مبدل تصویر به تقویم ICS

ابزارهای ساده OCR به تقویم روی پوستر و اسکرین‌شات واقعی شکست می‌خورند چون تصویر را متن تخت می‌بینند و کورکورانه خط اول (lines[0]) را نام رویداد می‌گیرند. روی اسکرین‌شات گوشی یا پوستر کنسرت، خط اول تقریباً همیشه نویز نوار وضعیت (9:41 AM 5G)، واترمارک بلیت (TICKETMASTER) یا معرفی برگزارکننده (LIVE NATION PRESENTS) است.

خط لوله سه‌مرحله‌ای هوش مصنوعی محلی Utiliome هم سلسله‌مراتب دیداری و هم موجودیت معنایی پوستر را می‌فهمد:

1. استخراج بلوک چیدمان و جعبه مرزی Tesseract v6: مختصات دقیق پیکسل هر خط (bbox: { x0, y0, x1, y1 }) و ارتفاع دیداری قلم (y1 - y0) نسبت به میانه ارتفاع متن پوستر را بیرون می‌کشد.
2. Web Worker محلی Xenova/bert-base-NER: متن تمام‌حرف پوستر را به حالت عنوان هوشمند نرمال می‌کند و طبقه‌بندی توکن را داخل Web Worker اجرا می‌کند تا LOC (محل، خیابان، شهر)، ORG (گروه، میزبان)، PER (هنرمند، سخنران) و MISC (تور، جشنواره) را در کمتر از ۹۰ میلی‌ثانیه امتیاز دهد.
3. جفت‌کردن تیتر و محل: خطوط تیتر مجاور با نسبت قلم بالا را در یک Event Title تمیز می‌گذارد و خطوط پیاپی LOC (مثلاً نام سالن بالای نشانی خیابان) را در فیلد Location / Venue ادغام می‌کند.

طراحان گرافیک تقریباً همیشه تاریخوساعت را روی خطوط دیداری جدا در پوستر، اعلامیه و کارت دعوت می‌گذارند. تجزیه‌گرهای تک‌عبوره خط تاریخ را اول می‌خوانند، ظهر پیش‌فرض می‌گذارند و ساعت واقعی خط پایین را نادیده می‌گیرند.

Utiliome یک موتور ادغام زمانی ۱۱ زبانه (EN، DE، ES، FR، PT، IT، NL، JA، RU، UK، ZH) اجرا می‌کند که هر خط غیر از نوار وضعیت را برای قطعیت تاریخ (isCertain('day')) و قطعیت ساعت (isCertain('hour')) بررسی می‌کند. وقتی روی یک پوستر خط فقط‌تاریخ و خط فقط‌ساعت دیده شود، موتور تاریخ تقویم را با ساعت شروع و پایان ادغام می‌کند و اندیس آن خطوط را قفل می‌کند تا رشته تاریخ تصادفاً داخل عنوان رویداد نرود.

موتورهای تشخیص نویسه نوری که روی سند چاپی آموزش دیده‌اند جوهر تیره روی صفحه روشن انتظار دارند. روی اعلامیه کلاب تیره، پوستر کنسرت سیاه یا اسکرین‌شات حالت تاریک گوشی، OCR استاندارد با تایپ درخشان یا سفید مشکل دارد.

پیش از OCR، Utiliome هیستوگرام روشنایی ۲۵۶خانه‌ای (p5، median، p95) می‌سازد. اگر میانه روشنایی زیر 110 باشد، پیش‌پردازش کانال روشنایی را خودکار وارونه می‌کند و کشش کنتراست صدکی (p5 تا p95) اعمال می‌کند تا متن سفید روی سیاه به سیاه روی سفید تیغ‌تیز شود.

فرستادن اسکرین‌شات دعوت خصوصی، برنامه پرواز، نوبت پزشک یا برنامه داخلی شرکت به استخراج‌گر ابری شخص ثالث، نشانی شخصی، پیوند خصوصی Zoom و جزئیات حضور را در معرض ثبت دوردست می‌گذارد.

چون Utiliome هم OCR وب‌اسمبلی Tesseract و هم طبقه‌بندی توکن ONNX مدل BERT-NER را داخل Web Worker محلی مرورگر اجرا می‌کند، تصاویر هرگز از شبکه عبور نمی‌کنند. خروجی یک‌کلیکی به Apple Calendar، Microsoft Outlook، Thunderbird، Proton Calendar یا Google Calendar با حاکمیت کامل داده می‌گیرید.