Mencari imej AI dalam PDF dan dokumen

Mengapa dokumen menjadi titik buta

Usaha pengesahan bertumpu pada imej yang tiba sebagai imej. Gambar dalam mesej akan disemak; gambar yang sama di dalam laporan lima puluh halaman tidak disemak, kerana tiada sesiapa yang menganggap dokumen sebagai bekas gambar.

Namun di dalam dokumenlah imej melakukan tugas yang paling berkesan. Himpunan tuntutan, laporan penilaian, pek usaha wajar, tinjauan tapak, penyerahan pematuhan: setiap satunya adalah pembungkus untuk bukti bergambar yang akan dipercayai seseorang.

Format ini juga memberikan autoriti yang tidak sepatutnya. Imej di atas halaman, dengan kapsyen, nombor rajah dan kepala surat di sekelilingnya, kelihatan lebih rasmi daripada fail yang sama dihantar berasingan, dan pembingkaian itu mengurangkan keraguan.

Jumlah juga merumitkan keadaan. Himpunan dengan dua ratus gambar tidak akan disemak satu demi satu secara manual, jadi secara praktikal ia tidak disemak sama sekali melainkan langkah pengekstrakan itu mudah.

Ekstrak, jangan ambil tangkapan skrin

Ini adalah satu-satunya perkara teknikal yang penting. Apabila imej diletakkan dalam PDF, fail tersebut biasanya dibenamkan hampir utuh, yang bermakna pengekodan asli berada di dalam dokumen menunggu untuk dipulihkan.

Tangkapan skrin halaman membuangnya dan menggantikannya dengan pemaparan oleh pemapar PDF anda pada apa-apa zum semasa. Ia adalah kehilangan sama seperti yang digambarkan di bahagian lain tapak ini, digunakan pada kes di mana salinan yang baik tersedia sepanjang masa.

Kebanyakan pembaca PDF menawarkan pilihan eksport atau ekstrak, dan alat baris arahan melakukannya secara pukal. Dokumen Office lebih ringkas: fail Word atau PowerPoint moden ialah arkib zip, dan menamakan semula fail itu mendedahkan folder media yang mengandungi setiap imej pada kualiti penuh.

Imej yang manakah berbaloi disemak

Himpunan dengan dua ratus imej tidak memerlukan dua ratus semakan. Mengutamakan mengikut apa yang perlu dibuktikan oleh imej mengurangkan kerja dengan lebih banyak.

1. Imej yang membuktikan keadaan. Kerosakan, kecacatan, kelusuhan, keadaan tapak, pembentangan perubatan. Ini adalah imej yang menjadi asas keputusan.
2. Imej dokumen. Sijil, lesen atau resit bergambar dalam himpunan ialah dua lapisan bukti dan tidak disemak pada kedua-dua lapisan.
3. Pasangan sebelum dan selepas. Format paling meyakinkan dalam mana-apa laporan dan yang paling mudah dibina dengan tidak jujur.
4. Apa-apa yang bertarikh atau bermasa. Di mana imej ditawarkan sebagai bukti masa berlakunya sesuatu.
5. Imej stok dan hiasan. Langkau terus. Tiada siapa yang bergantung pada gambar pengepala.

Baris ketiga patut diberi perhatian. Pasangan sebelum dan selepas amat mudah dipalsukan dalam satu arah, kerana menjana imej sebelum daripada imej selepas adalah terlalu mudah dengan alat moden dan tiada siapa terfikir untuk menyemak imej yang lebih awal.

Membaca himpunan sebagai satu set

Pendekatan kelompok yang berkesan di tempat lain juga sangat berkesan di sini, kerana himpunan dokumen biasanya menuntut asal usul yang sama. Gambar yang diambil semasa lawatan tapak yang sama, pada satu peranti, dalam satu sesi, sepatutnya berkelompok.

Itu memberikan titik asas secara percuma. Persoalannya tidak lagi mengenai sama ada 54 adalah tinggi, yang bergantung pada kamera dan pemampatan, dan bertukar kepada mengapa satu imej mendapat skor 54 apabila sembilan belas yang lain dari lawatan yang sama mendapat skor antara 18 dan 26.

Himpunan yang bertaburan dengan tiada kelompok juga memberitahu anda sesuatu: imej tersebut tidak datang dari satu sesi yang sama, walau apa pun yang dikatakan oleh dokumen itu. Ini adalah penemuan mengenai laporan tersebut berbanding mengenai mana-mana gambar di dalamnya.

Kedudukannya dalam proses semakan

Langkah pengekstrakan berbaloi diautomasikan walaupun semakannya tidak. Folder imej yang ditarik daripada setiap himpunan yang masuk, dinamakan sempena dokumen asalnya, mengubah usaha besar yang jarang-jarang menjadi sesuatu yang hanya perlu dilihat sekilas oleh penyemak.

Itu juga mengubah apa yang disedari. Penyemak yang melihat dua puluh gambar yang diekstrak secara sebelah-menyebelah akan serta-merta melihat gambar daripada kamera yang berbeza, dan pemerhatian itu tidak memerlukan analisis sama sekali.

Apabila kelantangannya benar-benar tinggi, aturan proporsionalnya ialah menyemak himpunan berbanding imej: jalankan satu kelompok bagi setiap penyerahan, lihat sebarannya, dan buka keputusan individu hanya jika sebaran itu mempunyai sesuatu yang mencurigakan di dalamnya.

Semua ini tidak perlu menjadi satu projek. Folder kongsian, arahan pengekstrakan dan tabiat menjalankan satu kelompok setiap himpunan merangkumi kebanyakan nilai, dan ia merupakan jenis proses yang kekal walaupun orang yang menetapkannya telah pergi.

Apa yang perlu dilakukan dengan hasil penemuan anda

Pengekstrakan dan penyemakan menghasilkan senarai imej dan nombor, dan bahagian yang berguna ialah perkara seterusnya yang berlaku. Respons yang berkesan adalah sama seperti yang berkesan di tempat lain: tanya, jangan terus simpulkan.

Gambar yang ditandai dalam himpunan ialah permintaan untuk fail asli, yang ditujukan kepada pihak yang menyusun himpunan tersebut. Kebanyakan masanya jawapan yang diberikan ialah imej itu telah ditambah baik, disaiz semula semasa eksport atau digambar daripada skrin, dan ia selesai di situ.

Jika ia tidak selesai di situ, penemuan yang patut direkodkan adalah soalan dan jawapannya, bukan skornya. Nota fail yang menyatakan bahawa imej telah disoal siasat, fail asli telah diminta dan ia dibekalkan atau tidak, boleh dipertahankan sedangkan nombor yang disimpan tidak boleh dipertahankan.

Satu amaran praktikal tentang pengekstrakan pukal: halaman tunggal boleh mengandungi imej yang berpecah kepada beberapa jubin oleh proses eksport, dan jubin itu mendapat skor buruk dengan sendirinya kerana masing-masing adalah serpihan. Jika kepingan yang diekstrak kelihatan luar biasa kecil, cantum semula atau bekerja dari imej halaman itu sebaliknya.