识别来自OCR图像的关键数据
问题描述：
是否有人知道任何产品，库或解决方案商业或开源或甚至可以协助解决以下问题的方法;识别来自OCR图像的关键数据
我正在使用Nuance的Omnipage进行OCR处理。这很好。但我想根据各种模式以各种形式查找数据。这可能是会计凭证，但重要的是即使原始数据的类型是异构的，并且存在共同的因素，但是它们很难以基于规则的方式来定义。 我发现这部分地解决我的问题一个较早的问题（但它认为我已经结构化的PDF格式的，我不）
有几个共同因素 *类型的文件都差不多 *定关键词要么在我正在寻找的东西的前面或上面，但这些关键字可能有同义词 *有像日期这样的数据可能是基于国家的不同格式;例如DD/MM/YYYY，MM/DD/YYYY，YYYY-MM-DD，DD'th MMM，YYYY等（我想我们知道国家） *金额可以用小数点或小数点逗号我们知道这个国家）
答
据我所知，你需要为半结构化表单构建数据捕获解决方案：它们都包含基本相同的一组数据，但布局可能因文档的来源而有所不同。没有银色的子弹，你需要定义一些规则，以便如何在文档中找到正确的字段，以及可能的synonims是什么关键字，关键字和数据本身之间的几何关系是什么。
但是，有一种产品可以使这个过程变得更加简单，而且在C++中编程需要用可视化工具描述这种关系，这种工具是专门为此设计的，并且已经内置了很多东西。
该产品是相当强大的，streamiles文档布局desciptions，它的测试和数据提取自身的发展。
也有它的一个SDK版本：
声明：我ABBYY
的作品就是这种基于服务器的？我不想处理每一个案件，但想要“教”系统如何识别，因为经常使用相同类型的文件。 – 2012-04-20 04:30:32
这就是它的意义所在：你教它用于典型布局，然后自动处理这些布局。这并不完全不可思议 - 一旦你遇到一些新的布局，你仍然需要技术，但这在任何情况下都是不可避免的。它也有服务器版本。 – Tomato 2012-04-20 06:34:05