Bildbasierte Dokumentklassifikation

Question

Ich teste gerade die Gewässer hier ... Der typische Ansatz zur Klassifizierung von Dokumenten ist mit bag of words, aber das bedeutet, dass das Dokument elektronisch, nativ oder oktarisch ist. Für Standarddokumente denke ich an Regierungsformulare, ich frage mich, ob wir das Bild ein wenig manipulieren könnten, um in eine standardisierte Form zu kommen und eine Alpha-Ebene zu erstellen, wo die Wörter sind. Vielleicht nicht die eigentlichen Worte, aber ihre Form. Dann vergleichen Sie diese Alpha-Schicht mit etwas maschinellem Lernen, um zu sehen, ob wir eine Übereinstimmung haben. Ich habe fast das Gefühl, dass jedes Dokument einen Fingerabdruck hat ... visuell.

Die Idee wäre, 100h Versionen eines Dokuments in einen Ordner zu dumpen, einige Verarbei- tung zu vereinheitlichen und dann einen Algorithmus auszuführen, um den Fingerabdruck des Dokuments zu finden.

Wieder fange ich gerade eine Konversation an. Hält dieser Gedanke Wasser? Wird es schon gemacht? Ich freue mich auf Ihre Antworten!

Answer 1

Ich denke, das ist absolut ein interessanter Ansatz. Vor allem für Dokumente, bei denen der Text nicht vollständig lesbar ist (von schlechten Scans, Fotokopien, Telefonbildern usw.). Ich denke, dass Sie mit einer angemessenen Anzahl von Beispielen in der Lage sein sollten, ein Deep Learning-Modell zu verwenden und diese Dokumente durch ihr Aussehen zu klassifizieren.

Beantworten Sie Ihre Frage: Ja, es wurde schon einmal gemacht (ziemlich schön meiner Meinung nach) mit CNN here. Es gibt wahrscheinlich andere Papiere da draußen, aber ich denke, das passt zu dem, wonach du verlangst?

Frieden!