İngilizce dilinde oku

Aracılığıyla paylaş

Belge Yönetim Bilgileri payStub modeli

  • Makale

Document Intelligence payStub modeli, maaş ve kazanç verilerini ödeme makbuzlarından analiz etmek ve ayıklamak için güçlü Optik Karakter Tanıma (OCR) özelliklerini derin öğrenme modelleriyle birleştirir. API, bordroyla ilgili bilgileri içeren belgeleri ve dosyaları analiz eder; anahtar bilgilerini ayıklar ve yapılandırılmış bir JSON veri gösterimi döndürür.

Özellik sürüm Model Kimliği
payStub modeli v4.0: 2024-11-30 (GA) prebuilt-payStub.us

payStub veri ayıklamayı deneyin

Ödeme saplamaları, işverenler tarafından çalışanlara verilen, belirli bir ödeme dönemine ait kazançlar, kesintiler ve net ödeme bilgileri sağlayan temel belgelerdir. Modeli kullanarak prebuilt-payStub.us verilerin nasıl ayıklandığına bakın. Aşağıdaki kaynaklara ihtiyacınız vardır:

  • Azure aboneliği: Ücretsiz bir abonelik oluşturabilirsiniz

  • Azure portalında bir Belge Zekası örneği. Hizmeti denemek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz. Kaynağınız dağıtıldıktan sonra anahtarınızı ve uç noktanızı almak için Kaynağa git'i seçin.

    Azure portalında anahtarların ve uç nokta konumunun ekran görüntüsü.

Belge Makine Zekası Stüdyosu

  1. Document Intelligence Studio giriş sayfasında payStub öğesini seçin.

  2. Örnek ödeme saplama işlemini analiz edebilir veya kendi dosyalarınızı karşıya yükleyebilirsiniz.

  3. Analizi çalıştır düğmesini seçin ve gerekirse Çözümle seçeneklerini yapılandırın:

Giriş gereksinimleri

Desteklenen dosya biçimleri:

Model PDF Resim:
JPEG/JPG, PNG, BMP, TIFF, HEIF		 Microsoft Office:
Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
Okundu ✔ ✔ ✔
Düzen ✔ ✔ ✔
Genel Belge ✔ ✔
Önceden oluşturulmuş ✔ ✔
Özel ayıklama ✔ ✔
Özel sınıflandırma ✔ ✔ ✔

  • En iyi sonuçları elde için belge başına tek bir net fotoğraf veya yüksek kaliteli tarama sağlayın.

  • PDF ve TIFF için en fazla 2.000 sayfa işlenebilir (ücretsiz katman aboneliğiyle yalnızca ilk iki sayfa işlenir).

  • Belgeleri analiz etmek için dosya boyutu ücretli (S0) katman için 500 MB ve 4 ücretsiz (F0) katman için MB'tır.

  • Görüntü boyutları 50 piksel x 50 piksel ile 10.000 piksel x 10.000 piksel arasında olmalıdır.

  • PDF’leriniz parola korumalıysa göndermeden önce kilidi kaldırmanız gerekir.

  • Ayıklanacak metnin en düşük yüksekliği 1024 x 768 piksel görüntü için 12 pikseldir. Bu boyut, yaklaşık 150 nokta/inç (DPI) nokta metnine karşılık gelir 8 .

  • Özel model eğitimi için eğitim verileri için en fazla sayfa sayısı özel şablon modeli için 500, özel sinir modeli için 50.000'dir.

    • Özel ayıklama modeli eğitimi için eğitim verilerinin toplam boyutu şablon modeli için 50 MB ve 1 sinir modeli için GB'tır.

    • Özel sınıflandırma modeli eğitimi için eğitim verilerinin toplam boyutu en fazla 10.000 sayfa ile GB'tır 1 . 2024-11-30 (GA) için eğitim verilerinin toplam boyutu gb ve en fazla 10.000 sayfadır 2 .

Desteklenen diller ve yerel ayarlar

Desteklenen dillerin tam listesi için önceden oluşturulmuş model dili destek sayfamıza bakın.

Alan ayıklamaları

Desteklenen belge ayıklama alanları için GitHub örnek depomuzdaki payStub model şeması sayfasına bakın.

Desteklenen yerel ayarlar

prebuilt-payStub.us sürümü en-us yerel ayarını destekler.

Sonraki adımlar

  • Document Intelligence Studio ile kendi formlarınızı ve belgelerinizi işlemeyi deneyin

  • Belge Zekası hızlı başlangıcını tamamlayın ve seçtiğiniz geliştirme dilinde bir belge işleme uygulaması oluşturmaya başlayın.