Notatka o przejrzystości oraz przypadki użycia optycznego rozpoznawania znaków

Ważne

Tłumaczenia nieanglojęzyczne są dostępne tylko dla wygody. Zapoznaj się zEN-US wersją tego dokumentu, aby uzyskać ostateczną wersję.

Ten artykuł zawiera informacje na temat przypadków użycia optycznego rozpoznawania znaków (OCR).

Co to jest notatka dotycząca przezroczystości?

System sztucznej inteligencji obejmuje nie tylko technologię, ale także osoby, które będą jej używać, osoby, których to dotyczy, oraz środowisko, w którym jest wdrażana. Utworzenie systemu dopasowanego do zamierzonego celu wymaga zrozumienia, jak działa technologia, jej możliwości i ograniczenia oraz jak osiągnąć najlepszą wydajność.

Microsoft udostępnia notatki o transparentności, aby ułatwić zrozumienie, jak działa nasza technologia sztucznej inteligencji. Obejmuje to wybory, które właściciele systemu mogą wpływać na wydajność i zachowanie systemu oraz znaczenie myślenia o całym systemie, w tym technologii, ludzi i środowiska. Możesz użyć notatek przejrzystości podczas opracowywania lub wdrażania własnego systemu lub udostępniać je osobom, które będą korzystać z systemu lub mieć na nie wpływ.

Uwagi dotyczące przejrzystości są częścią szerszego wysiłku Microsoft, aby w praktyce wprowadzić nasze zasady sztucznej inteligencji. Aby dowiedzieć się więcej, zobacz zasady sztucznej inteligencji Microsoft.

Wprowadzenie do optycznego rozpoznawania znaków (OCR)

Firmy dziś często muszą konwertować tekst z obrazów, zeskanowanych dokumentów papierowych i plików cyfrowych na praktyczne informacje. Te szczegółowe informacje umożliwiają wyszukiwanie wiedzy, automatyzację procesów biznesowych i dostępność zawartości dla wszystkich użytkowników. Optyczne rozpoznawanie znaków (OCR) to usługa sztucznej inteligencji używana do wyodrębniania tekstu z zawartości wizualnej, takiej jak obrazy i dokumenty. Funkcja OCR obsługuje obecnie kilka języków wyodrębniania tekstu drukowanego (zobacz języki obsługiwane przez funkcję OCR). Odręczny zapis OCR jest obecnie obsługiwany wyłącznie dla języka angielskiego.

Podstawowe informacje o usłudze OCR

Technologia OCR od Microsoft jest oferowana za pośrednictwem Azure Vision w Foundry Tools Read API. Klienci korzystają z interfejsu API odczytu, przekazując swoją treść, aby uzyskać wyodrębniony tekst, jego lokalizację i inne szczegółowe informacje w formacie odczytywalnym przez maszynę. Przetwarzają dane wyjściowe w aplikacjach biznesowych w celu zaimplementowania analizy zawartości, automatyzacji procesów biznesowych i innych scenariuszy dla użytkowników.

Termin	Definicji
Asynchroniczne	Asynchroniczna oznacza, że usługa nie zwraca natychmiast wyodrębnionego tekstu. Zamiast tego proces rozpoczyna się w tle. Aplikacja klienta będzie musiała sprawdzić ponownie w późniejszym czasie, aby uzyskać wyodrębniony tekst.
Odczytu	Operacja Odczytu jest asynchronicznym wywołaniem, które akceptuje obrazy i dokumenty w celu rozpoczęcia analizy i wyodrębniania tekstu, które jest zwracane za pośrednictwem innego wywołania.
Pobieranie wyników odczytu	Kiedy proces analizy i wyodrębniania jest aktywny, operacja uzyskiwania wyników odczytów wyświetla stan postępu. Po zakończeniu procesu operacja Pobierz wyniki odczytu zwraca wyodrębniony tekst (w postaci wierszy tekstu i wyrazów) oraz wartości ufności.
Wartość ufności	Operacja Pobierz wyniki odczytu zwraca wartości ufności w zakresie od 0 do 1 dla wszystkich wyodrębnionych wyrazów. Ta wartość reprezentuje oszacowanie usługi, ile razy poprawnie wyodrębnia słowo z 100. Na przykład słowo, które szacuje się, że jest poprawnie wyodrębnione w 82% przypadków, spowoduje, że wartość ufności wyniesie 0,82.

Przykładowe przypadki użycia

Poniższe przypadki użycia to popularne przykłady technologii OCR.

• Obrazy i dokumenty wyszukiwania i archiwizowania: dokumenty bez struktury, takie jak umowy prawne, dokumenty techniczne i zawartość wiadomości zawierają bogate informacje i metadane, które nie są dostępne dla procesów, takich jak automatyczne tagowanie, kategoryzacja i wyszukiwanie. Funkcja OCR umożliwia odczytywanie tekstu z tych dokumentów na potrzeby analizy, wyszukiwania i pobierania.
• Moderowanie i lokalizacja zawartości obrazów: firmy handlu elektronicznego, wydawcy zawartości generowane przez użytkowników oraz społeczności gier online i mediów społecznościowych muszą moderować obrazy, aby być zgodne z przepisami dotyczącymi bezpieczeństwa online. W niektórych przypadkach muszą również lokalizować zawartość dla odbiorców międzynarodowych. Funkcja OCR umożliwia wyodrębnianie tekstu z obrazów w celu zastosowania przetwarzania podrzędnego.
• Automatyzacja procesów biznesowych: automatyzacja procesów biznesowych wymaga integracji danych i preferencji wprowadzonych przez użytkownika w dokumentach i ekranach aplikacji ze złożonymi procesami biznesowymi. Funkcja OCR odblokowuje tekst osadzony w dokumentach i obrazach i udostępnia go do użycia w krokach przepływów pracy biznesowych.
• Przetwarzanie dokumentów finansowych i opieki zdrowotnej: w przypadku użycia w przetwarzaniu zaplecza formularzy aplikacji finansowych i ubezpieczeniowych OCR pomaga zaoszczędzić czas i nakład pracy w przetwarzaniu dokumentów. Podobnie OCR stosowane do zwrotów roszczeń medycznych i formularzy informacji medycznych przyspieszają zwrot kosztów i kwalifikacje do usług i świadczeń.

Zagadnienia dotyczące wybierania innych przypadków użycia

Podczas wybierania przypadku użycia należy wziąć pod uwagę następujące czynniki.

• Podczas korzystania z funkcji przyznawania lub odmawiania korzyści należy dokładnie rozważyć: użycie danych wyjściowych OCR bezpośrednio do przyznania lub odmowy korzyści może spowodować błędy, jeśli są oparte na nieprawidłowych lub niekompletnych informacjach. Na przykład podczas wypełniania formularzy medycznych użytkownicy mogą popełniać błędy lub nie uwzględniać ważnych informacji. Ponadto funkcja OCR może potencjalnie błędnie odczytywać lub nie wykrywać części formularza. Aby zapewnić uczciwe i wysokiej jakości decyzje dla konsumentów, połącz automatyzację opartą na protokole OCR z nadzorem człowieka.

• Unikaj używania funkcji identyfikacji podpisów: podczas wyodrębniania tekstu odręcznego unikaj używania wyników OCR podpisów do identyfikowania osób. Podpisy są trudne do odczytania zarówno dla ludzi, jak i maszyn. Lepszym sposobem użycia OCR jest użycie go do wykrywania obecności podpisu w celu dalszej analizy.

• Nie używaj OCR do podejmowania decyzji, które mogą mieć poważne negatywne skutki: Przykłady takich przypadków użycia obejmują przetwarzanie recept medycznych i wydawanie leków. Modele uczenia maszynowego, które wyodrębniają tekst z recept, mogą spowodować niewykryte lub nieprawidłowe dane wyjściowe tekstu. Decyzje oparte na nieprawidłowych danych wyjściowych mogą mieć poważny negatywny wpływ. Ponadto zaleca się uwzględnienie przeglądu przez człowieka decyzji, które mogą mieć poważny wpływ na osoby.

• Zagadnienia prawne i prawne: Organizacje muszą ocenić potencjalne konkretne zobowiązania prawne i prawne w przypadku korzystania z narzędzi i rozwiązań usługi Foundry, które mogą nie być odpowiednie do użycia w każdej branży lub scenariuszu. Ponadto, Foundry Tools lub rozwiązania nie są przeznaczone do używania i mogą nie być używane w sposób zabroniony w odpowiednich warunkach świadczenia usług i obowiązujących kodeksach postępowania.