เครื่องมือ OCR แปลงเป็นปฏิทินทั่วไปมักล้มเหลวกับใบปลิวและภาพหน้าจอมือถือจริง เพราะมองรูปภาพเป็นข้อความแบนราบ และคัดลอกบรรทัดแรกสุด (lines[0]) มาเป็นชื่อกิจกรรมแบบไม่ตรวจสอบ ซึ่งในภาพหน้าจอมือถือหรือโปสเตอร์คอนเสิร์ต บรรทัดแรกมักเป็นแถบสถานะ (9:41 AM 5G) ลายน้ำบัตร (TICKETMASTER) หรือข้อความเปิดตัวผู้จัด (LIVE NATION PRESENTS)
ระบบประมวลผล AI 3 ขั้นตอนบนเครื่อง ของ Utiliome เข้าใจทั้งลำดับชั้นการมองเห็นและเอนทิตีเชิงความหมายของใบปลิว:
- การดึงบล็อกเค้าโครงและกรอบพิกัดด้วย Tesseract v6: ดึงพิกัดพิกเซลที่แน่นอนของทุกบรรทัด (
bbox: { x0, y0, x1, y1 }) และคำนวณความสูงฟอนต์ตามจริง (y1 - y0) เทียบกับความสูงมัธยฐานของข้อความในโปสเตอร์ - Web Worker ประมวลผล
Xenova/bert-base-NERภายในเครื่อง: ปรับข้อความตัวพิมพ์ใหญ่ล้วนบนโปสเตอร์ให้อยู่ในรูปแบบ Title Case ที่ชาญฉลาด และจำแนกประเภทโทเค็นภายใน Web Worker เพื่อให้คะแนนLOC(สถานที่, ถนน, เมือง),ORG(วงดนตรี, ผู้จัด),PER(ศิลปิน, ผู้บรรยาย) และMISC(ทัวร์, เทศกาล) ในเวลาไม่ถึง 90ms - จับคู่พาดหัวและสถานที่: รวมบรรทัดพาดหัวที่อยู่ติดกันซึ่งมีอัตราส่วนฟอนต์สูงเข้าเป็น
ชื่อกิจกรรมที่สะอาดตา พร้อมทั้งรวมบรรทัดLOCที่ต่อเนื่องกัน (เช่น ชื่อสถานที่เหนือที่อยู่ถนน) ลงในช่องสถานที่ / สถานที่จัดงาน