0

尝试分析作为建筑图纸的 PDF 文件时,我收到以下错误:

{
    "error": {
        "code": "2018",
        "innerError": {
            "requestId": "7ffbbd94-fab5-4200-b32c-990d6029a1cc"
        },
        "message": "Content parsing error."
    }
}

我正在使用表单识别器 API,PDF 文件上同时包含文本和绘图符号。我还尝试了标题中的不同内容类型(“multipart/form-data”、“application/pdf”),结果相同。如果我截取 PDF 文件(它是一页)并将其另存为图像,它会成功处理。

表单识别器是否支持这些类型的 PDF 文件?我想知道我是否遗漏了什么或者目前不支持建筑图纸。

编辑:我附上了几个我正在使用的示例绘图文件(混淆识别信息)。Material Legends 文件是我需要从中提取信息的主要文件。对于平面图文件,我只想提取 Key Notes 部分的信息。

进一步澄清我需要提取的数据:我需要计算检测到的关键术语/短语的实例。例如,我需要扫描一个文件以查看其中有多少次包含文本“Restroom”。我同意 Form Recognizer 将它看到的内容放在结果的 Tokens 部分。

材料图例示例 材料图例

平面图示例 平面图

4

2 回答 2

0

考虑使用OCR 表单工具FOTT 网站训练模型 来自 OCR 表单工具 github 站点:“要通过完整的标签训练分析场景,您需要一组至少六个相同类型的表单。您将标记五个用于训练模型的表格和用于测试模型的表格。”

该模型提供了一些场景分析支持,以从表单和 json 映射中提取焦点。

如果您还没有这样做,请尝试通过他们的Form Recognizer API v2进行测试

于 2020-06-10T10:53:07.720 回答
0

表单识别器专注于包含文本和值的表单(采购订单、税表)。它将从文档中提取键/值对(地址、名称、ID)。你想从建筑图纸中得到什么类型的信息?如果您可以展示典型的架构图(公共领域中没有私人信息的类似图)以及您的预期结果,表单识别器团队可以对此进行调查。

希望这可以帮助。谢谢-xin-MSFT

于 2019-12-16T01:06:40.547 回答