Обикновените OCR инструменти за календари се провалят при реални флаери и екранни снимки, тъй като третират изображението като обикновен плосък текст и сляпо копират първия ред (lines[0]) като име на събитието. При снимка от телефон или плакат първият ред почти винаги е системен шум (9:41 AM 5G), воден знак за билет (TICKETMASTER) или представяне на промоутър (LIVE NATION PRESENTS).
3-етапният локален AI процес на Utiliome разбира както визуалната йерархия, така и семантичните обекти на вашия флаер:
- Извличане на блокове и рамки с Tesseract v6: Извлича точните пикселни координати на всеки ред (
bbox: { x0, y0, x1, y1 }) и изчислява визуалната височина на шрифта (y1 - y0) спрямо средната височина на текста в плаката. - Локален
Xenova/bert-base-NERWeb Worker: Нормализира изцяло главните букви в правилен регистър и класифицира токени в Web Worker за разпознаване наLOC(места, улици, градове),ORG(групи, домакини),PER(изпълнители, лектори) иMISC(турнета, фестивали) за под 90 ms. - Сдвояване на заглавие и локация: Обединява съседни редове с голям шрифт в изчистено
Заглавие на събитието, като същевременно слива последователниLOCредове (като име на зала над адрес) в полетоЛокация / Място.