識別來自OCR圖像的關鍵數據

Question

是否有人知道任何產品，庫或解決方案商業或開源或甚至可以協助解決以下問題的方法;

我正在使用Nuance的Omnipage進行OCR處理。這很好。但我想根據各種模式以各種形式查找數據。這可能是會計憑證，但重要的是即使原始數據的類型是異構的，並且存在共同的因素，但是它們很難以基於規則的方式來定義。 我發現這部分地解決我的問題一個較早的問題（但它認爲我已經結構化的PDF格式的，我不）

有幾個共同因素 *類型的文件都差不多 *定關鍵詞要麼在我正在尋找的東西的前面或上面，但這些關鍵字可能有同義詞 *有像日期這樣的數據可能是基於國家的不同格式;例如DD/MM/YYYY，MM/DD/YYYY，YYYY-MM-DD，DD'th MMM，YYYY等（我想我們知道國家） *金額可以用小數點或小數點逗號我們知道這個國家）

Answer 1

據我所知，你需要爲半結構化表單構建數據捕獲解決方案：它們都包含基本相同的一組數據，但佈局可能因文檔的來源而有所不同。沒有銀色的子彈，你需要定義一些規則，以便如何在文檔中找到正確的字段，以及可能的synonims是什麼關鍵字，關鍵字和數據本身之間的幾何關係是什麼。

但是，有一種產品可以使這個過程變得更加簡單，而且在C++中編程需要用可視化工具描述這種關係，這種工具是專門爲此設計的，並且已經內置了很多東西。

ABBYY FlexiCapture

該產品是相當強大的，streamiles文檔佈局desciptions，它的測試和數據提取自身的發展。

也有它的一個SDK版本：

ABBYY FlexiCapture Engine

聲明：我ABBYY