使用文档AI处理器从PDF (英语、德语、意大利语)中提取文本非常好，但有时OCR不匹配。特别是在“单词”不是字典中的单词，而是包含字母和数字的部分数字有问题的情况下(主要是O0L1-5S)。有没有办法告诉文档AI使用PDF中包含的文本(作为文本)。对于我的知识文档，AI使用PDF页面的图像来对内容进行ocr。
是否有任何标志可自定义文档AI以使用文本版本或任何其他想法？我需要使用文档AI，因为我希望以正确的方式提取
浏览 2提问于2021-07-05得票数 0
我将扫描的PDF文件传递到Google文档AI OCR中。JSON响应(或者在使用Python时返回的文档对象)以结构化格式包含PDF的内容，正如所描述的。我也希望能够输出一个PDF文件(或者XML，如果更简单的话)。有这样的功能吗？任何关于可能的实现的提示都是非常感谢的。注意:在我执行任务之前，PDF已经是另一个工具的OCRed了，但是质量不如文件AI OCR那么好。
谢谢
浏览 1提问于2021-04-07得票数 0
回答已采纳
我有PDF文档，它有很多截图和非常少的文本。当用户询问特定的问题时，我如何直接显示PDF本身。
浏览 2提问于2020-09-21得票数 0
回答已采纳
1回答
目标：
文本消息是PDF文件中的图片。你需要什么工具来使用我订购的工具？
不管它付不付服务费。您只需要发送一个PDF文件和短信，然后检索答案，如果有匹配和结果是什么。
浏览 0提问于2018-08-18得票数 1
我使用ScanSnap S1500M将所有纸质文档扫描到/PDF-S1500M/-我想使用对文本进行OCR。我想(每天)自动化这个过程：
我应该用自动售货
浏览 5提问于2011-08-18得票数 1
回答已采纳
即$f = `java -jar /OCR/ocr.jar /Folder/$path /ocr/output.txt`;java -jar /OCR/ocr.jar /Folder/Sub\ Folder/filetoocr.pdf /
浏览 1提问于2010-04-15得票数 0
1回答
我们希望将pdf文档中的图像从不同的语言转换为英语。它们是扫描过的图像，很多时候都有表格或一些结构。我们希望翻译成英语，但尽可能保留文档的结构。因此，仅仅基于纯文本的翻译是不够的。
浏览 6提问于2021-07-21得票数 0
我需要训练一个自定义的OCR在顶点AI。我的数据有裁剪图像的文件夹，每个图像都是一行，csv文件有2列:图像名和图像中的文本。但是当我试图将它导入到顶点AI的中时，我发现图像数据集只支持分类、分割和目标检测。我可以使用顶点AI进行训练，如何做到这一点？
浏览 9提问于2022-04-20得票数 1
回答已采纳
1回答
我在Dolphin服务菜单文件中有这一行，该文件包含用于PDF处理的许多其他命令：它的优点是提供表单MY_PDF_ocr.pdf的输出文件，从而保留输入文件的名称。为此，我可以用这句话：
Exec=konsole --noclose -e ocrmypdf "%u&
浏览 0提问于2022-11-30得票数 0
回答已采纳
1回答
在r中的pdf上执行ocr时出错
、、、、
在r中的pdf上尝试OCR，这给了我错误。运行代码后，也会生成"i.txt“文件，但仍然会出现错误。'"D:/Software_for_PDF_OCR/xpdf-tools-win-4.00/bin64/pdftoppm.exe D:/PDF_OCR_File/test.pdf -f 1 -lD:/PDF_OCR_File/t
浏览 3提问于2017-09-20得票数 0
3回答
到目前为止，我只想将扩展从".pdf.OCR.pdf“更改为".pdf”，我得到了以下代码但是它似乎不适用于有多个点的扩展--我做错了什么？
浏览 5提问于2015-08-27得票数 1
回答已采纳
1回答
我让Tika在PDF文件上使用Tesseract，但是如果我给它一个同时具有可搜索文本和图像的PDF文件，文本是OCRed两次。有什么办法可以避免这种情况吗？
浏览 4提问于2020-12-31得票数 1
回答已采纳
我一直在尝试从扫描的PDF中提取文本(具有不可选文本的图像)。我想要的信息，包含日期，发票编号从pdf链接()。from PIL import Imagepage = pdf_reader.getPage
浏览 2提问于2020-05-27得票数 1
回答已采纳
1回答
例如，OCR0000000006和OCR0000000008都有统一的标题06000146.pdf。OCR0000000001 Yes 100 06000093.pdfOCR0000000004 OCR0000000006 No 95
浏览 0提问于2014-03-22得票数 0
1回答
然后它将使用tesseract对每个pgm (第二个输入文件类型)执行OCR。
export -f generate_pgm PGM="$1"
find .{}; parallel --argsep ,,, ocr ,,, pgm/*.pgm'
浏览 2提问于2017-07-25得票数 1
我有一个pdf，大约50页扫描表。我需要最终把它刮到R中，这样我就可以清理数据并将其导出为.csv。环顾在线，我所能得到的最远就是将扫描的pdf作为一个字符对象读取到R中，但这会使格式发生很大的变化，因此表中的列都错对齐了，并出现了无序。有没有一种方法可以将扫描的pdf转换成可读的pdf，这样我就可以在tabulizer中抓取它了？还是另一种将扫描的pdfs抓取到表中的方法？
浏览 5提问于2022-11-16得票数 0
1回答
我已经扫描了PDF格式的文件。这些文件包含一页纵向格式和两页横向格式的页面。for i in *.pdf; # Créer le fichier PDF avec OCR
ocrmypdf --language fra
浏览 2提问于2020-04-20得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
