我有兴趣使用Python和机器学习/自动数据输入。然而，随着我的研究取得进展，我意识到有许多不同的技术，每个都有自己的优势。
我决定如果我向相反的方向学习，我可能会更进一步。即选择一个问题/任务，并通过解决/完成它来学习。
我偶尔需要处理传真的数据处理发票，我希望制作一个程序，可以在我扫描完毕后为我输入这些内容。
传真基本上由2个相同的表组成。每行表示一个单独的工人。第一列是工人姓名（选择6）第二列是地址，其余列是表示不同工作的复选框。页面顶部的框中还有一个发票ID。
我希望有人能够简要解释一下他们将如何解决这个问题。如果他们会使用SVM进行文本识别或其他技术？以及如何让程序在第5个方框中理解勾选方式＆＃39; clean = yes＆＃39;并且左上方框中的数字是ID。我已经做了一些研究，但无法理解如何开始。如何隔离传真的各个部分，例如当您无法保证传真/扫描时的绝对位置/尺寸时，顶部表格及其余页面中的单元格。或者我必须得到数百个传真+这些传真的打印数据，然后比较它们，然后让它慢慢了解传真a和b之间的区别是这里的刻度，ID号通常在这里......
欢迎任何建议！
答案 0 :(得分：1)
从广义上讲，您可以将此过程分为两个阶段：
确定文字的位置。它位于ml和Computer Vision的交叉点，因为在文本识别部分之前，您需要找到该文本所在的位置。这不是一件容易的事，你可以找到行，框等，例如opencv lib，它可能对CV相关的任务很有用。如果所有文档都具有相同的精确形式（相对于扫描列表本身的字段位置），并且您可以完美地扫描它们而不会出现失真（旋转，偏移），您可以尝试在静态区域中搜索文本，其中字段为。
找到文本后，您必须将每个字段的内容分解为单词，然后将单词分解为字符，然后您可以使用这些字符输入识别器（ML部分）并获取每个字符本身的标签。并且手写文本几乎不可能（现在），因此在一般情况下很难识别手写文本。即使字段仅包含打印文本，我建议您避免此步骤，并使用特殊库进行OCR，如tesseract