DocFormer və BROS nədir?

DocFormer və BROS müasir modellərdir, sənədlərin emalı üçün dərin öyrənmə metodlarından istifadə edir, xüsusən Document AI və OCR tapşırıqlarında.

• DocFormer — bu transformator modelidir, sənədin görüntüsü, mətn və mövqe məlumatlarını birləşdirir, sənədlərin quruluşunu və məzmununu anlamaq üçün. Çətin sənədlərdən məlumat çıxarmaqda istifadə olunur, burada yalnız mətn ardıcıllığı deyil, həm də elementlərin vizual yerləşdirilməsi vacibdir.

• BROS (Skane edilmiş sənədlərin bimodal nümayəndəliyi) — bu model də vizual və mətn məlumatlarını birləşdirir, lakin skane edilmiş sənədlərə yönəlib. BROS, şəkil və mətn arasındakı əlaqəni daha yaxşı tutmaq üçün bimodal nümayəndəlik istifadə edir, bu da sənədlərin təsnifatı, çıxarılması və anlaşılmasını yaxşılaşdırır.

Hər iki model sənədlərin tanınması və analizi sistemlərinin dəqiqliyini və səmərəliliyini artırmağa kömək edir, xüsusən də ənənəvi OCR və NLP metodları mürəkkəb quruluş və ya ilkin məlumatların keyfiyyəti səbəbindən yaxşı işləmədikdə.