Acerca de los paquetes ML

El uso de un paquete ML de Document Undestanding implica estos pasos:

• Recopila muestras de documentos y los requisitos de los puntos de datos que deben extraerse.

• Labeling documents using Document Manager. Document Manager itself connects to an OCR Service.

• Descarga o exportación de documentos etiquetados como conjunto de datos de entrenamiento y carga de la carpeta exportada en el almacenamiento de AI Center.

• Descarga o exportación de documentos etiquetados como un conjunto de datos de evaluación y carga de la carpeta exportada en el almacenamiento de AI Center.

• Ejecución de un proceso de entrenamiento en AI Center.

• Evaluación del rendimiento del modelo con un proceso de evaluación en AI Center.

• Implementación del modelo entrenado como una habilidad ML en AI Center.

• Consulta de la habilidad ML desde un flujo de trabajo RPA con el paquete de actividades UiPath.DocumentUnderstanding.ML.

  Nota:

  Recuerda que el uso de paquetes ML de Document Understanding requiere que la máquina en la que está instalado AI Center pueda acceder a https://du-metering.uipath.com.

  Importante:

  Al crear un paquete UiPath.DocumentUnderstanding.ML.Activities en AI Center, el nombre del paquete no debe contener ninguna palabra clave reservada de Python, como class, break, from, finally, global o None. Ten en cuenta que esta lista no es exhaustiva, ya que el nombre del paquete se usa para class <pkg-name> y import <pkg-name>.

Se trata de modelos de aprendizaje automático listos para usarse para clasificar y extraer cualquier punto de datos común de documentos semiestructurados o no estructurados, incluidos los campos regulares, las columnas de tablas y los campos de clasificación, con un enfoque sin plantillas.

Nota:

Los paquetes de aprendizaje automático suministrados por UiPath tienen la versión 0 y ya están disponibles en tu tenant, lo que significa que no es necesario descargarlos.

La descarga está disponible solo para las versiones 1 o superiores, que ya fueron entrenadas por ti.

Document Understanding contiene múltiples paquetes de ML divididos en cinco categorías principales:

• UiPath Document OCR
• Document Understanding
• Clasificador de documentos
• Out-of-the-box Pre-trained ML Packages
• Paquetes ML DU preentrenados listos para usar en AI Center
• Otros paquetes ML listos para usar

UiPath Document OCR

This is a non-retrainable model which can be used with the UiPath Document OCR engine activity as part of the Digitize Document activity. To be used, the ML Skill must first be made public so that a URL can be copy-pasted into the UiPath Document OCR engine activity.

You can run UiPathDocumentOCR on GPU or CPU, accuracy being the same on both cases, training on GPU being faster than te one on CPU. Check the Hardware Requirements for more details.

UiPathDocumentOCR requiere acceso al servidor de medición de Document Understanding en https://du.uipath.com/metering si la habilidad ML se ejecuta en una implementación regular de AI Center local. No se necesita acceso a Internet en las implementaciones aisladas de AI Center locales.

UiPathDocumentOCR_CPU

Este paquete ML se puede implementar de la misma manera que el paquete ML de UiPathDocumentOCR, con las siguientes diferencias:

• está optimizado para ejecutarse en la CPU, por lo que deberías ver un aumento de velocidad de 3 a 4 veces cuando se ejecuta en el flujo de trabajo, y de 5 a 10 veces cuando se utiliza para importar documentos en el administrador de documentos.
• la precisión es ligeramente inferior a la del paquete ML UiPathDocumentOCR , y es similar a la del paquete UiPath.DocumentUnderstanding.OCR.LocalServer Studio
• Debido a que es más rápida, la CPU también se recomienda cuando los documentos son grandes (más de 20 páginas por documento) en ausencia de una GPU, que es lo ideal.

Document Understanding

Se trata de un modelo genérico y reentrenable para extraer cualquier punto de datos común de cualquier tipo de documentos estructurados o semiestructurados, creando un modelo desde cero. Este paquete ML debe ser entrenado. Si se implementa sin entrenamiento previo, la implementación falla con un error que indica que el modelo no está entrenado.

Clasificador de documentos

Se trata de un modelo genérico y reentrenable para clasificar cualquier tipo de documentos estructurados o semiestructurados, creando un modelo desde cero. Este paquete ML debe ser entrenado. Si se implementa sin entrenamiento previo, la implementación falla con un error que indica que el modelo no está entrenado.

Out-of-the-box Pre-trained ML Packages

Se trata de paquetes de ML reentrenables que contienen el conocimiento de diferentes modelos de aprendizaje automático.

Se pueden personalizar para extraer campos adicionales o admitir idiomas adicionales mediante ejecuciones de procesos. Gracias a las capacidades de aprendizaje de transferencia de última generación, este modelo puede volver a entrenarse con documentos etiquetados adicionales y adaptarse a casos de uso específicos o ampliarse para que admita más idiomas latinos, cirílicos o griegos.

El conjunto de datos usado puede tener los mismos campos, un subconjunto de campos o tener campos adicionales. Para beneficiarte de la inteligencia ya contenida en el modelo preentrenado, es necesario usar campos con los mismos nombres que en el propio modelo listo para usar.

Estos paquetes ML son:

• Invoices: The fields extracted out-of-the-box can be found here.

• InvoicesAustralia: The fields extracted out-of-the-box can be found here.

• InvoicesIndia: The fields extracted out-of-the-box can be found here.

• InvoicesJapan Preview: The fields extracted out-of-the-box can be found here.

  Retraining using data from Validation Station is currently not supported.

• InvoicesChina Preview: The fields extracted out-of-the-box can be found here.

  Retraining using data from Validation Station is currently not supported.

• Receipts: The fields extracted out-of-the-box can be found here.

• Purchase Orders: The fields extracted out-of-the-box can be found here.

• Utility Bills: The fields extracted out-of-the-box can be found here.

• ID Cards : The fields extracted out-of-the-box can be found here.

• Passports: The fields extracted out-of-the-box can be found here.

• RemittanceAdvices: The fields extracted out-of-the-box can be found here.

• BillsOfLading: The fields extracted out-of-the-box can be found here.

• W2: The fields extracted out-of-the-box can be found here.

• W9: The fields extracted out-of-the-box can be found here.

• ACORD125: The fields extracted out-of-the-box can be found here

• I9: The fields extracted out-of-the-box can be found here

• 990Preview: The fields extracted out-of-the-box can be found here

• 4506T: The fields extracted out-of-the-box can be found here

• FM1003Preview: The fields extracted out-of-the-box can be found here

• ACORD25 - The fields extracted out-of-the-box can be found here

• 1040 - The fields extracted out-of-the-box can be found here

• Checks - The fields extracted out-of-the-box can be found here

• Bank Statements - The fields extracted out-of-the-box can be found here

• Financial statements - The fields extracted out-of-the-box can be found here

• Packing Lists - The fields extracted out-of-the-box can be found here

• ACORD131 - The fields extracted out-of-the-box can be found here

• ACORD126 - The fields extracted out-of-the-box can be found here

• ACORD140 - The fields extracted out-of-the-box can be found here

• Vehicle Titles - The fields extracted out-of-the-box can be found here

Estos modelos son arquitecturas de aprendizaje profundo diseñadas por UiPath. Una GPU puede usarse tanto en el tiempo de servicio como en el de entrenamiento, pero no es obligatoria. Una GPU ofrece una mejora de más de 10 veces en la velocidad para el entrenamiento en particular.

Los paquetes ML preentrenados listos para usar pueden dividirse en categorías de documentos en función del uso previsto de cada modelo:

Categoría de documento	Modelo de ML
KYC	Pasaportes Carnés de identidad Facturas de servicios públicos 4506T 1040 Comprobaciones Títulos de vehículos
Seguros	ACORD125 Acord131 Acord126 Acord140
Préstamos	FM1003 W2 4506T
Recursos humanos	Pasaportes Carnés de identidad W9 I9
Envíos	Facturas Conocimientos de embarque (incluye cartas de porte marítimo y aéreo) Listas de embalaje
AP	Facturas Facturas de servicios públicos
AR	Consejos de remisión Órdenes de compra Extractos bancarios Estados financieros
Gastos	Recibos

Otros paquetes ML listos para usar

Se trata de paquetes no entrenables que son necesarios para los componentes no ML del paquete de Document Understanding.

Estos paquetes ML son:

• FormExtractor: Deploy as Public Skill and paste the URL into the Form Extractor activity.
• IntelligentFormExtractor: Deploy as Public Skill and paste the URL into the Intelligent Form Extractor activity. Make sure to first deploy the HandwritingRecognition ML Skill and configure that as OCR for the this package.
• IntelligentKeywordClassifier: Deploy as Public Skill and paste the URL into the Intelligent Keyword Classifier activity.
• HandwritingRecognitionOCR: implementa como habilidad pública y usa como OCR al crear el paquete Extractor inteligente de formularios.