尧图网站建设 
Label Studio 3 步搭好 OCR 发票 BIO 预标注流水线【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio发票 OCR 出来的文本总有错字和漏框。这套 Label Studio 社区模板让你逐框校对 OCR 转写、统一打 O 标记直接产出 BIO 格式 NER 数据准备需要的干净 token 序列。它在管线里的位置把发票字段抽取看成一条流水线这个模板卡在中间校对的工位上上游 OCR 模型对发票图片做文本检测与识别输出带坐标的 token 及转写文本每个 token 在 Label Studio 里变成一个矩形框默认标记 OBIO 约定中的实体外标注者核对框选并逐框校对转写导出标注结果按区域 id 聚合成坐标 文本 标签的 token 列表下游模板在 token 序列上打 B-/I- 实体标签仓库内的 NER Tagging for Invoices 模板负责这一步训练出的抽取模型直接消费这份 BIO 语料。落到项目里三步就能跑起来。最短可复现路径建项目、贴配置、导数据新建项目后进入 Labeling Setup选 Custom template把下面这段贴进去保存View Image nameimage value$image zoomControltrue/ RectangleLabels namelabel toNameimage choicesingle Label valueO background#FFA500/ /RectangleLabels !-- perRegiontrue每个矩形框对应一个独立输入框 -- TextArea nametranscription toNameimage perRegiontrue editabletrue rows1 requiredtrue placeholderType or correct OCR text…/ /View任务的data字段只需一个image键值是图片地址HTTP 链接、本地路径或 base64 均可。用 JSON/CSV 上传或接入 S3、GCS 等存储后端导入后即可开始标注。配置里唯一的标签是 O——相当于给每个 token 盖一枚占位章所有 token 先以非实体身份进入下一阶段实体类型留给后续标注决定。不到二十行配置按标注者动手的顺序拆开看。按标注顺序拆配置看、框、填、导出① 看到什么图片展示与缩放Image从任务数据读$image渲染发票图zoomControl在工具栏打开缩放方便看清小字号字段。注意导出的坐标是相对原图宽高的 0–100 百分比不是像素值所以不同分辨率的票导出的结构完全一致。参数本文取值说明value$image从任务 data 取图片地址zoomControltrue工具栏显示缩放控件默认关② 框什么矩形框与标签RectangleLabels把矩形控件绑到图片上一个框对应一个 OCR token。choicesingle保证每框只挂一个标签本模板只定义 O实体类型后续再补。参数本文取值说明namelabel导出结果的 from_nametoNameimage绑定的图片控件choicesingle每个矩形只能选一个标签③ 填什么逐区转写精髓在perRegiontrue相当于给每个矩形发了一个专属输入框选中哪个框输入框内容就跟着哪个框走。rows1时单行输入框直接按 Enter 提交不用点 Add校对节奏快很多。参数本文取值说明perRegiontrue每个矩形一个输入框editabletrue提交后仍可修改文本默认关rows1单行Enter 直接提交requiredtrue每个框必填转写防漏填④ 导出什么成对的 result 记录每个矩形导出两条记录、共享同一区域 idrectanglelabels给坐标与标签textarea给转写文本original_width/height记录原始像素尺寸百分比坐标乘上去即可还原像素。{ result: [ { type: rectanglelabels, from_name: label, to_name: image, original_width: 1920, original_height: 1280, value: { x: 3.1, y: 8.2, width: 20, height: 16, rectanglelabels: [O] } }, { type: textarea, from_name: transcription, to_name: image, value: { text: [Invoice # 12345] } } ] }拿到导出文件后真正要加工的是把零散记录拼回 token 序列。数据流映射导出 JSON 怎么聚合成 token 序列输入 data 字段标注动作导出 JSON 字段image图片地址图片展示、框选参照value.x / y / width / height0–100 百分比OCR 模型预填充的转写逐框校对转写文本value.text—矩形标记 Ovalue.rectanglelabels: [O]按区域 id 聚合、再按 y、x 排成阅读顺序就得到形如这样的 token 列表token坐标百分比标签Invoice3.1, 8.2O# 1234512.4, 9.0O04/24/202430.1, 9.2O这份坐标 文本 O的列表就是 BIO 序列标注的输入下游在 token 上标 B-Vendor、I-Date 之类的实体标签OCR token 的 JSON 结构到这里才算闭环。想再压一步流程有两个低成本的改法。进阶方向扩实体标签集。发票字段类型固定时直接在 Pre-NER 阶段产出带类型的 token跳过中间转换RectangleLabels namelabel toNameimage choicesingle Label valueO background#FFA500/ Label valueB-Vendor background#4CAF50/ Label valueB-InvoiceNo background#2196F3/ Label valueB-Amount background#F44336/ /RectangleLabels输入框挪到 Regions 面板。给 TextArea 加displayModeregion-list所有区域的输入框集中展示适合大批量逐条过检的场景。这套框选 逐框转写的轻量配置把发票 OCR 结果的人工校对和 BIO 语料生成接成了标准动作。模板配置见 label_studio/annotation_templates/community-contributions/ocr-invoices-pre-ner-bio-format/config.ymlperRegion 参数用法详见 docs/source/tags/textarea.md。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Label Studio 3 步搭好 OCR 发票 BIO 预标注流水线
Label Studio 3 步搭好 OCR 发票 BIO 预标注流水线【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio发票 OCR 出来的文本总有错字和漏框。这套 Label Studio 社区模板让你逐框校对 OCR 转写、统一打 O 标记直接产出 BIO 格式 NER 数据准备需要的干净 token 序列。它在管线里的位置把发票字段抽取看成一条流水线这个模板卡在中间校对的工位上上游 OCR 模型对发票图片做文本检测与识别输出带坐标的 token 及转写文本每个 token 在 Label Studio 里变成一个矩形框默认标记 OBIO 约定中的实体外标注者核对框选并逐框校对转写导出标注结果按区域 id 聚合成坐标 文本 标签的 token 列表下游模板在 token 序列上打 B-/I- 实体标签仓库内的 NER Tagging for Invoices 模板负责这一步训练出的抽取模型直接消费这份 BIO 语料。落到项目里三步就能跑起来。最短可复现路径建项目、贴配置、导数据新建项目后进入 Labeling Setup选 Custom template把下面这段贴进去保存View Image nameimage value$image zoomControltrue/ RectangleLabels namelabel toNameimage choicesingle Label valueO background#FFA500/ /RectangleLabels !-- perRegiontrue每个矩形框对应一个独立输入框 -- TextArea nametranscription toNameimage perRegiontrue editabletrue rows1 requiredtrue placeholderType or correct OCR text…/ /View任务的data字段只需一个image键值是图片地址HTTP 链接、本地路径或 base64 均可。用 JSON/CSV 上传或接入 S3、GCS 等存储后端导入后即可开始标注。配置里唯一的标签是 O——相当于给每个 token 盖一枚占位章所有 token 先以非实体身份进入下一阶段实体类型留给后续标注决定。不到二十行配置按标注者动手的顺序拆开看。按标注顺序拆配置看、框、填、导出① 看到什么图片展示与缩放Image从任务数据读$image渲染发票图zoomControl在工具栏打开缩放方便看清小字号字段。注意导出的坐标是相对原图宽高的 0–100 百分比不是像素值所以不同分辨率的票导出的结构完全一致。参数本文取值说明value$image从任务 data 取图片地址zoomControltrue工具栏显示缩放控件默认关② 框什么矩形框与标签RectangleLabels把矩形控件绑到图片上一个框对应一个 OCR token。choicesingle保证每框只挂一个标签本模板只定义 O实体类型后续再补。参数本文取值说明namelabel导出结果的 from_nametoNameimage绑定的图片控件choicesingle每个矩形只能选一个标签③ 填什么逐区转写精髓在perRegiontrue相当于给每个矩形发了一个专属输入框选中哪个框输入框内容就跟着哪个框走。rows1时单行输入框直接按 Enter 提交不用点 Add校对节奏快很多。参数本文取值说明perRegiontrue每个矩形一个输入框editabletrue提交后仍可修改文本默认关rows1单行Enter 直接提交requiredtrue每个框必填转写防漏填④ 导出什么成对的 result 记录每个矩形导出两条记录、共享同一区域 idrectanglelabels给坐标与标签textarea给转写文本original_width/height记录原始像素尺寸百分比坐标乘上去即可还原像素。{ result: [ { type: rectanglelabels, from_name: label, to_name: image, original_width: 1920, original_height: 1280, value: { x: 3.1, y: 8.2, width: 20, height: 16, rectanglelabels: [O] } }, { type: textarea, from_name: transcription, to_name: image, value: { text: [Invoice # 12345] } } ] }拿到导出文件后真正要加工的是把零散记录拼回 token 序列。数据流映射导出 JSON 怎么聚合成 token 序列输入 data 字段标注动作导出 JSON 字段image图片地址图片展示、框选参照value.x / y / width / height0–100 百分比OCR 模型预填充的转写逐框校对转写文本value.text—矩形标记 Ovalue.rectanglelabels: [O]按区域 id 聚合、再按 y、x 排成阅读顺序就得到形如这样的 token 列表token坐标百分比标签Invoice3.1, 8.2O# 1234512.4, 9.0O04/24/202430.1, 9.2O这份坐标 文本 O的列表就是 BIO 序列标注的输入下游在 token 上标 B-Vendor、I-Date 之类的实体标签OCR token 的 JSON 结构到这里才算闭环。想再压一步流程有两个低成本的改法。进阶方向扩实体标签集。发票字段类型固定时直接在 Pre-NER 阶段产出带类型的 token跳过中间转换RectangleLabels namelabel toNameimage choicesingle Label valueO background#FFA500/ Label valueB-Vendor background#4CAF50/ Label valueB-InvoiceNo background#2196F3/ Label valueB-Amount background#F44336/ /RectangleLabels输入框挪到 Regions 面板。给 TextArea 加displayModeregion-list所有区域的输入框集中展示适合大批量逐条过检的场景。这套框选 逐框转写的轻量配置把发票 OCR 结果的人工校对和 BIO 语料生成接成了标准动作。模板配置见 label_studio/annotation_templates/community-contributions/ocr-invoices-pre-ner-bio-format/config.ymlperRegion 参数用法详见 docs/source/tags/textarea.md。【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考