Τα βασικά εργαλεία OCR-to-calendar αποτυγχάνουν σε πραγματικές αφίσες και στιγμιότυπα οθόνης κινητών επειδή αντιμετωπίζουν μια εικόνα ως απλό κείμενο και αντιγράφουν τυφλά την πρώτη γραμμή (lines[0]) ως όνομα εκδήλωσης. Σε ένα στιγμιότυπο τηλεφώνου ή μια αφίσα συναυλίας, η πρώτη γραμμή είναι σχεδόν πάντα θόρυβος της γραμμής κατάστασης (9:41 AM 5G), υδατογράφημα έκδοσης εισιτηρίων (TICKETMASTER) ή εισαγωγή διοργανωτή (LIVE NATION PRESENTS).
Ο Τοπικός Αγωγός AI 3 Σταδίων του Utiliome κατανοεί τόσο την οπτική ιεραρχία όσο και τις σημασιολογικές οντότητες της αφίσας σας:
- Εξαγωγή Μπλοκ Διάταξης & Πλαισίων Οριοθέτησης Tesseract v6: Εξάγει τις ακριβείς συντεταγμένες pixel κάθε γραμμής (
bbox: { x0, y0, x1, y1 }) και υπολογίζει το οπτικό ύψος γραμματοσειράς (y1 - y0) σε σχέση με το διάμεσο ύψος κειμένου της αφίσας. - Τοπικός Web Worker
Xenova/bert-base-NER: Κανονικοποιεί το κείμενο της αφίσας που είναι γραμμένο με κεφαλαία σε έξυπνη μορφή κεφαλαίων-πεζών και εκτελεί ταξινόμηση διακριτικών μέσα σε έναν Web Worker για τη βαθμολόγησηLOC(τοποθεσίες, οδοί, πόλεις),ORG(συγκροτήματα, διοργανωτές),PER(καλλιτέχνες, ομιλητές) καιMISC(περιοδείες, φεστιβάλ) σε λιγότερο από 90ms. - Αντιστοίχιση Τίτλου & Τοποθεσίας: Συνδυάζει γειτονικές γραμμές τίτλου με υψηλή αναλογία γραμματοσειράς σε έναν καθαρό
Τίτλο Εκδήλωσηςενώ συγχωνεύει διαδοχικές γραμμέςLOC(όπως ένα όνομα χώρου πάνω από μια διεύθυνση) στο πεδίοΤοποθεσία / Χώρος.