Hệ thống trích xuất thông tin văn bản từ ảnh hành chính

LỜI CẢM ƠN

1. CHƯƠNG 1: MỞ ĐẦU

1.1. Đặt vấn đề

1.2. Mục tiêu và phạm vi

1.3. Đóng góp của khóa luận

1.4. Cấu trúc khóa luận

2. CHƯƠNG 2: TỔNG QUAN

2.1. Giới thiệu các bài toán rút trích thông tin trong hình ảnh văn bản và các bài toán liên quan

2.1.1. Bài toán rút trích thông tin

2.1.2. Bài toán phát hiện văn bản

2.1.3. Bài toán nhận diện chữ

2.2. Một số nghiên cứu liên quan đối với bài toán rút trích thông tin

2.2.1. Hướng tiếp cận truyền thống

2.2.2. Sử dụng các kĩ thuật học sâu

2.2.2.1. Sử dụng nội dung chữ viết trong văn bản

2.2.2.2. Sử dụng phối hợp các đặc trưng trực quan và nội dung chữ viết

3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT

3.1. Ý tưởng cốt lõi trong Transformer

3.1.1. Multi-Head Attention

3.2. Mạng thần kinh đồ thị học sâu (Graph neural network - GNN)

3.2.1. Một số khai niệm trong lí thuyết đồ thị

3.2.2. Các bài toán điển hình đối với GNN

3.3. Nhúng thông tin trong đồ thị (Graph-based Embedding)

3.4. Áp dụng Deep Learning vào bài toán nhận diện chữ viết tiếng Việt

3.4.1. Phát hiện dòng văn bản bằng Pixel Aggregation Network (PANet)

3.4.2. Nhận diện chữ bằng VietOCR

3.5. Rút trích thông tin từ hình ảnh văn bản sử dụng SDMGR

4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ

4.1. Mở đầu

4.2. Xây dựng tập dữ liệu

4.2.1. Giai đoạn phát hiện dòng văn bản (Text line Detection)

4.2.1.1. Quá trình thu thập dữ liệu

4.2.1.2. Quá trình tiền xử lý dữ liệu

4.2.1.3. Thống kê số liệu tập dữ liệu

4.2.2. Giai đoạn nhận diện chữ (Text Recognition)

4.2.2.1. Quá trình thu thập dữ liệu

4.2.2.2. Quá trình tiền xử lý dữ liệu

4.2.2.3. Cách thức thực hiện

4.2.2.4. Thống kê số liệu tập dữ liệu

4.2.3. Giai đoạn trích xuất thông tin từ trong văn bản (Key information extraction)

4.2.3.1. Quá trình thu thập dữ liệu

4.2.3.2. Quá trình tiền xử lý dữ liệu

4.2.3.3. Thống kê số liệu tập dữ liệu

4.3. Một số khái niệm cơ bản

4.4. Kết quả và đánh giá

4.4.1. Giai đoạn phát hiện chữ (Text Detection)

4.4.2. Giai đoạn nhận diện chữ (Text Recognition)

4.4.3. Giai đoạn trích xuất thông tin (Key information extraction)

4.5. Đánh giá toàn hệ thống

5. CHƯƠNG 5: XÂY DỰNG ỨNG DỤNG MINH HỌA THỰC NGHIỆM

5.1. Danh sách Use-case

5.1.1. Đặc tả Use-case "Chọn ảnh từ thư mục"

5.1.2. Đặc tả Use-case "Chọn ảnh từ đường dẫn"

5.1.2.1. Chọn ảnh từ thư mục

5.1.2.2. Chọn ảnh từ đường dẫn

5.2. Mô hình hóa ứng xử

5.2.1. Luồng xử lý dữ liệu

5.2.2. Mô tả chi tiết từng thành phần trong hệ thống

5.2.2.1. Các API hệ thống rút trích thông tin từ hình ảnh văn bản

6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

6.1. Kết luận

6.2. Hướng phát triển

Tài liệu tham khảo

I. Giới thiệu về Hệ Thống Trích Xuất Thông Tin Từ Hình Ảnh Văn Bản Hành Chính

Hệ thống trích xuất thông tin từ hình ảnh văn bản hành chính là một công nghệ tiên tiến giúp tự động hóa quá trình quản lý và xử lý dữ liệu văn bản. Với sự phát triển của công nghệ, việc áp dụng các phương pháp như nhận diện ký tự quang học (OCR) và xử lý ngôn ngữ tự nhiên (NLP) đã trở nên khả thi. Hệ thống này không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu sai sót trong quá trình nhập liệu.

1.1. Tổng quan về công nghệ trích xuất thông tin

Công nghệ trích xuất thông tin từ hình ảnh văn bản sử dụng các thuật toán học sâu để nhận diện và phân tích nội dung văn bản. Điều này cho phép hệ thống tự động hóa việc thu thập và xử lý thông tin từ các tài liệu hành chính.

1.2. Lợi ích của hệ thống trích xuất thông tin

Hệ thống giúp giảm thiểu thời gian xử lý, tăng độ chính xác và hiệu quả trong việc quản lý văn bản. Nó cũng hỗ trợ các tổ chức trong việc lưu trữ và truy xuất thông tin một cách nhanh chóng.

II. Vấn đề và Thách thức Trong Trích Xuất Thông Tin Từ Hình Ảnh

Mặc dù công nghệ trích xuất thông tin đã phát triển, nhưng vẫn tồn tại nhiều thách thức. Chất lượng hình ảnh kém, định dạng văn bản đa dạng và sự phức tạp trong cấu trúc văn bản là những vấn đề chính. Các yếu tố này có thể ảnh hưởng đến độ chính xác của quá trình trích xuất.

2.1. Chất lượng hình ảnh và ảnh hưởng đến kết quả

Hình ảnh có độ phân giải thấp hoặc bị mờ có thể dẫn đến việc nhận diện ký tự không chính xác. Điều này làm giảm hiệu quả của hệ thống trích xuất thông tin.

2.2. Định dạng văn bản đa dạng

Văn bản có nhiều kiểu chữ, kích thước và màu sắc khác nhau có thể gây khó khăn cho hệ thống trong việc nhận diện và phân tích thông tin.

III. Phương Pháp Trích Xuất Thông Tin Từ Hình Ảnh Văn Bản Hành Chính

Để giải quyết các thách thức, nhiều phương pháp đã được phát triển. Các mô hình học sâu như mạng nơ-ron tích chập (CNN) và mạng nơ-ron đồ thị (GNN) đã được áp dụng để cải thiện độ chính xác trong việc trích xuất thông tin.

3.1. Sử dụng công nghệ OCR trong trích xuất thông tin

Công nghệ OCR cho phép chuyển đổi hình ảnh văn bản thành văn bản số, từ đó dễ dàng phân tích và trích xuất thông tin cần thiết.

3.2. Ứng dụng mạng nơ ron đồ thị

Mạng nơ-ron đồ thị giúp cải thiện khả năng nhận diện cấu trúc văn bản, từ đó nâng cao độ chính xác trong việc trích xuất thông tin.

IV. Ứng Dụng Thực Tiễn Của Hệ Thống Trích Xuất Thông Tin

Hệ thống trích xuất thông tin từ hình ảnh văn bản hành chính đã được áp dụng rộng rãi trong nhiều lĩnh vực. Từ quản lý tài liệu đến tự động hóa quy trình làm việc, hệ thống này mang lại nhiều lợi ích cho các tổ chức.

4.1. Ứng dụng trong quản lý văn bản

Hệ thống giúp tổ chức quản lý và lưu trữ văn bản một cách hiệu quả, giảm thiểu thời gian tìm kiếm và truy xuất thông tin.

4.2. Tự động hóa quy trình làm việc

Việc tự động hóa quy trình làm việc giúp tiết kiệm chi phí và thời gian, đồng thời nâng cao hiệu quả công việc.

V. Kết Luận và Tương Lai Của Hệ Thống Trích Xuất Thông Tin

Hệ thống trích xuất thông tin từ hình ảnh văn bản hành chính đang ngày càng trở nên quan trọng trong bối cảnh số hóa hiện nay. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều cải tiến và ứng dụng mới, giúp nâng cao hiệu quả trong quản lý thông tin.

5.1. Xu hướng phát triển công nghệ

Công nghệ trích xuất thông tin sẽ tiếp tục phát triển với sự hỗ trợ của các mô hình học sâu và trí tuệ nhân tạo, mở ra nhiều cơ hội mới cho các ứng dụng trong tương lai.

5.2. Tác động đến các ngành công nghiệp

Hệ thống này sẽ có tác động lớn đến nhiều ngành công nghiệp, từ tài chính đến giáo dục, giúp cải thiện quy trình làm việc và quản lý thông tin.

Khóa luận tốt nghiệp: Hệ thống trích xuất thông tin văn bản từ ảnh hành chính