OCR文档自学习
本文介绍OCR文档自学习概述。
功能简介
OCR文档自学习，是面向无算法基础的企业与个人开发者用户，通过全流程可视化操作，支持用户完成模板配置、数据处理与标注、模型构建与训练、部署发布等操作的一站式工具平台。本平台采用少样本训练、智能预标注，视觉-语义联合学习等前沿AI技术，支持客户低成本实现个性化场景的文档数字化和信息化业务。
功能详情
OCR文档自学习现支持模板和模型两大类任务的自主训练。用户可以通过配置模板或少量标注数据，训练出更满足业务场景需求的AI智能模型。
模板：
自定义KV模板
配置一张模板图片，包括字段信息和规则，无需额外标注其他图片，也无需等待训练，即可完成固定版式票证的自定义字段抽取。更多信息及操作详见操作指南。
参照字段和识别字段自定义表格模板
配置一张模板表格图片，包括字段信息和规则，无需额外标注其他图片，也无需等待训练，完成固定版式且有框线的单页表格自定义单元格抽取。更多信息及操作详见操作指南。
模型：
单据票证信息抽取
数据驱动，通过小样本数据标注、训练，实现对版式相对固定的单据、证件、凭证的关键字段进行信息抽取，更多信息及操作详见操作指南。
若标注无误则点击表格信息抽取
数据驱动，通过小样本数据标注、训练，实现对版式相对固定的表格、表单的关键字段进行信息抽取。更多信息及操作详见操作指南。
长文档信息抽取
数据驱动，通过小样本数据标注、训练，实现对多版式、非结构化的长文档关键信息进行抽取。更多信息及操作详见长文档信息抽取。
工具箱：
「自定义模板」和「信息抽取模型」功能都能够做抽取的任务，那么我们如何确定什么情况下选择什么能力呢？
自定义模板：仅通过一张样本图配置，无需进行模型训练，适用于数据版式固定，对字段抽取准确率要求不高的业务冷启动快速验证阶段。
信息抽取模型：标准的“标注数据-模型训练”流程，通过可视化的模型标训完成业务专属的模型定制，适用于数据版式相对固定或可枚举，样本数量较为充足，对信息抽取准确率要求较高的业务稳定阶段。
价值主张
数据资产化：
支持数据资产的闭环管理（上传、处理、标注等），提供一站式预处理与标注工具，通过平台可视化引导，服务无算法基础的用户，5分钟内完成自定义模板任务从创建到发布全流程，从而持续沉淀数据资产，助力业务的转型升级。
模型业务化：
通过预置的通用多模态AI能力，通过沉淀的数据资产，支持用户一键训练更满足业务场景需求的自主定制化模型，通过预训练模型、图文多模态算法和少样本信息抽取等核心技术能力，更高效、高精度地满足业务场景的需求。
管理平台化：
通过一站式的工具平台，提供从数据资产管理、模型构建、训练、部署的全流程管理工具，支持用户对模型评测与业务效果持续跟踪，未来通过持续业务正、负样本回流，实现业务运营管理的终生学习与持续迭代升级。提升业务场景的闭环与价值的持续提升。
产品优势
多模态文档信息抽取
围绕“视觉文档信息抽取”中心，致力于解决复杂视觉文档的个性化信息抽取痛点，构建服务稳定、效果精准、链路智能的自学习信息抽取平台。
零代码自主定制
通过少样本等技术手段，降低模型训练门槛，让无算法基础的用户结合自己场景数据，自主完成模型定制，将数据资产转化成服务资产。
高精度模型效果
内置超大规模多模态预训练模型、多场景高精度文字识别模型，和统一的信息抽取模型，满足不同场景零代码建模的精度需求。
高效模型生产效率
内置智能化预标注和方便易用的一站式标注套件极大提升标注效率，内置基础预训练模型大幅提升模型在微调阶段的训练效率。
灵活的部署形态
支持高可用公共云形态与本地私有化部署，满足不同客户的落地需求。
应用场景
票据单证抽取
支持对各类单据、票证的KV信息抽取，识别率可达95%，适用于版式相对固定且可枚举的场景。
表格表单解析
可实现对各类表格表单的信息抽取，识别率可达95%，适用于版式相对固定且可枚举的场景。
非结构化长文档解析
支持对各类非结构化文档进行自动化信息抽取，识别率可达85%，适用于处理非结构化的多页文档。
公告公文处理
支持公告公文等类型的文档信息抽取，通过文档自学习平台实现版式样式不固定下的文档处理。
联系我们
如需更多沟通可通过钉钉群联系我们
【官方】阿里云OCR文档自学习用户答疑群：26560014923
【官方】阿里云OCR公共云客户交流群：35208328
【官方】阿里云文档智能客户交流群：44854217