بنیادی OCR-to-calendar ٹولز حقیقی دنیا کے فلائرز اور موبائل اسکرین شاٹس پر فیل ہوتے ہیں کیونکہ وہ تصویر کو فلیٹ متن سمجھتے ہیں اور پہلی لائن (lines[0]) اندھا دھند ایونٹ نام کے طور پر کاپی کرتے ہیں۔ فون اسکرین شاٹ یا کنسرٹ پوسٹر پر پہلی لائن تقریباً ہمیشہ اسٹیٹس بار شور (9:41 AM 5G)، ٹکٹنگ واٹرمارک (TICKETMASTER) یا پروموٹر تعارف (LIVE NATION PRESENTS) ہوتی ہے۔
Utiliome کی 3 مرحلہ مقامی AI پائپ لائن آپ کے فلائر کی بصری درجہ بندی اور معنوی اینٹٹیز دونوں سمجھتی ہے:
- Tesseract v6 لے آؤٹ بلاک اور باؤنڈنگ باکس نکالنا: ہر لائن کے عین پکسل کوآرڈینیٹس (
bbox: { x0, y0, x1, y1 }) نکالتا ہے اور بصری فونٹ اونچائی (y1 - y0) پوسٹر کی میڈین متن اونچائی کے نسبت حساب کرتا ہے۔ - مقامی
Xenova/bert-base-NERWeb Worker: آل کیپس پوسٹر متن کو سمجھدار title case میں نارملائز کرتا ہے اور Web Worker کے اندر ٹوکن کلاسیفیکیشن چلا کرLOC(مقامات، سڑکیں، شہر)،ORG(بینڈز، میزبان)،PER(آرٹسٹس، اسپیکرز) اورMISC(ٹورز، فیسٹیولز) 90ms سے کم میں اسکور کرتا ہے۔ - ہیڈ لائن اور مقام جوڑنا: ملحقہ اعلیٰ فونٹ ریشو ہیڈ لائن لائنز کو صاف
Event Titleمیں جوڑتا ہے جبکہ لگاتارLOCلائنز (جیسے مقام نام سڑک ایڈریس کے اوپر)Location / Venueفیلڈ میں ضم کرتا ہے۔