23分钟前发布
扫描件是图片,里面没有文字层,模型只能靠识别去读,准确率取决于清晰度。
300 dpi 以上的扫描件,识别准确率通常在 95% 以上;手机拍的斜角照片,可能只有 70%。
读不出字一般卡在 3 处:分辨率太低、页面倾斜、字被印章或手写盖住。
处理顺序是先转图片再提清晰度,用 200 到 300 dpi 重新导出,一页一张图。
倾斜的页面先摆正,识别前把边缘裁掉,只留正文区域。
如果原件本身模糊,识别再准也没用,这种情况要人工核对关键数字。
1 份 10 页的扫描件,重新导出加识别,大概 15 分钟能拿到可用文本。
页数多的时候,先挑有金额和日期的那几页做,其他的排队处理。
我们处理过一批 60 页的扫描合同,前两轮全是乱码,后来按顺序做才通。
1. 先用扫描软件重新导出,分辨率设 300 dpi,输出成单页图片,别直接传整本 PDF。
2. 把图片按页命名,01 到 60,页码对得上,后面核对时才知道漏了哪页。
3. 一次传 3 到 5 页,让它逐页转文字,一次传 60 页容易中途截断。
4. 转完让它把每页首尾两行复述一遍,用来判断有没有漏页或错页。
按这个流程走,60 页的识别准确率能到 9 成以上,剩下的靠人工抽查金额和日期。
中途有个坑,有一页盖了骑缝章,识别出来把章上的字混进了正文,得手动删掉。
现在我们的做法是扫描时就避开印章区,能少一半核对时间。
传之前先确认这 5 项,能省掉一轮返工。
分辨率:200 到 300 dpi,低于 150 dpi 的字容易糊成一团。
文件格式:单页图片优于整本 PDF,PNG 优于高压缩的 JPG。
页面方向:全部摆正,横版页面单独转一次,否则识别顺序会乱。
单页字数:一页超过 1500 字就拆开,字太密识别时容易串行。
签章页:涉及签章和金额的页面单独存 1 份,便于人工核。
这 5 项确认完,1 次能过 8 成页面,剩下的逐个补。
文件命名也顺手改一下,用页码加内容,后面找原文方便。
扫描时用灰度模式,比彩色少一半体积,传起来也快。
最多设置5个标签!
扫描件是图片,里面没有文字层,模型只能靠识别去读,准确率取决于清晰度。
300 dpi 以上的扫描件,识别准确率通常在 95% 以上;手机拍的斜角照片,可能只有 70%。
读不出字一般卡在 3 处:分辨率太低、页面倾斜、字被印章或手写盖住。
处理顺序是先转图片再提清晰度,用 200 到 300 dpi 重新导出,一页一张图。
倾斜的页面先摆正,识别前把边缘裁掉,只留正文区域。
如果原件本身模糊,识别再准也没用,这种情况要人工核对关键数字。
1 份 10 页的扫描件,重新导出加识别,大概 15 分钟能拿到可用文本。
页数多的时候,先挑有金额和日期的那几页做,其他的排队处理。
我们处理过一批 60 页的扫描合同,前两轮全是乱码,后来按顺序做才通。
1. 先用扫描软件重新导出,分辨率设 300 dpi,输出成单页图片,别直接传整本 PDF。
2. 把图片按页命名,01 到 60,页码对得上,后面核对时才知道漏了哪页。
3. 一次传 3 到 5 页,让它逐页转文字,一次传 60 页容易中途截断。
4. 转完让它把每页首尾两行复述一遍,用来判断有没有漏页或错页。
按这个流程走,60 页的识别准确率能到 9 成以上,剩下的靠人工抽查金额和日期。
中途有个坑,有一页盖了骑缝章,识别出来把章上的字混进了正文,得手动删掉。
现在我们的做法是扫描时就避开印章区,能少一半核对时间。
传之前先确认这 5 项,能省掉一轮返工。
分辨率:200 到 300 dpi,低于 150 dpi 的字容易糊成一团。
文件格式:单页图片优于整本 PDF,PNG 优于高压缩的 JPG。
页面方向:全部摆正,横版页面单独转一次,否则识别顺序会乱。
单页字数:一页超过 1500 字就拆开,字太密识别时容易串行。
签章页:涉及签章和金额的页面单独存 1 份,便于人工核。
这 5 项确认完,1 次能过 8 成页面,剩下的逐个补。
文件命名也顺手改一下,用页码加内容,后面找原文方便。
扫描时用灰度模式,比彩色少一半体积,传起来也快。
一周热门 更多>