تبدیل تصویر به متن

ماژول اصلی	تعریف ماژول	توضیحات
OCR (Image to Text)	تبدیل تصویر به متن	استخراج متن از تصاویر با دقت بالا

فیچرلیست:

ردیف	دسته بندی	ویژگی (Feature)	پارامترهای کلیدی / گزینه‌ها	داستان کاربر (User Story)
1	پیش‌پردازش و بهبود تصویر	تصحیح خودکار زاویه و چرخش	auto_rotate: true, deskew: true	به عنوان یک کاربر، می‌خواهم بتوانم از یک سند کج عکس بگیرم و سیستم به صورت خودکار آن را صاف کند تا دقت تشخیص متن افزایش یابد.
2		حذف نویز و بهبود کیفیت تصویر	enhancement_level: 'high'	به عنوان یک اپراتور آرشیو، می‌خواهم حتی اگر کیفیت اسکن اسناد قدیمی پایین بود، سیستم بتواند کیفیت تصویر را بهبود داده و متن را استخراج کند.
3	قابلیت‌های اصلی استخراج	تشخیص متن چاپی (Printed Text)	language, output_format (text, json)	به عنوان یک کتابخانه، می‌خواهم صفحات کتاب‌ها را اسکن کرده و متن کامل آن‌ها را برای ایجاد آرشیو دیجیتال و قابل جستجو استخراج کنم.
4		تشخیص دست‌نویس (Handwriting)	handwriting_model: true	به عنوان یک شرکت بیمه، می‌خواهم اطلاعات نوشته شده توسط مشتریان در فرم‌های کاغذی را به صورت خودکار به داده دیجیتال تبدیل کنم.
5		استخراج جداول (Table Extraction)	output_format (csv, excel, json)	به عنوان یک حسابدار، می‌خواهم اقلام یک فاکتور را که در قالب جدول است، به صورت خودکار استخراج و به یک فایل اکسل منتقل کنم.
6		استخراج فرم‌ها (Key-Value Pairs)	schema_definition (اختیاری)	به عنوان مسئول منابع انسانی، می‌خواهم اطلاعاتی مانند «نام» و «کد ملی» را از فرم‌های استخدامی به صورت خودکار استخراج کنم.
7		تحلیل چیدمان (Layout Analysis)	output_format ('hocr', json-structured)	به عنوان یک ناشر دیجیتال، می‌خواهم ساختار یک مقاله (عناوین و پاراگراف‌ها) را برای بازنشر در وب‌سایت، به صورت ساختاریافته دریافت کنم.
8	درک اسناد تخصصی	طبقه‌بندی خودکار اسناد	document_type_model	به عنوان یک شرکت بزرگ، می‌خواهم سیستمی داشته باشم که ایمیل‌های ورودی را بررسی کرده و به صورت خودکار فاکتورها را از نامه‌ها جدا کند.
9		مدل‌های از پیش‌آموزش‌دیده برای اسناد رایج	pre_trained_model ('invoice', 'receipt', 'id_card')	به عنوان توسعه‌دهنده یک اپلیکیشن مدیریت مالی، می‌خواهم به کاربرانم اجازه دهم تا با عکس گرفتن از رسید خریدهایشان، اطلاعات آن را خودکار ثبت کنند.
10	پردازش اسناد پیچیده	تقسیم خودکار اسناد چندگانه (Document Splitting)	enable_splitting (true/false)	به عنوان مسئول تشکیل پرونده، می‌خواهم پکیج استخدامی ۵۰ صفحه‌ای یک کارمند را به سیستم بدهم تا به اسناد مجزا (قرارداد، فرم مالیاتی) تفکیک شود.
11		مدل تخصصی برای پردازش چک	pre_trained_model: 'check'	به عنوان مسئول امور مالی، می‌خواهم با اسکن دسته‌ای چک‌ها، تمام اطلاعات آن‌ها را به صورت خودکار برای ثبت در سیستم حسابداری استخراج کنم.
12	امنیت و اعتبارسنجی اسناد	تشخیص تقلب و دستکاری در اسناد	fraud_detection_level ('standard', 'deep')	به عنوان کارشناس صدور وام، می‌خواهم سیستم به صورت خودکار اسنادی را که نشانه‌های دستکاری دیجیتال دارند، به من هشدار دهد.
13		تشخیص و استخراج امضا و مهر	detect_signatures (true/false)	به عنوان یک کارشناس حقوقی، می‌خواهم سیستم به صورت خودکار تایید کند که یک قرارداد توسط طرفین امضا و مهر شده است.
14	پس‌پردازش و اعتبارسنجی	ارائه امتیاز اطمینان (Confidence Scoring)	include_confidence: true	به عنوان یک اپراتور ورود داده، می‌خواهم فیلدهایی که AI در مورد صحت آن‌ها اطمینان پایینی دارد را به سرعت شناسایی و به صورت دستی بازبینی کنم.
15		رابط کاربری برای اعتبارسنجی انسانی	(Web UI)	به عنوان مدیر یک مرکز پردازش اسناد، می‌خواهم فرآیندی داشته باشم که تمام داده‌های استخراج شده قبل از ورود به سیستم نهایی، توسط یک انسان تایید شوند.
16		نرمال‌سازی داده‌ها (Data Normalization)	normalization_rules	به عنوان یک تحلیل‌گر داده، می‌خواهم تمام تاریخ‌های استخراج شده از فاکتورها، صرف نظر از فرمت نوشتاری آن‌ها، به صورت یکسان در پایگاه داده ذخیره شوند.
17	حریم خصوصی و انطباق	حذف و پوشاندن خودکار اطلاعات حساس (PII Redaction)	redaction_policy	به عنوان یک شرکت حقوقی، قبل از اشتراک‌گذاری یک سند، می‌خواهم تمام اطلاعات شخصی موجود در آن به صورت خودکار پوشانده شود تا قوانین حریم خصوصی را رعایت کنم.
18	خروجی و یکپارچه‌سازی	ایجاد PDF قابل جستجو	output_format: 'searchable_pdf'	به عنوان مدیر یک آرشیو دیجیتال، می‌خواهم تمام اسناد اسکن شده را به PDFهای قابل جستجو تبدیل کنم تا کاربران بتوانند محتوای آن‌ها را پیدا کنند.
19	سفارشی‌سازی پیشرفته	ابزار بصری آموزش مدل سفارشی	(Web UI for Annotation & Training)	به عنوان یک تحلیل‌گر کسب‌وکار، می‌خواهم با دادن ۱۰ نمونه از فرم‌های سفارش شرکت، به هوش مصنوعی یاد بدهم که اطلاعات آن‌ها را استخراج کند.
20	پلتفرم، API و عملیات	API جامع و کتابخانه‌های توسعه (SDKs)	API_keys, SDKs	به عنوان یک توسعه‌دهنده، می‌خواهم با استفاده از SDK پایتون، قابلیت پردازش فاکتور را به نرم‌افزار حسابداری خود اضافه کنم.
21		پردازش دسته‌ای و غیرهمزمان (Batch & Async)	batch_id, webhook_url	به عنوان یک بانک، می‌خواهم آرشیو هزاران فرم درخواست وام را به صورت یکجا و در ساعات غیر اوج کاری پردازش کنم.
22		گزینه‌های استقرار (Cloud, On-Premise, Mobile/Edge)	deployment_option	به عنوان توسعه‌دهنده یک اپلیکیشن موبایل، می‌خواهم OCR بر روی خود گوشی کاربر و به صورت آفلاین اجرا شود تا اطلاعات کارت اعتباری او به سرور ارسال نشود.