发票和收据的结构相当多样化。为了定义投资回报率，我想通过在包含相关信息（例如增值税金额）的某些区域周围标记边框来标记一组现有发票。最好的方法是什么？
我的想法是用相应的边界框标记一组发票，以标识包含相关信息的有趣区域并使用tesseract识别这些区域中的文本。对于一张新发票，我将测试所有现有模式，如果一个模式完全匹配，我将开始根据各自的投资回报率提取信息。
这是做事的好方法还是提取信息的更好方法？我想使用tesseract进行提取，使用tensoflow进行神经网络训练，以针对新文档进行伪造。但是，我觉得这有点笨拙，但是我缺少更好的方法。当然，对于具有相应模式的文本提取，我将使用正则表达式，但这仅适用于非常有限的一组发票结构。