Intelligently Extract Text & Data from Document with OCR NER

欢迎来到“使用 OCR NER 从文档中智能提取文本和数据”课程！！！

在本课程中，您将学习如何开发定制的命名实体识别器。本课程的主要思想是从扫描的文件中提取实体，如发票、名片、运单、提单文件等。但是，为了数据隐私，我们将视图限制在名片上。但是您可以使用框架解释各种财务文件。下面给出的是我们开发项目所遵循的课程。

为了开发这个项目，我们将使用数据科学中的两种主要技术，

1. 计算机视觉
2. 自然语言处理

在计算机视觉模块中，我们将扫描文档，识别文本的位置，最后从图像中提取文本。然后在自然语言处理中，我们将从文本中提取实体并进行必要的文本清洗并从文本中解析实体。

计算机视觉模块中使用的 Python 库。

• OpenCV
• Numpy
• Pytesseract

自然语言处理中使用的 Python 库

• Spacy
• Pandas
• Regular Expression
• String

由于是结合两大技术开发的项目，为了便于理解，我们将课程分为几个开发阶段。

阶段 -1：我们将通过执行必要的安装和要求来设置项目。

• 安装 Python
• 安装依赖

阶段-2：我们将进行数据准备。也就是说，我们将使用 Pytesseract 从图像中提取文本，并进行必要的清理。

• 收集图像
• Pytesseract 概述
• 从所有图像中提取文本
• 清理和准备文本

阶段 -3：我们将看到如何使用 BIO 标记来标记 NER 数据。

• 使用 BIO 技术手动标记
  • B – 开始
  • I – Inside
  • O – Outside

阶段-4：我们将进一步清理文本并预处理数据以训练机器学习。

• 为 Spacy 准备训练数据
• 将数据转换为 spacy 格式

阶段 -5：使用预处理数据，我们将训练命名实体模型。

• 配置 NER 模型
• 训练模型

阶段 -6：我们将使用 NER 和模型预测权利，并创建用于解析文本的数据管道。

• 加载模型
• 使用置换渲染和服务
• 在图像上绘制边界框
• 从文本中解析标题

最后，我们将把所有东西放在一起并创建文档扫描仪应用程序。

你准备好了吗 ！！！

让我们开始开发人工智能项目。