[Azure] Azure AI Document Intelligence 사용하기

🎯 Azure AI Document Intelligence 사용하기

Azure AI Document Intelligence를 사용해보자.

• Azure는 많은 기능이 빠르게 변화하고 있으므로 캡처한 이미지는 참고만 하자.

1. Azure AI Document Intelligence 리소스 생성하기

Azure AI Document Intelligence 리소스를 생성해보자.

• 우선 내 리소스 그룹에 들어가서 리소스를 생성해야 한다.
  • Azure에서 AI Service를 사용하기 위해서 리소스 그룹을 만들고 그 안에 리소스를 생성하는 것은 동일하다.
  • 단, AI Service의 경우에는 ‘Document Intelligence’와 같이 제품 하나씩 리소스를 생성할 수도 있고, ‘AI services’를 생성하여 여러 AI Service를 한 번에 관리할 수도 있다.

• Marketplace에서 document intelligence를 검색하고 Azure 서비스만을 체크하면 바로 보인다.
• 들어가서 만들기를 선택하자.

• 인스턴스 세부 정보를 나에게 맞게 입력하고 검토 및 만들기를 누르자.
• 리소스는 금방 만들어진다.

• 내 리소스에 들어가서 Go to Document Intelligence Studio를 누르면 이제 기능을 사용해볼 수 있다.

2. Azure AI Document Intelligence - Document analysis 사용하기

Azure AI Document Intelligence로 문서를 분석해보자.

2.1 OCR/Read 사용하기

광학 문자 인식(OCR) 기능을 사용하여 줄, 단어, 위치 및 언어를 감지한다. Document Intelligence의 다른 모델은 이 모델을 사용하여 문서에서 텍스트를 추출한다.

• Document Intelligence Studio에 들어가서 OCR/Read를 선택하자.

• 진입하면 Sample을 선택할 수 있고 Analyze options를 통해 여러 옵션을 선택할 수 있다.

• Run analysis를 누르면 문서를 분석할 수 있다.
• 아래처럼 바운딩 박스가 표시되고 어떤 글자들이 추출되었는지 확인할 수 있다.
  • Polygon은 바운딩 박스의 좌표를 의미한다.
• 한국어도 잘 인식하는 것을 확인할 수 있다.

2.2 Layout 사용하기

문서에서 텍스트, 선택 마크, 표, 단락 및 단락 유형을 추출한다. REST API를 사용하거나 Python, C#, Java 및 JavaScript의 SDK로 시작할 수 있다.

• Document Intelligence Studio에 들어가서 Layout을 선택하자.

• OCR/Read와 마찬가지로 Analyze options를 통해 여러 옵션을 선택할 수 있다.
• OCR/Read와 다르게 Layout은 바운딩 박스에 있는 글자들이 어떤 항목에 들어가는지 표시가 된다.

• Query field를 추가해서 추출을 원하는 field를 지정할 수 있다.

• 결과에 Field가 추가되고 어디가 title인지 알 수 있다!!

2.3 General document 사용하기

광학 문자 인식(OCR) 기능과 딥 러닝 모델을 결합하여 대부분의 유형의 문서에서 키-값 쌍, 선택 마크 및 엔티티를 추출한다.

• 🌟앞으로 문서에서 키-값 쌍을 추출하려면 레이아웃 모델을 사용하고 키-값 쌍 추가 기능을 활성화해야 합니다.🌟
  • 🌟아마도 추후에는 layout으로 기능이 통합될 수도 있을 것 같다….!🌟
• Document Intelligence Studio에 들어가서 General document을 선택하자.

• 이전과 마찬가지로 Analyze options를 통해 여러 옵션을 선택할 수 있다.
• Run analysis를 누르면 문서를 분석할 수 있다.
• 바운딩 박스가 생성 안된 곳은 어떤 키-값 쌍으로 묶어야 할지 판단이 안되어 묶지 않은 것으로 보인다.

3. Azure AI Document Intelligence - Prebuilt models 사용하기

미리 구축된 모델을 사용하여 특수한 문서들을 분석해보자.

3.1 Invoice 사용하기

광학 문자 인식(OCR) 기능과 딥 러닝 모델을 결합하여 사진, 스캔한 문서 및 디지털 PDF를 포함한 다양한 형식과 품질의 invoice를 분석한다. 고객 이름, 청구 주소, 만기일 및 청구 금액과 같은 주요 정보를 구조화된 JSON 데이터 형식으로 추출한다. 현재 영어 및 스페인어 invoice가 지원된다.

• Document Intelligence Studio에 들어가서 Invoice을 선택하자.

• 우선 query field 없이 분석을 진행해보자.
  • 단순히 글자를 인식하는 것이 아니라 vendor사 이름이라는 것까지 추출해낸다….!!

• 그리고 query field를 추가하면 추출을 원하는 field를 지정할 수 있다!

• field를 추가하니 이전에는 못잡아내던 Account Number도 잘 잡아낸다.

3.2 Receipt 사용하기

광학 문자 인식(OCR) 기능과 딥 러닝 모델을 결합하여 인쇄된 영수증과 손으로 쓴 영수증을 모두 분석한다. 상점 이름, 상점 전화번호, 거래 날짜, 총 세금 및 거래 총액과 같은 주요 정보를 구조화된 JSON 데이터 형식으로 추출한다.

• Document Intelligence Studio에 들어가서 Receipt을 선택하자.
• 바로 아무런 옵션 없이 분석을 진행해보자.
  • 현재는 영수증에서 Delivery fee를 잘 못잡아내는 것을 확인할 수 있다.

• Query field를 추가해서 Delivery fee를 잡아내보자.

• 이제 잘 잡아내는 것을 확인할 수 있다!!!

3.3 Identity documents 사용하기

광학 문자 인식(OCR) 기능과 딥 러닝 모델을 결합하여 운전 면허증 및 여권을 포함한 신원 문서를 분석한다. 미국 50개 주와 컬럼비아 특별구의 운전 면허증이 지원된다. 주요 정보를 구조화된 JSON 데이터 형식으로 추출한다.

• 🌟참고로 한국 신분증도 된다!🌟

3.4 Business cards 사용하기

광학 문자 인식(OCR) 기능과 딥 러닝 모델을 결합하여 인쇄된 명함을 분석한다. 주요 정보를 구조화된 JSON 데이터 형식으로 추출하며, 여기에는 이름, 성, 회사 이름, 이메일 주소 및 전화번호가 포함된다.

• 전 직장 명함인데 잘 잡는 것을 확인할 수 있다.

3.5 Credit cards 사용하기

카드 번호, 카드 소지자 이름, 만기일 및 은행 정보와 같은 정보를 추출한다.

• 샘플 카드로 해보니 잘 잡히는 것을 확인할 수 있다!

Azure 카테고리 내 다른 글 보러가기