Главная страница Case Studies Кейс: Сбор и разметка документов для распознавания текста

Кейс: Сбор и разметка документов для распознавания текста

Всего за два месяца мы собрали и разметили 5.000 рукописных документов. Инновационный подход с краудсорсингом, Telegram-ботом и автоматической валидацией обеспечил высокое качество и точность данных.

Данные:

5000 документов
Сроки:

2 месяца.

Задача:
Когда мы начали проект, перед нами поставили интересную задачу: собрать и аннотировать 5000 рукописных документов для обучения системы распознавания текста. Цель клиента заключалась в создании модели, которая могла бы эффективно обрабатывать различные типы документов, включая трудовые книжки, заявления и служебные расписки. Всего на эту задачу у нас было два месяца.

Ключевые требования к документам были такими:
1. Максимальное разнообразие почерков.
2. Минимизация ошибок и обеспечение высокого качества аннотированных данных.
3. В основном использование рукописного текста по сравнению с печатным.
Решение:

Подготовка шаблонов:

Мы столкнулись с интересным вопросом: какие документы собирать? Сначала мы планировали использовать трудовые книжки для сбора данных.

Это было бы удачной идеей: в них можно встретить большое количество почерков, что было особенно важно для заказчика. Мы хотели попросить участников отправлять первый разворот для проверки, а затем и остальные страницы. Однако из-за требований к защите персональных данных пришлось отказаться от этого подхода.

Но мы нашли новое решение, которое решало проблему: участники переписывали заявление по подготовленному шаблону. Это позволило собрать нужное разнообразие почерков без использования личной информации, упростило процесс и обеспечило соблюдение конфиденциальности.
Организация краудсорсинга:
Мы разработали стратегию сбора данных с использованием краудсорсинга через платформу заданий и собственный Telegram-канал. Наши шаги включали:
- Планирование заданий: Исполнители получали шаблоны документов для заполнения рукописным текстом. Использование краудсорсинга обеспечило широкий спектр почерков
- Оптимизация процесса: Исполнители, успешно выполнившие первое задание, могли продолжить работу с новыми документами, что увеличивало их вовлеченность и снижало вероятность ошибок.
Решение проблем с персональными данными:

Для соблюдения конфиденциальности мы изменили подход:использование шаблонов. Вместо реальных трудовых книжек предлагались безопасные для заполнения шаблоны документов.
Разработка Telegram-бота:
Мы создали Telegram-бота, который значительно улучшил взаимодействие с исполнителями:
- Инструкции и обратная связь: Бот предоставлял четкие указания и давал обратную связь, что способствовало улучшению качества выполнения заданий.
- Ускорение процесса: Интерактивность бота упростила передачу данных и взаимодействие, минимизируя ошибки.
Платформа для автоматической валидации данных:
Для повышения точности и эффективности мы интегрировали систему автоматической проверки:
- Автоматическая проверка: Каждый присланный документ проходил проверку на соответствие требованиям.
- Мониторинг и отчетность: Платформа предоставляла статистику в реальном времени, что позволяло отслеживать и корректировать процесс.
Качество и контроль данных:

Постоянный контроль: Регулярные проверки позволили избежать дублирования и фальсификаций.
Результаты:
1. Объем:
  
  Собрано и аннотировано 5000 уникальных рукописных документов за два месяца. Причем качество данных, как отметил клиент, было очень высоким.
2. Повышение конверсии:
  
  Внедрение Telegram-бота увеличило конверсию с 60% до 85%.
3. Своевременное выполнение:
  
  Проект успешно завершен в срок. Заказчик остался доволен результатом и эффективностью взаимодействия.

Другие кейсы

Сбор данных для задач антиспуфинга

Для крупной биометрической компании мы собрали 2 000 фотографий, необходимых для защиты от спуфинг-атак. Благодаря широкой базе исполнителей клиент получил данные быстро, все они соответствовали строгим стандартам качества.

Подробнее