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.

• Label documents using Data Manager.

  Data Manager itself connects to an OCR Service.

• Descarga o exporta los documentos etiquetados como conjunto de datos de entrenamiento y carga esa carpeta exportada al almacenamiento de AI Center.

• Descarga o exporta los documentos etiquetados como conjunto de datos de evaluación y carga esa carpeta exportada al almacenamiento de AI Center.

• Ejecuta un proceso de entrenamiento en AI Center.

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

• Implementa el modelo entrenado como una habilidad ML en AI Center.

• Query the ML Skill from an RPA Workflow using the UiPath.DocumentUnderstanding.ML activity package.

  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:

  When creating a UiPath.DocumentUnderstanding.ML.Activities Package in AI Center, the package name should not be any python reserved keyword, such as class , break, from, finally, global, None, etc. Note that this list is not exhaustive since the package name is used for class <pkg-name> and 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 ML divididos en seis categorías principales:

• UiPath Document OCR
• UiPathDocumentOCR_CPU vista previa
• Document Understanding
• Clasificador de documentos
• Out-of-the-box Pre-trained ML Packages
• 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.

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.

El paquete ML UiPathDocumentOCR de AI Center está optimizado para ejecutarse en GPU, por lo que recomendamos encarecidamente su uso en GPU. Si no se dispone de GPU, recomendamos utilizar el contenedor docker independiente para versiones anteriores a la 2021.10. A partir de la versión 2021.10, el paquete ML también puede ejecutarse en AI Center On-Premises, pero se recomienda disponer al menos de una CPU de 4 núcleos o, preferiblemente, una de 8 núcleos.

UiPathDocumentOCR_CPU vista previa

This ML Package can be deployed exactly the same way as the UiPathDocumentOCR ML Package, with the following differences:

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

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

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

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

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

• W2Preview: The fields extracted out-of-the-box can be found here.

• W9Preview: 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.

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.
• HandwritingRecognition: Deploy as Public Skill and use as OCR when creating the IntelligentFormExtractor package.