Los recibos generalmente se reciben en forma de imágenes, no de cadenas de texto. Esto se debe a que los recibos son documentos físicos en papel que se escanean o fotografían para su posterior procesamiento.

Para extraer información de estas imágenes, se utilizan métodos de reconocimiento óptico de caracteres (OCR). Después del reconocimiento, la imagen se convierte en texto, que puede ser analizado y utilizado en sistemas de aprendizaje automático.

Por lo tanto, los datos originales son imágenes de recibos, y las cadenas de texto se generan en la etapa de procesamiento y reconocimiento.

Anterior Siguiente