ระดับเนื้อหา: Overview / Implementation considerations
หลักการและการเลือกใช้
Document recognition ในที่นี้คือการระบุประเภทเอกสารและโครงสร้างหน้า ต่างจาก OCR ที่อ่านข้อความและ KIE ที่สกัด field อาจใช้ layout ภาพและข้อความร่วมกัน รวม class “ไม่รู้จัก” เมื่อเอกสารนอกขอบเขต
การระบุชนิดเอกสารช่วยส่งงานไปวิธีอ่านที่เหมาะสม เช่น ใบรายงานกับคู่มือมีโครงสร้างและช่องสำคัญต่างกัน Layout คือการจัดวางส่วนบนหน้า ซึ่งอาจเป็นหลักฐานร่วมกับข้อความ แต่เอกสารมีโลโก้เหมือนกันไม่ได้หมายถึงชนิดเดียวกัน ต้องแยกการจำแนกจากการอ่านข้อความและการยืนยันความแท้ ไม่ใช้ชื่อชนิดที่ระบบเลือกเป็นหลักฐานว่าเอกสารมีผลรับรองจริงตามกฎหมายหรือวิชาชีพ
วิศวกรกำหนด taxonomy หรือรายการชนิดพร้อมกรณีเอกสารผสมและสถานะไม่รู้จัก ต้องนิยามหน่วยคำตอบเป็นหน้า ช่วงหน้า หรือทั้งฉบับ และกติกาการรวมก่อนส่ง KIE หากหน้าท้ายมีตารางต่างจากหน้าแรก ต้องใช้ข้อมูลครบตามขอบเขต การแบ่ง train กับ test ควรแยก template และฉบับต้นทาง ไม่ให้หน้าซ้ำหรือสำเนาสแกนจากฉบับเดียวสร้างภาพว่าทนเอกสารใหม่ได้
เลื่อนแผนภาพซ้าย–ขวาเพื่อดูรายละเอียดครบทุกส่วน
ตัวอย่างในบริบทอุตสาหกรรม
ตัวอย่างเชิงออกแบบ: แยกใบสอบเทียบ ใบตรวจหน้างาน และคู่มือก่อนเลือก schema สกัดข้อมูล โดยเอกสารหลายหน้าอาจต้องจัดกลุ่มก่อนจำแนกทั้งฉบับ
สมมติแฟ้มสแกนรวมใบรายงานกับหน้าคู่มือไว้ด้วยกัน หากจำแนกตามหน้าแรกแล้วใช้ schema เดียวทั้งแฟ้ม อาจสกัดหมายเลขหรือวันที่จากหน้าผิด ต้องมีกติกาแบ่งเอกสารและตรวจความต่อเนื่องก่อน ผู้ตรวจควรเห็นหน้าที่ใช้ตัดสินและชนิดที่ไม่แน่ใจ ไม่ให้ระบบบังคับทุกหน้าเป็นชนิดที่รู้จักเพียงเพื่อให้ขั้นสกัดต่อมีคำตอบครบ
วิศวกรทดสอบแฟ้มหลายหน้าและ template ใหม่ พร้อมเอกสารที่โลโก้เหมือนแต่ชนิดต่าง ตรวจว่าการหมุน สแกน และลำดับหน้าถูกเก็บครบ เมื่อ routing หรือการส่งต่อเลือก schema ผิด ต้องย้อนดูชนิดและหลักฐาน ไม่แก้ค่าท้ายทางอย่างเดียว การส่งออกควรมีรุ่น taxonomy และสถานะไม่ยืนยันสำหรับคนทบทวน พร้อมสิทธิ์ดูเอกสารที่อาจมีข้อมูลบุคคลหรือข้อมูลอุปกรณ์ลับ
ขั้นตอนศึกษาและทดลอง
- 1 นิยาม taxonomy และกรณีเอกสารผสมหลายชนิด
- 2 เก็บตัวอย่างตาม template ภาษา และแหล่งสแกน
- 3 ทดสอบ template ที่ไม่เคยเห็นและจัด unknown ส่งคนตรวจ
วิธีประเมินและนิยามผล
รายงาน confusion matrix ระดับหน้าและเอกสาร อัตราปฏิเสธเอกสารใหม่ และผล routing ผิดที่ทำให้ KIE ใช้ schema ไม่ตรง
การถูกระดับหน้าไม่รับรองว่าจัดกลุ่มทั้งฉบับถูก ต้องรายงานทั้งชนิดและการรวมหน้าที่ใช้จริง รวมแฟ้มผสมและชนิดไม่รู้จัก อัตราปฏิเสธต้องดูคู่กับการปฏิเสธฉบับที่ตามขอบเขตตอบได้ ไม่ใช้การส่งทุกเอกสารใหม่ให้คนตรวจแล้วกล่าวว่าระบบจำแนกแม่นทั้งหมด และควรแสดงผลต่อช่องสำคัญหลัง routing เพราะการเลือกชนิดผิดอาจทำให้คำตอบท้ายทางดูครบแต่มีความหมายผิด
วิศวกรกัน template อิสระและใช้คำตอบที่ผู้ตรวจยืนยัน ตรวจ confusion matrix ที่แยกชนิดใกล้กัน พร้อมภาพหน้าและโครงสร้างที่ใช้ หากผลเสียเฉพาะสแกนใหม่ให้ตรวจการปรับภาพและข้อมูลต้นทางก่อนเปลี่ยนโมเดล เอกสาร LayoutLM และ OCR เป็นอ้างอิงการรวมข้อมูลและอ่าน ไม่ใช่หลักฐานยืนยันความแท้หรือการรองรับเอกสารทุกแบบของผลิตภัณฑ์ และต้องบันทึกเงื่อนไขให้ทดสอบซ้ำได้
ข้อจำกัดและกรณีผิดพลาด
โลโก้หรือรูปแบบหัวกระดาษอาจเป็น shortcut เมื่อ template เปลี่ยนโมเดลอาจจำแนกผิด ทั้งการจำแนกและ OCR ไม่ยืนยันความแท้ของเอกสาร
Shortcut คือความสัมพันธ์ง่ายในข้อมูลที่ไม่ตรงสิ่งที่ต้องเรียน เช่น ใช้โลโก้แทนโครงสร้างใบรายงาน เมื่อตราเดิมอยู่บนเอกสารใหม่จึงผิดได้ ต้องมีภาพทดสอบที่ลดความสัมพันธ์ลวงอย่างเหมาะสมและสถานะไม่ทราบ ไม่ใช้ชื่อชนิดหรือข้อความที่อ่านได้เป็นหลักฐานว่าใบรับรองถูกออกจริงหรือค่าทางวิชาชีพถูกต้อง ซึ่งต้องใช้กระบวนการตรวจแยกจากการวิเคราะห์ภาพ
การรวมหลายหน้าช่วยบริบทแต่เพิ่มเวลาและความผิดจัดลำดับ การจำแนกหน้าเดียวง่ายแต่เสี่ยงแฟ้มผสม ต้องเลือกตามการรับเอกสารจริงและมีคนทบทวนเมื่อไม่ชัด ตัวอย่างนี้เป็นขั้นออกแบบ routing ไม่ยืนยันว่าผลิตภัณฑ์จัดกลุ่มหรือจำแนกเอกสารปัจจุบันได้แล้ว และการใช้เอกสารอ้างอิงเป็นแนวพัฒนา ไม่รับรองความครบของชนิด ภาษา หรือการปฏิบัติตามข้อกำหนดการเก็บเอกสารทุกกรณี
รายการตรวจสอบก่อนนำไปใช้
- แบ่งตาม template ไม่ใช่หน้าซ้ำหรือไม่
- มี unknown class และ review หรือไม่
- แยกการระบุชนิดจากการยืนยันความแท้หรือไม่