Kom igång: Formigenkänning Studio | Förhandsgranska

Formigenkänning Studio Preview är ett onlineverktyg för att visuellt utforska, förstå och integrera funktioner från Formigenkänning tjänsten i dina program. Kom igång med att utforska de förtränade modellerna med exempeldokument eller dina egna. Skapa projekt för att skapa anpassade formulärmodeller och referera till modellerna i dina program med hjälp av förhandsversionen av Python SDK och andra snabbstarter.

Migrera från exempeletikettverktyget

Om du är en tidigare användare av exempeletikettverktygethoppar du över kraven för att logga in på Studio-förhandsversionen för att använda ditt befintliga Azure-konto och Formigenkänning eller Cognitive Services resurser med Studio.

Om du vill migrera dina befintliga anpassade projekt till Studio går du vidare till avsnittet Komma igång med anpassad modell för att skapa ett nytt projekt och peka det på samma Azure Blob Storage-plats förutsatt att du har åtkomst till det i Azure. När du har konfigurerat ett nytt projekt läser Studio in alla dokument och mellanliggande filer för etikettering och utbildning.

Minimikrav för nya användare

• Ett aktivt Azure-konto. Om du inte har ett konto kan du skapa ett kostnadsfritt konto.
• En Formigenkänning eller Cognitive Services resurs för flera tjänster.

Ytterligare krav för anpassade projekt

Förutom Azure-kontot och en Formigenkänning eller Cognitive Services-resurs behöver du:

Azure Blob Storage container

Ett Azure Blob Storage-konto med standardprestanda. Du skapar containrar för att lagra och organisera dina blobdata i ditt lagringskonto. Om du inte vet hur du skapar ett Azure Storage-konto med en container följer du dessa snabbstarter:

• Skapa ett lagringskonto. När du skapar lagringskontot ska du välja Standardprestanda i fältet Instansinformation → Prestanda.
• Skapa en container. När du skapar containern anger du fältet Offentlig åtkomstnivå till Container (anonym läsbehörighet för containrar och blobar) i fönstret Ny container.

Konfigurera CORS

CORS (Cross Origin Resource Sharing) måste konfigureras på ditt Azure Storage-konto för att det ska vara tillgängligt från Formigenkänning Studio. För att konfigurera CORS i Azure Portal behöver du åtkomst till CORS-bladet för ditt lagringskonto.

1. Välj CORS-bladet för lagringskontot.
2. Börja med att skapa en ny CORS-post i Blob Service.
3. Ange Tillåtna ursprung till https://formrecognizer.appliedai.azure.com .
4. Välj alla tillgängliga 8 alternativ för Tillåtna metoder.
5. Godkänn alla tillåtna huvuden och Exponerade rubriker genom att ange en * i varje fält.
6. Ange Maxålder till 120 sekunder eller ett acceptabelt värde.
7. Klicka på knappen Spara överst på sidan för att spara ändringarna.

CORS bör nu konfigureras för att använda lagringskontot från Formigenkänning Studio.

Exempeldokumentuppsättning

1. Gå till Azure Portal och navigera på följande sätt: Ditt lagringskonto → Data Storage → Containers

   

2. Välj en container i listan.

3. Välj Upload på menyn längst upp på sidan.

   

4. Fönstret Upload blob visas.

5. Välj de filer du vill ladda upp.

   

Logga in på Formigenkänning Studio Preview

När du har slutfört förutsättningarna går du till Formigenkänning Studio Preview.

1. Välj en Formigenkänning tjänstfunktion från Startsidan i Studio.

2. Välj din Azure-prenumeration, resursgrupp och resurs. (Du kan ändra resurserna när som helst i "Inställningar" på den översta menyn.)

3. Granska och bekräfta dina val.

Layout

I vyn Layout:

1. Välj kommandot Analysera för att köra layoutanalys på exempeldokumentet eller prova dokumentet med hjälp av kommandot Lägg till.

2. Observera den markerade extraherade texten, tabellikonerna som visar de extraherade tabellplatserna och markerade markeringar.

3. Använd kontrollerna längst ned på skärmen för att zooma in och ut och rotera dokumentvyn.

4. Visa och dölj text, tabeller och markeringsmärken lager för att fokusera på var och en av dem i taget.

5. På fliken Resultat i utdataavsnittet bläddrar du igenom JSON-utdata för att förstå tjänstens svarsformat. Kopiera och ladda ned för att komma igång med integreringen.

Fördefinierade modeller

Det finns flera fördefinierade modeller att välja mellan, där var och en har en egen uppsättning fält som stöds. Vilken modell som ska användas för analysåtgärden beror på vilken typ av dokument som ska analyseras. Här är fördefinierade modeller som för närvarande stöds av Formigenkänning tjänsten:

• 🆕 dokument – Analyseraoch extrahera text, tabeller, struktur, nyckel/värde-par och namngivna entiteter.
• Faktura:extraherar text, markeringsmarkeringar, tabeller, nyckel/värde-par och nyckelinformation från fakturor.
• Kvitto:extraherar text- och nyckelinformation från kvitton.
• ID-dokument:extraherar text och viktig information från förarlicenser och internationella pass.
• Visitkort:extraherar text- och nyckelinformation från visitkort.

I den fördefinierade vyn:

1. Välj en av de fördefinierade modellerna i Studio-startsidan. I det här exemplet använder vi fakturamodellen.

2. Välj kommandot Analysera för att köra analys på exempeldokumentet eller prova fakturan med hjälp av kommandot Lägg till.

3. Observera de markerade fälten och värdena och fakturaradsobjekten i visualiseringsavsnittet. All extraherad text och tabeller visas också.

4. På fliken Fält i utdataavsnittet noterar du de listade fälten och värdena och väljer radobjekten som ska visas i tabellliknande format.

5. På fliken Resultat i utdataavsnittet bläddrar du igenom JSON-utdata för att förstå tjänstens svarsformat. Kopiera och ladda ned för att komma igång med integreringen.

Grundläggande om anpassade modeller

Komma igång

Om du vill skapa anpassade modeller börjar du med att konfigurera projektet:

1. Från startsidan för Studio väljer du projektet Anpassat formulär för att öppna startsidan för det anpassade formuläret.

2. Använd kommandot "Skapa ett projekt" för att starta konfigurationsguiden för det nya projektet.

3. Ange projektinformation, välj Azure-prenumerationen och -resursen samt azure-bloblagringscontainern som innehåller dina data.

4. Granska och skicka dina inställningar för att skapa projektet.

Grundläggande flöde

När projektet har skapats går du till fasen anpassad modell:

1. Från etiketteringsvyn definierar du de etiketter och deras typer som du vill extrahera.

2. Markera texten i dokumentet och välj etiketten i listrutan eller i fönstret etiketter.

3. Etikettera ytterligare fyra dokument för att få minst fem dokument märkta.

4. Välj kommandot Train (Träna) och ange modellnamn och beskrivning för att börja träna din anpassade modell.

5. När modellen är klar använder du kommandot Test för att verifiera den med dina testdokument och observera resultaten.

Andra funktioner

Dessutom kan du visa alla dina modeller med hjälp av fliken Modeller till vänster. I listvyn väljer du modeller för att utföra följande åtgärder:

1. Testa modellen från listvyn.

2. Använd kommandot Ta bort för att ta bort modeller som inte behövs.

3. Ladda ned modellinformation för offlinevisning.

4. Välj flera modeller och skapa dem i en ny modell som ska användas i dina program.

Etikettering som tabeller

När du skapar dina anpassade modeller kan du behöva extrahera datasamlingar från dina dokument. Dessa kan visas i ett par olika format. Använda tabeller som det visuella mönstret:

• Dynamiskt eller variabelt antal värden (rader) för en viss uppsättning fält (kolumner)

• Specifik samling värden för en viss uppsättning fält (kolumner och/eller rader)

Etikett som dynamisk tabell

Använd dynamiska tabeller för att extrahera variabelantalet värden (rader) för en viss uppsättning fält (kolumner):

1. Lägg till en ny etikett av typen "Tabell", välj typen "Dynamisk tabell" och ge etiketten ett namn.

2. Lägg till antalet kolumner (fält) och rader (för data) som du behöver.

3. Markera texten på sidan och välj sedan den cell som ska tilldelas till texten. Upprepa för alla rader och kolumner på alla sidor i alla dokument.

Etikett som fast tabell

Använd fasta tabeller för att extrahera en specifik samling värden för en viss uppsättning fält (kolumner och/eller rader):

1. Skapa en ny etikett av typen "Tabell", välj typen "Fast tabell" och ge den namnet.

2. Lägg till antalet kolumner och rader som du behöver som motsvarar de två fältuppsättningarna.

3. Markera texten på sidan och välj sedan cellen för att tilldela den till texten. Upprepa detta för andra dokument.

Märkning för signaturidentifiering

Så här etiketterar du signaturidentifiering:

1. I etiketteringsvyn skapar du en ny etikett av typen "Signatur" och ger den namnet.

2. Använd kommandot Region för att skapa en rektangulär region på den förväntade platsen för signaturen.

3. Välj den ritade regionen och välj etiketten Signaturtyp för att tilldela den till din ritade region. Upprepa detta för andra dokument.

Nästa steg

• Följ vår Formigenkänning v3.0-migreringsguide för att lära dig skillnaderna från den tidigare versionen av REST API.
• Utforska våra förhandsversions-SDK-snabbstarter för att prova förhandsgranskningsfunktionerna i dina program med hjälp av de nya SDK:erna.
• Se våra snabbstarter REST API förhandsversion för att prova förhandsgranskningsfunktionerna med hjälp av det nya RESt-API:et.

Kom igång med Formigenkänning Studio preview.