Web-сервис для извлечения структурированной информации из шаблонизированных документов

В настоящее время очень значительная часть работы большинства бизнесов и предприятий происходит в различных информационных и электронных системах. С целью увеличения эффективности такой работы многие организации стремятся автоматизировать ее, насколько это возможно. Однако, до сих пор многие документы используются преимущественно на бумажных носителях, и при работе с ними информацию приходится перепечатывать вручную, чтобы впоследствии использовать ее в информационных система компании или организации. Данная работа предлагает решить эту проблему с применением нейросетевых методов и предполагает разработку веб-сервиса, который позволил бы обучать и применять нейросетевые модели для распознавания шаблонных, следующих одной структуре, документов и извлечения информации из них в структурированном виде. Данная работа основывается на анализе достоинств и ограничений существующих на рынке аналогов и обзоре актуальных публикаций по распознаванию документов, применяя и реализуя методы, предложенные в литературе. В результате данной работы были разработаны нейросетевые модели локализации и сегментации документов, алгоритм генерации синтетических данных на основе разметки одного примера документа, позволивший обучать данные модели и веб-сервис, позволяющий применять указанные разработки на практике, обучая и применяя модели. При этом для использования разработанного веб-сервиса не требуется специальных знаний в области машинного обучения и нейронных сетей. Для разработки и обучения моделей в рамках работы использовался язык программирования Python 3.7 и фреймворк PyTorch, работа веб-сервиса и его API обеспечивается посредством фреймворка Flask. Ключевые слова: распознавание документов, извлечение информации, распознавание символов, OCR, семантическая сегментация, локализация объектов. Работа содержит 71 страниц, 3 главы, 27 рисунков, 5 таблиц, 42 источника, 4 приложения.