Amazon Text เป็นบริการแมชชีนเลิร์นนิง (ML) ที่แยกข้อความ ลายมือ และข้อมูลจากเอกสารหรือรูปภาพใดๆ โดยอัตโนมัติ ลายเซ็น AnalyseDocument เป็นคุณสมบัติภายใน Amazon Texttract ที่ให้ความสามารถในการตรวจหาลายเซ็นในเอกสารใด ๆ โดยอัตโนมัติ สิ่งนี้สามารถลดความจำเป็นในการตรวจสอบโดยมนุษย์ โค้ดที่กำหนดเอง หรือประสบการณ์ ML
ในโพสต์นี้ เราจะพูดถึงประโยชน์ของคุณลักษณะ AnalyseDocument Signatures และวิธีที่ AnalyseDocument Signatures API ช่วยตรวจหาลายเซ็นในเอกสาร นอกจากนี้ เรายังแนะนำวิธีการใช้คุณสมบัติผ่าน Amazon Textract Console และให้ตัวอย่างโค้ดเพื่อใช้ API และประมวลผลการตอบสนองด้วยไลบรารีตัวแยกวิเคราะห์การตอบสนองของ Amazon Textract สุดท้ายนี้ เราแบ่งปันแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้คุณลักษณะนี้
ประโยชน์ของคุณสมบัติลายเซ็น
ลูกค้าของเราจากอุตสาหกรรมประกันภัย การจำนอง กฎหมาย และภาษีต้องเผชิญกับความท้าทายในการประมวลผลเอกสารที่เป็นกระดาษจำนวนมาก ในขณะที่ปฏิบัติตามข้อกำหนดด้านกฎระเบียบและการปฏิบัติตามกฎระเบียบที่ต้องมีการลงนามในเอกสาร คุณอาจต้องแน่ใจว่าแบบฟอร์มเฉพาะ เช่น ใบสมัครขอสินเชื่อหรือการเรียกร้องที่ส่งโดยลูกค้าปลายทางของคุณมีลายเซ็นก่อนที่คุณจะเริ่มดำเนินการกับใบสมัคร สำหรับเวิร์กโฟลว์การประมวลผลเอกสารบางอย่าง คุณอาจต้องไปอีกขั้นเพื่อแยกและเปรียบเทียบลายเซ็นสำหรับการตรวจสอบ
ในอดีต ลูกค้ามักกำหนดเส้นทางเอกสารไปยังผู้ตรวจสอบที่เป็นบุคคลเพื่อตรวจหาลายเซ็น การใช้ผู้ตรวจสอบที่เป็นมนุษย์เพื่อตรวจหาลายเซ็นมักจะต้องใช้เวลาและทรัพยากรจำนวนมาก นอกจากนี้ยังสามารถนำไปสู่ความไร้ประสิทธิภาพในเวิร์กโฟลว์การประมวลผลเอกสาร ส่งผลให้มีเวลาตอบสนองนานขึ้นและผู้ใช้ปลายทางได้รับประสบการณ์ที่ไม่ดี
คุณลักษณะ AnalyseDocument Signatures ช่วยให้คุณตรวจหาลายเซ็นที่เขียนด้วยลายมือ ลายเซ็นอิเล็กทรอนิกส์ และชื่อย่อบนเอกสารได้โดยอัตโนมัติ สิ่งนี้สามารถช่วยคุณสร้างโซลูชันที่ปรับขนาดได้โดยอัตโนมัติโดยพึ่งพาการประมวลผลด้วยตนเองที่มีค่าใช้จ่ายสูงและใช้เวลาน้อยลง คุณสามารถใช้คุณลักษณะนี้เพื่อตรวจสอบว่าเอกสารมีการเซ็นชื่อหรือไม่ แต่คุณยังสามารถตรวจสอบได้ว่าฟิลด์ใดฟิลด์หนึ่งในแบบฟอร์มมีการเซ็นชื่อโดยใช้รายละเอียดตำแหน่งที่ตั้งของลายเซ็นที่ตรวจพบ คุณยังสามารถใช้ข้อมูลตำแหน่งเพื่อปกปิดข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้ (PII) ในเอกสาร
วิธีที่ AnalyseDocument Signatures ตรวจจับลายเซ็นในเอกสาร
AnalyseDocument API มีคุณลักษณะสี่ประเภท: ฟอร์ม ตาราง คิวรี และลายเซ็น เมื่อ Amazon Textract ประมวลผลเอกสาร ผลลัพธ์จะถูกส่งคืนเป็นอาร์เรย์ของ ปิดกั้น วัตถุ คุณลักษณะลายเซ็นสามารถใช้โดยตัวมันเองหรือใช้ร่วมกับคุณลักษณะประเภทอื่นๆ เมื่อใช้โดยตัวมันเอง คุณลักษณะประเภทลายเซ็นจะให้การตอบสนอง JSON ที่มีตำแหน่งและคะแนนความเชื่อมั่นของลายเซ็นที่ตรวจพบและข้อความดิบ (คำและบรรทัด) จากเอกสาร ฟีเจอร์ลายเซ็นรวมกับฟีเจอร์ประเภทอื่นๆ เช่น ฟอร์มและตาราง สามารถช่วยดึงข้อมูลเชิงลึกที่เป็นประโยชน์ ในกรณีที่ใช้ฟีเจอร์นี้กับฟอร์มและตาราง การตอบสนองจะแสดงลายเซ็นเป็นส่วนหนึ่งของคู่ค่าคีย์หรือเซลล์ตาราง ตัวอย่างเช่น การตอบกลับสำหรับแบบฟอร์มต่อไปนี้มีคีย์เป็น ลายเซ็นของผู้ให้กู้ และมีค่าเป็น Block
วัตถุ.
วิธีใช้ฟีเจอร์ลายเซ็นบนคอนโซล Amazon Texttract
ก่อนที่เราจะเริ่มต้นกับ API และตัวอย่างโค้ด เรามาทบทวน Amazon Textract Console กันก่อน หลังจากที่คุณอัปโหลดเอกสารไปยัง Amazon Text Console แล้ว ให้เลือก การตรวจจับลายเซ็น ใน กำหนดค่าเอกสาร ส่วนและเลือก ใช้การกำหนดค่า.
ภาพหน้าจอต่อไปนี้แสดงตัวอย่าง paystub บน ลายเซ็น แท็บสำหรับ API วิเคราะห์เอกสารบน Amazon Text Console
คุณลักษณะนี้จะตรวจจับและนำเสนอลายเซ็นด้วยหน้าที่สอดคล้องกันและคะแนนความเชื่อมั่น
ตัวอย่างโค้ด
คุณสามารถใช้คุณลักษณะลายเซ็นเพื่อตรวจหาลายเซ็นบนเอกสารประเภทต่างๆ เช่น เช็ค แบบฟอร์มขอสินเชื่อ แบบฟอร์มการเรียกร้อง สลิปเงินเดือน เอกสารจำนอง ใบแจ้งยอดธนาคาร สัญญาเช่า และสัญญาต่างๆ ในส่วนนี้ เราจะหารือเกี่ยวกับเอกสารเหล่านี้บางส่วนและแสดงวิธีเรียกใช้ AnalyseDocument API ด้วยพารามิเตอร์ Signatures เพื่อตรวจหาลายเซ็น
เอกสารอินพุตสามารถอยู่ในรูปแบบอาร์เรย์ไบต์หรืออยู่ในรูปแบบ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon ที่เก็บข้อมูล (Amazon S3) สำหรับเอกสารในรูปแบบอาร์เรย์ไบต์ คุณสามารถส่งอิมเมจไบต์ไปยังการดำเนินการของ Amazon Textract API ได้โดยใช้ bytes
คุณสมบัติ. ลายเซ็นเป็นประเภทคุณลักษณะได้รับการสนับสนุนโดย AnalyseDocument API สำหรับการประมวลผลเอกสารแบบซิงโครนัสและ StartDocumentAnalysis สำหรับการประมวลผลเอกสารแบบอะซิงโครนัส
ในตัวอย่างต่อไปนี้ เราตรวจพบลายเซ็นในจดหมายยืนยันการจ้างงาน
เราใช้ตัวอย่างโค้ด Python ต่อไปนี้:
มาวิเคราะห์การตอบสนองที่เราได้รับจาก AnalyseDocument API คำตอบต่อไปนี้ถูกตัดออกเพื่อแสดงเฉพาะส่วนที่เกี่ยวข้องเท่านั้น คำตอบมี a BlockType
of SIGNATURE
ที่แสดงคะแนนความเชื่อมั่น รหัสสำหรับบล็อก และรายละเอียดกล่องขอบ:
เราใช้รหัสต่อไปนี้เพื่อพิมพ์ ID และตำแหน่งในรูปแบบตาราง:
ภาพหน้าจอต่อไปนี้แสดงผลลัพธ์ของเรา
รายละเอียดเพิ่มเติมและรหัสที่สมบูรณ์มีอยู่ในสมุดบันทึกบน repo GitHub.
สำหรับเอกสารที่มีลายเซ็นที่อ่านง่ายในรูปแบบค่าคีย์ เราสามารถใช้ แยกวิเคราะห์การตอบสนองข้อความ เพื่อแยกเฉพาะฟิลด์ลายเซ็นโดยค้นหาคีย์และค่าที่สอดคล้องกับคีย์เหล่านั้น:
รหัสก่อนหน้าส่งคืนผลลัพธ์ต่อไปนี้:
โปรดทราบว่าในการถอดความลายเซ็นด้วยวิธีนี้ ลายเซ็นต้องอ่านได้
แนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้คุณลักษณะลายเซ็น
พิจารณาแนวทางปฏิบัติที่ดีที่สุดต่อไปนี้เมื่อใช้คุณลักษณะนี้:
- สำหรับการตอบสนองตามเวลาจริง ให้ใช้การดำเนินการแบบซิงโครนัสของ AnalyseDocument API สำหรับกรณีการใช้งานที่คุณไม่ต้องการการตอบสนองแบบเรียลไทม์ เช่น การประมวลผลเป็นชุด เราขอแนะนำให้ใช้การทำงานแบบอะซิงโครนัสของ API
- คุณลักษณะลายเซ็นทำงานได้ดีที่สุดเมื่อมีลายเซ็นไม่เกินสามรายการในหน้าเดียว เมื่อมีลายเซ็นมากกว่าสามรายการในหน้าหนึ่ง วิธีที่ดีที่สุดคือแบ่งหน้าออกเป็นส่วนๆ และป้อนแต่ละส่วนแยกกันไปยัง API
- ใช้คะแนนความเชื่อมั่นที่ให้มาพร้อมกับลายเซ็นที่ตรวจพบเพื่อกำหนดเส้นทางเอกสารสำหรับการตรวจทานโดยเจ้าหน้าที่ เมื่อคะแนนไม่ตรงตามเกณฑ์ที่กำหนด คะแนนความเชื่อมั่นไม่ใช่การวัดความแม่นยำ แต่เป็นการประมาณค่าความเชื่อมั่นของแบบจำลองในการทำนาย คุณควรเลือกคะแนนความเชื่อมั่นที่เหมาะสมกับกรณีการใช้งานของคุณมากที่สุด
สรุป
ในโพสต์นี้ เราได้แสดงภาพรวมของคุณลักษณะลายเซ็นของ Amazon Textract เพื่อตรวจหาลายเซ็นบนเอกสารโดยอัตโนมัติ เช่น สลิปเงินเดือน สัญญาเช่า และสัญญา ลายเซ็น AnalyseDocument ช่วยลดความจำเป็นของผู้ตรวจสอบที่เป็นมนุษย์ และช่วยให้คุณลดค่าใช้จ่าย ประหยัดเวลา และสร้างโซลูชันที่ปรับขนาดได้สำหรับการประมวลผลเอกสาร
ในการเริ่มต้น ให้เข้าสู่ระบบ Amazon Text Console เพื่อลองใช้คุณสมบัตินี้ หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับความสามารถของ Amazon Texttract โปรดดูที่ Amazon Textที่ คู่มือนักพัฒนา Amazon Text,หรือ ทรัพยากรข้อความ.
เกี่ยวกับผู้เขียน
มารัญ จันทรเศกการัณย์ เป็นสถาปนิกโซลูชันอาวุโสที่ Amazon Web Services ซึ่งทำงานร่วมกับลูกค้าระดับองค์กรของเรา นอกเวลาทำงาน เขาชอบท่องเที่ยวและขี่มอเตอร์ไซค์ใน Texas Hill Country
ชิบิน มิเชลราจ เป็น Sr. Product Manager กับทีม AWS Texttract เขามุ่งเน้นไปที่การสร้างผลิตภัณฑ์ที่ใช้ AI/ML สำหรับลูกค้า AWS
ศุภกาศ ดุตตา เป็น Sr. Solutions Architect ที่ Amazon Web Services เขามุ่งเน้นไปที่กลยุทธ์การเปลี่ยนแปลงทางดิจิทัล การทำให้แอปพลิเคชันทันสมัยและการย้ายข้อมูล การวิเคราะห์ข้อมูล และการเรียนรู้ของเครื่อง เขาเป็นส่วนหนึ่งของชุมชน AI/ML ที่ AWS และออกแบบโซลูชันการประมวลผลเอกสารอัจฉริยะ
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/detect-signatures-on-documents-or-images-using-the-signatures-feature-in-amazon-textract/
- 100
- 7
- a
- ความสามารถ
- เกี่ยวกับเรา
- ความถูกต้อง
- หลังจาก
- ข้อตกลง
- AI / ML
- ช่วยให้
- อเมซอน
- Amazon Text
- Amazon Web Services
- จำนวน
- การวิเคราะห์
- วิเคราะห์
- และ
- API
- การใช้งาน
- การใช้งาน
- แถว
- อัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- AWS
- ธนาคาร
- ก่อน
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ปิดกั้น
- Blocks
- กล่อง
- สร้าง
- การก่อสร้าง
- โทรศัพท์
- ความสามารถในการ
- กรณี
- กรณี
- บาง
- ท้าทาย
- การตรวจสอบ
- Choose
- การเรียกร้อง
- ไคลเอนต์
- ลูกค้า
- รหัส
- การผสมผสาน
- รวม
- ชุมชน
- เปรียบเทียบ
- สมบูรณ์
- การปฏิบัติตาม
- ความมั่นใจ
- ปลอบใจ
- มี
- สัญญา
- ตรงกัน
- ค่าใช้จ่าย
- ประเทศ
- ประเพณี
- ลูกค้า
- ข้อมูล
- วิเคราะห์ข้อมูล
- การออกแบบ
- รายละเอียด
- ตรวจพบ
- การตรวจพบ
- ผู้พัฒนา
- ต่าง
- ดิจิตอล
- แปลงดิจิตอล
- สนทนา
- เอกสาร
- เอกสาร
- Dont
- แต่ละ
- ทั้ง
- อิเล็กทรอนิกส์
- การจ้าง
- ทำให้มั่นใจ
- Enterprise
- ประมาณการ
- ตัวอย่าง
- ตัวอย่าง
- ประสบการณ์
- สารสกัด
- สารสกัดจาก
- ใบหน้า
- ลักษณะ
- สนาม
- สาขา
- มุ่งเน้น
- มุ่งเน้นไปที่
- ดังต่อไปนี้
- ฟอร์ม
- รูป
- รูปแบบ
- ราคาเริ่มต้นที่
- ต่อไป
- โดยทั่วไป
- ได้รับ
- Go
- ตะแกรง
- ความสูง
- ช่วย
- จะช่วยให้
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- ใหญ่
- เป็นมนุษย์
- ID
- ภาพ
- ภาพ
- นำเข้า
- in
- รวมถึง
- อุตสาหกรรม
- ข้อมูล
- อินพุต
- ข้อมูลเชิงลึก
- ประกัน
- ฉลาด
- การประมวลผลเอกสารอัจฉริยะ
- IT
- ตัวเอง
- JSON
- คีย์
- กุญแจ
- นำ
- เรียนรู้
- การเรียนรู้
- กฎหมาย
- ผู้ให้ยืม
- จดหมาย
- ห้องสมุด
- เส้น
- เงินกู้
- ในประเทศ
- ที่ตั้งอยู่
- ที่ตั้ง
- อีกต่อไป
- เครื่อง
- เรียนรู้เครื่อง
- ทำให้
- ผู้จัดการ
- คู่มือ
- วัด
- พบ
- การโยกย้าย
- ML
- ข้อมูลเพิ่มเติม
- จำนอง
- มากที่สุด
- รถจักรยานยนต์
- จำเป็นต้อง
- สมุดบันทึก
- วัตถุ
- วัตถุ
- เสนอ
- การดำเนินการ
- ใบสั่ง
- อื่นๆ
- ด้านนอก
- ภาพรวม
- แบบกระดาษ
- พารามิเตอร์
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- ส่วน
- ที่ผ่านไป
- ส่วนตัว
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- รูปหลายเหลี่ยม
- น่าสงสาร
- โพสต์
- การปฏิบัติ
- คำทำนาย
- นำเสนอ
- พิมพ์
- กระบวนการ
- กระบวนการ
- การประมวลผล
- ผลิตภัณฑ์
- ผู้จัดการผลิตภัณฑ์
- ผลิตภัณฑ์
- คุณสมบัติ
- ให้
- ให้
- ให้
- หลาม
- ดิบ
- จริง
- เรียลไทม์
- ลด
- ลด
- หน่วยงานกำกับดูแล
- ตรงประเด็น
- ความเชื่อมั่น
- ต้องการ
- จำเป็นต้องใช้
- ความต้องการ
- แหล่งข้อมูล
- คำตอบ
- ส่งผลให้
- ผลสอบ
- รับคืน
- ทบทวน
- ริชาร์ด
- ขี่
- เส้นทาง
- ลด
- ที่ปรับขนาดได้
- ค้นหา
- ค้นหา
- Section
- ส่วน
- ระดับอาวุโส
- ความรู้สึก
- บริการ
- บริการ
- Share
- น่า
- โชว์
- แสดงให้เห็นว่า
- ลายเซ็น
- ลงนาม
- สำคัญ
- ง่าย
- ทางออก
- โซลูชัน
- บาง
- โดยเฉพาะ
- แยก
- เริ่มต้น
- ข้อความที่เริ่ม
- งบ
- ขั้นตอน
- การเก็บรักษา
- กลยุทธ์
- ส่ง
- ส่ง
- อย่างเช่น
- ที่สนับสนุน
- ตาราง
- ภาษี
- ทีม
- เท็กซัส
- พื้นที่
- บล็อก
- สาม
- ธรณีประตู
- ตลอด
- เวลา
- ต้องใช้เวลามาก
- ครั้ง
- ไปยัง
- ด้านบน
- การแปลง
- กลยุทธ์การเปลี่ยนแปลง
- การเดินทาง
- ทภก
- ชนิด
- ใช้
- ใช้กรณี
- ตรวจสอบความถูกต้อง
- ความคุ้มค่า
- การตรวจสอบ
- ตรวจสอบ
- ไดรฟ์
- เว็บ
- บริการเว็บ
- ว่า
- ในขณะที่
- ภายใน
- คำ
- งาน
- ขั้นตอนการทำงาน
- การทำงาน
- โรงงาน
- X
- คุณ
- ของคุณ
- ลมทะเล