В настоящее время одной из актуальных задач автоматизации документооборота организации в условиях поступления разнообразной документации от большого количества контрагентов является проверка и классификация сканированных материалов. В статье представлен анализ и основные характеристики существующих способов решения данной задачи. Целью исследования является разработка программного модуля, позволяющего классифицировать документы с точностью не менее 97 % в режиме реального времени, что актуально для электронного документооборота в крупных и средних компаниях. Приведено описание решения поставленной задачи на основе сверточной нейросети (CNN – Convolutional Neural Network). Входными данными для программного модуля является pdf-файл сканированного документа, выходными данными является xml-файл с классом документа. Для повышения точности и скорости работы программы были решены задачи по кодированию сигнала для нейронной сети и определению ее структуры. Приведено описание этапов обработки сканированных документов и архитектуры разработанной нейросети. Предложенный метод классификации позволяет классифицировать страницы с высокой точностью на небольшом датасете. Проведено тестирование программы на датасете из 9628 страниц и 22 возможных классов. Точность составила 99,1 %. Время классификации одной страницы без учета чтения файла и копирования в GPU составляет 2 мс на GeForce 780TI. Полное время классификации страницы составляет примерно 22,3 мс.
Currently, one of the urgent tasks of automating the organization’s document flow in the context of receiving a variety of documentation from a large number of counterparties is the verification and classification of scanned materials. The article presents the analysis and main characteristics of the existing methods of solving this problem. The purpose of the study is to develop a software module that allows you to classify documents with an accuracy of not less than 97 % in real time, which is relevant to the electronic document management in large and medium-sized companies. The description of the solution of the problem based on the convolutional neural Network (CNN – Convolutional Neural Network) is given. The input data for the program module is a pdf file of the scanned document, the output data is an xml file with the document class. To improve the accuracy and speed of the program, the tasks of encoding the signal for the neural network and determining its structure were solved. The stages of processing scanned documents and the architecture of the developed neural network are described. The proposed classification method allows you to classify pages with high accuracy on a small dataset. The program was tested on a dataset of 9628 pages and 22 possible classes. The accuracy was 99.1 %. The classification time of a single page without considering file reading and copying to the GPU is 2 ms on the GeForce 780TI. The total page classification time is approximately 22.3 ms.
1. Kotyuzhanskiy L.A., Ryzhkova N.G., Chetverkin N.V. Semantic segmentation in flaw detection. MIP: Engineering-2020. IOP Conf. Series: Materials Science and Engineering 862 (2020) 032056. P. 7. [Electronic resource]. URL: https://iopscience.iop.org/article/10.1088/1757-899X/862/3/032056 (date of access: 22.05.2021). DOI:10.1088/1757-899X/862/3/032056.
2. Kölsch A., M. Afzal M.Z., Ebbecke M., Liwicki M. Real-time document image classification using deep CNN and extreme learning machines. 14th IAPR International Conference on Document Analysis and Recognition, ICDAR 2017. Proceedings of the International Conference on Document Analysis and Recognition, ICDAR Volume 1, 25 January 2018, P. 1318–1323. [Electronic resource]. URL: https://www.researchgate.net/publication/321124702_Real-Time_Document_Image_Classification_Using_Deep_CNN_and_Extreme_Learning_Machines (date of access: 22.05.2021). DOI: 10.1109/ICDAR.2017.217.
3. Das A., Roy S., Bhattacharya U., Parui S.K. Document image classification with intra-domain transfer learning and stacked generalization of deep convolutional neural networks. 24th International Conference on Pattern Recognition, ICPR 2018. Proceedings – International Conference on Pattern RecognitionVolume 2018 – August, 26 November 2018, p. 8545630, P. 3180–3185. [Electronic resource]. URL: https://ieeexplore.ieee.org/document/8545630 (date of access: 22.05.2021). DOI: 10.1109/ICPR.2018.8545630.
4. Asim M.N., Khan M.U.G., Malik M.I., Razzaque K., Dengel A., Ahmed S. Two stream deep network for document image classification. 5th IAPR International Conference on Document Analysis and Recognition, ICDAR 2019. Proceedings of the International Conference on Document Analysis and Recognition, ICDAR September 2019, p. 8978000, P. 1410–1416. [Electronic resource]. URL: https://ieeexplore.ieee.org/document/8978000 (date of access: 22.05.2021). DOI: 10.1109/ICDAR.2019.00227.
5. Bakkali S., Ming Z., Coustaty M., Rusinol M. Visual and textual deep feature fusion for document image classification. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, CVPRW 2020. IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops Volume 2020-June, June 2020, P. 9150829, P. 2394–2403. [Electronic resource]. URL: https://ieeexplore.ieee.org/document/9150829 (date of access: 22.05.2021). DOI: 10.1109/CVPRW50498.2020.00289.
6. Приказ Федеральной службы по экологическому, технологическому и атомному надзору от 26 декабря 2006 г. № 1128 «Об утверждении и введении в действие Требований к составу и порядку ведения исполнительной документации при строительстве, реконструкции, капитальном ремонте объектов капитального строительства и требований, предъявляемых к актам освидетельствования работ, конструкций, участков сетей инженерно-технического обеспечения» (с изменениями на 9 ноября 2017 года). Приложение 3. Актуальная форма акта освидетельствования скрытых работ [Электронный ресурс]. URL: http://www.consultant.ru/document/cons_doc_LAW_66762/ (дата обращения: 13.05.2021).
7. Kang L., Kumar J., Peng Y., Li Y. Convolutional neural networks for document image classification // 22nd International Conference on Pattern Recognition (ICPR), 2014. [Electronic resource]. URL: https://www.researchgate.net/publication/286725002_Convolutional_Neural_Networks_for_Document_Image_Classification (date of access: 22.05.2021). DOI:10.1109/ICPR.2014.546.
8. Clevert D., Unterthiner T., Hochreiter S. Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs). ICLR 2016. [Electronic resource]. URL: https://arxiv.org/abs/1511.07289 (date of access: 22.05.2021).
9. Srivastava N., Hinton G., Krizhevsky A., Sutskever I., Salakhutdinov R. Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Journal of Machine Learning Research 15, 2014, P. 1929–1958. [Electronic resource]. URL: http://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf (date of access: 22.05.2021).