségű elemzését, beleértve a telefonon rögzített képeket, a beolvasott dokumentumokat és a digitális PDF-eket. Jelenleg a következő modellek támogatottak:

Modell	Leírás	ModelID
AMERIKAI adó W-2	Az adóköteles kompenzáció részleteinek kinyerése.	prebuilt-tax.us.w2
Amerikai adó – W-4	Az adóköteles kompenzáció részleteinek kinyerése.	előre összeállított-tax.us.w4
Amerikai adó 1040	A jelzálog-kamat részleteinek kinyerésében.	prebuilt-tax.us.1040(változatok)
Amerikai adó 1095	Az egészségbiztosítás részleteinek kinyerésében.	prebuilt-tax.us.1095(változatok)
Amerikai adó 1098	A jelzálog-kamat részleteinek kinyerésében.	prebuilt-tax.us.1098(változatok)
Amerikai adó 1099	A munkáltatótól eltérő forrásokból származó jövedelem kinyeréséből.	prebuilt-tax.us.1099(változatok)

A Document Intelligence Studio használatával feldolgozott W-2-mintadokumentum:

További információ: Adódokumentum-modellek

USA-beli jelzáloghitel-dokumentumok

Az usa-beli jelzálogdokumentum-modellek elemzik és kinyerik a kulcsfontosságú mezőket, beleértve a hitelfelvevő, a hitel- és az ingatlaninformációkat a jelzálogdokumentumok egy kiválasztott csoportjából. Az API támogatja az angol nyelvű, különböző formátumú és minőségű, amerikai jelzáloghiteles dokumentumok elemzését, beleértve a telefonon rögzített képeket, a beolvasott dokumentumokat és a digitális PDF-eket. Jelenleg a következő modellek támogatottak:

Modell	Leírás	ModelID
1003 Végfelhasználói licencszerződés (EULA)	Hitel, hitelfelvevő, ingatlan adatainak kinyerés.	prebuilt-mortgage.us.1003
1004 Uniform Residential Appraisal Report (URAR))	Hitel, hitelfelvevő, ingatlan adatainak kinyerés.	prebuilt-mortgage.us.1004
1005 Foglalkoztatás ellenőrzése	Hitel, hitelfelvevő, ingatlan adatainak kinyerés.	prebuilt-mortgage.us.1005
1008- összefoglaló dokumentum	Hitelfelvevő, eladó, ingatlan, jelzálog és jegyzési adatok kinyerése.	prebuilt-mortgage.us.1008
Közzététel lezárása	A lezárás, a tranzakciós költségek és a hitel részleteinek kinyerésére.	prebuilt-mortgage.us.closingDisclosure

Minta a Document Intelligence Studio használatával feldolgozott záró közzétételi dokumentumra:

További információ: Jelzáloghitel-dokumentummodellek

Contract

A szerződési modell elemzi és kinyeri a főbb mezőket és sorelemeket a szerződéses szerződésekből, beleértve a feleket, a joghatóságokat, a szerződés azonosítóját és a címet. A modell jelenleg az angol nyelvű szerződéses dokumentumokat támogatja.

A Document Intelligence Studio használatával feldolgozott mintaszerződés:

További információ: szerződésmodell

US Bank Check

A szerződési modell elemzi és kinyeri a kulcsmezőket az ellenőrzésből, beleértve az ellenőrzés részleteit, a számla részleteit, az összeget, a feljegyzést, az egyesült államokbeli banki ellenőrzésekből nyeri ki.

A Document Intelligence Studio használatával feldolgozott bankellenőrzési minta:

További információ: szerződésmodell

AMERIKAI bankszámlakivonat

A bankszámlamodell elemzi és kinyeri a kulcsmezőket és a sorelemeket az amerikai bankszámlaszámból, a banki adatokból, a kimutatás részleteiből és a tranzakció részleteiből.

A Document Intelligence Studio használatával feldolgozott bankszámlakivonat minta:

További információ: szerződésmodell

PayStub

A paystub modell elemzi és kinyeri a kulcsmezőket és a sorelemeket a dokumentumokból és fájlokból a bérszámfejtéssel kapcsolatos információkkal.

A Document Intelligence Studio használatával feldolgozott paystub-minta:

További információ: szerződésmodell

Számla

A számlamodell automatizálja a számlák feldolgozását az ügyfélnév, a számlázási cím, a határidő és az esedékes összeg, a sorelemek és egyéb kulcsadatok kinyeréséhez.

A Document Intelligence Studio használatával feldolgozott számlaminta:

További információ: számlamodell

Nyugta

A nyugtamodell használatával a kereskedő nevét, dátumait, sortételeit, mennyiségét és összegét a nyomtatott és kézzel írt nyugtákból származó értékesítési nyugták vizsgálatára használhatja. A 3.0-s verzió az egyoldalas szállodai nyugtafeldolgozást is támogatja.

A Document Intelligence Studio használatával feldolgozott minta nyugta:

További információ: nyugtamodell

Identitásdokumentum (azonosító)

A kulcsmezők kinyeréséhez használja az identitásdokumentum (id) modellt az amerikai jogosítványok (mind az 50 állam és Columbia kerület) és az életrajzi lapok feldolgozásához nemzetközi útlevelekből (a vízum és egyéb úti okmányok kivételével).

Példa a Document Intelligence Studióval feldolgozott amerikai illesztőprogram-licencre:

További információ: identitásdokumentum-modell

Házassági anyakönyvi kivonat

A házassági anyakönyvi kivonat modelljével amerikai házassági tanúsítványokat dolgozhat fel kulcsmezők kinyeréséhez, beleértve az egyéneket, a dátumot és a helyet.

A Document Intelligence Studio használatával feldolgozott amerikai házassági anyakönyvi kivonat minta:

További információ: identitásdokumentum-modell

Hitelkártya

A hitelkártya-modell használatával feldolgozhatja a hitel- és bankkártyákat a kulcsmezők kinyeréséhez.

A Document Intelligence Studio használatával feldolgozott hitelkártyaminta:

További információ: identitásdokumentum-modell

Egyéni modellek

Az egyéni modellek széles körben két típusba sorolhatók. Olyan egyéni besorolási modellek, amelyek támogatják a "dokumentumtípus" besorolását és az egyéni extrakciós modelleket, amelyek egy meghatározott sémát kinyerhetnek egy adott dokumentumtípusból.

Az egyéni dokumentummodellek a vállalatra jellemző űrlapokból és dokumentumokból elemzik és nyerik ki az adatokat. Felismerik az űrlapmezőket a különálló tartalomban, és kulcs-érték párokat és táblaadatokat nyernek ki. Az első lépésekhez csak egy példa kell az űrlaptípusra.

A 3.0-s és újabb verziójú egyéni modellek támogatják az aláírás-észlelést az egyéni sablonban (űrlap) és a többoldalas táblázatokban mind a sablonban, mind a neurális modellekben. Az aláírásészlelés az aláírás jelenlétét keresi, nem pedig a dokumentumot aláíró személy személyazonosságát. Ha a modell aláírásészlelés céljából nem aláírt értéket ad vissza, a modell nem talált aláírást a megadott mezőben.

Minta egyéni sablon a Document Intelligence Studióval feldolgozva:

További információ: egyéni modell

Egyéni kinyerés

Az egyéni extrakciós modell két típus egyike lehet: egyéni sablon, egyéni neurális. Egyéni kinyerési modell létrehozásához címkézzen fel egy dokumentum adathalmazát a kinyerni kívánt értékekkel, és tanítsa be a modellt a címkézett adathalmazra. Az első lépésekhez csak öt, azonos űrlap- vagy dokumentumtípusú példára van szüksége.

Minta egyéni kinyerés a Document Intelligence Studióval feldolgozva:

További információ: egyéni sablonmodell

További információ: egyéni neurális modell

Egyéni osztályozó

Az egyéni besorolási modell lehetővé teszi a dokumentumtípus azonosítását a kinyerési modell meghívása előtt. A besorolási modell az API-tól 2023-07-31 (GA) kezdve érhető el. Az egyéni besorolási modellek betanításához osztályonként legalább két különböző osztályra és legalább öt mintára van szükség.

További információ: egyéni besorolási modell

Összeállított modellek

A rendszer úgy hoz létre egy összeállított modellt, hogy egyéni modellek gyűjteményét veszi fel, és egyetlen, az űrlaptípusokból készült modellhez rendeli őket. Több egyéni modellt is hozzárendelhet egy egyetlen modellazonosítóval rendelkező, komponált modellhez. Egyetlen összeállított modellhez legfeljebb 200 betanított egyéni modellt rendelhet.

A Modell összeállítása párbeszédpanel ablaka a Document Intelligence Studióban:

További információ: egyéni modell

Bemeneti követelmények

Támogatott fájlformátumok:

Modell	PDF	Kép: JPEG/JPG, PNG, BMP, TIFFHEIF	Microsoft Office: Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
Olvasás	✔	✔	✔
Elrendezés	✔	✔	✔
Általános dokumentum	✔	✔
Előre összeállított	✔	✔
Egyéni kinyerés	✔	✔
Egyéni besorolás	✔	✔	✔

• A legjobb eredmény érdekében dokumentumonként egy tiszta fényképet vagy kiváló minőségű vizsgálatot biztosít.

• PDF és TIFF esetén legfeljebb 2000 oldal dolgozható fel (ingyenes szintű előfizetéssel csak az első két oldal dolgozható fel).

• A dokumentumok elemzéséhez használt fájlméret 500 MB a fizetős (S0) szint, az 4 ingyenes (F0) szint esetén pedig MB.

• A képméreteknek 50 képpont x 50 képpont és 10 000 képpont x 10 000 képpont között kell lenniük.

• Ha a PDF-eket jelszó védi, akkor beküldés előtt el kell távolítania a védelmet.

• A kinyerni kívánt szöveg minimális magassága 12 képpont egy 1024 x 768 képpontos képhez. Ez a dimenzió körülbelül 8 150 pont/hüvelyk (DPI) pontszövegnek felel meg.

• Egyéni modell betanítása esetén a betanítási adatok oldalainak maximális száma az egyéni sablonmodell esetében 500, az egyéni neurális modell esetében pedig 50 000.

  • Egyéni extrakciós modell betanítása esetén a betanítási adatok teljes mérete 50 MB a sablonmodellhez, a neurális modellhez pedig 1 GB.

  • Egyéni besorolási modell betanítása esetén a betanítási adatok 1 teljes mérete GB, legfeljebb 10 000 oldal. 2024-11-30 (GA) esetén a betanítási adatok 2 teljes mérete GB, legfeljebb 10 000 oldal.

Feljegyzés

A Mintacímke eszköz nem támogatja a BMP fájlformátumot. Ez nem a Dokumentumintelligencia-szolgáltatás, hanem az eszköz korlátozása.

Verziómigrálás

A Document Intelligence v3.1 migrálási útmutatóját követve megtudhatja, hogyan használhatja a Document Intelligence 3.0-s verziót az alkalmazásokban

Következő lépések

• Próbálja meg feldolgozni saját űrlapjait és dokumentumait a Document Intelligence Studióval.

• Végezze el a Dokumentumintelligencia rövid útmutatóját , és kezdje el létrehozni egy dokumentumfeldolgozó alkalmazást a választott fejlesztési nyelven.