Sobre os pacotes de ML

O uso de um Pacote de ML do Document Understanding envolve estas etapas:

• Colete amostras de documentos e os requisitos dos pontos de dados que precisam ser extraídos.
• Rotule os documentos usando o Data Manager.

  O próprio Data Manager se conecta a um Serviço de OCR.

• Baixe ou exporte documentos rotulados como um conjunto de dados de treinamento e carregue essa pasta exportada para o AI Center Storage.
• Baixe ou exporte documentos rotulados como um conjunto de dados de avaliação e carregue essa pasta exportada para o armazenamento do AI Center.
• Execute um pipeline de treinamento no AI Center.
• Avalie o desempenho do modelo com um pipeline de avaliação no AI Center.
• Implante o modelo treinado como uma Habilidade de ML no AI Center.
• Consultar a Habilidade de ML de um fluxo de trabalho de RPA usando o pacote de atividades UiPath.DocumentUnderstanding.ML.
  Observação: lembre-se de que o uso dos Pacotes de ML do Document Understanding exige que a máquina na qual o AI Center está instalado possa acessar o https://du-metering.uipath.com.
  Importante: ao criar um pacote UiPath.DocumentUnderstanding.ML.Activities no AI Center, o nome do pacote não deve ser nenhuma palavra-chave reservada do python, como class, break, from, finally, global, None, etc. Observe que esta lista não é exaustiva, pois o nome do pacote é usado para class <pkg-name> e import <pkg-name> .

Esses são modelos de Machine Learning prontos para uso para classificar e extrair quaisquer pontos de dados comuns de documentos semiestruturados ou não estruturados, incluindo campos regulares, colunas de tabela e campos de classificação, em uma abordagem sem modelo.

Observação:

Pacotes de Machine Learning prontos para uso fornecidos pela UiPath têm a versão 0 e já estão disponíveis em seu tenant, o que significa que não há necessidade de baixá-los.

O download está disponível apenas para as versões 1 ou superior, que já foram treinadas por você.

O Document Understanding contém vários Pacotes de ML divididos em seis categorias principais:

• UiPath Document OCR
• UiPathDocumentOCR_CPU Visualização
• Document Understanding
• Classificador de documentos
• Out-of-the-box Pre-trained ML Packages
• Outros pacotes de ML prontos para uso

UiPath Document OCR

Este é um modelo não retreinável que pode ser usado com a atividade do mecanismo UiPath Document OCR como parte da atividade Digitize Document. Para ser usada, a Habilidade de ML deve primeiro ser tornada pública para que um URL possa ser copiado e colado na atividade do mecanismo UiPath Document OCR.

O UiPathDocumentOCR requer acesso ao servidor de medição do Document Understanding em https://du.uipath.com/metering se a Habilidade de ML estiver sendo executada em uma implantação regular no local do AI Center. Não é necessário acesso à Internet nas implantações no local e isoladas do AI Center.

O pacote de ML UiPathDocumentOCR no AI Center é otimizado para execução em GPU, portanto, recomendamos fortemente usá-lo em GPU. Se nenhuma GPU estiver disponível, recomendamos usar o contêiner Docker autônomo para versões anteriores a 2021.10. A partir da versão 2021.10, o pacote de ML também pode ser executado no AI Center local (On-premises), mas recomendamos ter pelo menos uma CPU de 4 núcleos ou idealmente uma CPU de 8 núcleos.

UiPathDocumentOCR_CPU Visualização

Este pacote de ML pode ser implantado exatamente da mesma maneira que o pacote de ML UiPathDocumentOCR, com as seguintes diferenças:

• isso é otimizado para ser executado na CPU, portanto, você deve ver uma aceleração de 3 a 4 vezes ao executar no fluxo de trabalho e de 5 a 10 vezes ao usá-lo para importar documentos para o Document Manager
• a precisão é um pouco menor do que o Pacote de ML UiPathDocumentOCR e é semelhante ao pacote Studio UiPath.DocumentUnderstanding.OCR.LocalServer
• por ser mais rápida, a CPU também é recomendada quando os documentos são grandes (mais de 20 páginas por documento) na ausência de GPU, o que é o ideal.

Document Understanding

Este é um modelo genérico e retreinável para extrair quaisquer pontos de dados comuns de qualquer tipo de documento estruturado ou semiestruturado, construindo um modelo do zero. Este Pacote de ML deve ser treinado. Se implantado sem treinamento prévio, a implantação falha com um erro informando que o modelo não foi treinado.

Classificador de documentos

Este é um modelo genérico e retreinável para classificar qualquer tipo de documento estruturado ou semiestruturado, construindo um modelo do zero. Este Pacote de ML deve ser treinado. Se implantado sem treinamento prévio, a implantação falha com um erro informando que o modelo não foi treinado.

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

Esses são Pacotes de ML retreináveis que contêm o conhecimento de diferentes modelos de Machine Learning.

Eles podem ser personalizados para extrair campos adicionais ou oferecer suporte a idiomas adicionais usando execuções de Pipeline. Usando recursos de aprendizado de transferência de última geração, esse modelo pode ser treinado novamente em documentos rotulados adicionais e adaptado a casos de uso específicos ou expandido para suporte adicional ao idioma latino, cirílico ou grego.

O conjunto de dados usado pode ter os mesmos campos, um subconjunto dos campos ou ter campos adicionais. Para se beneficiar da inteligência já contida no modelo pré-treinado, você precisa usar campos com os mesmos nomes do próprio modelo pronto para uso.

Esses Pacotes de ML são:

• Faturas: os campos extraídos pré-configurados podem ser localizados aqui.
• FaturasAustrália: os campos extraídos pré-configurados podem ser localizados aqui.
• FaturasÍndia: os campos extraídos pré-configurados podem ser localizados aqui.
• FaturasJapão Preview: os campos extraídos pré-configurados podem ser localizados aqui.

  A retenção usando dados da Estação de validação atualmente não é suportada.

• FaturasChina Preview: os campos extraídos pré-configurados podem localizados aqui.

  A retenção usando dados da Estação de validação atualmente não é suportada.

• Recibos: os campos extraídos pré-configurados podem ser encontrados aqui.
• Ordens de compra: os campos extraídos pré-configurados podem ser localizados aqui.
• Contas de serviço público Preview: os campos extraídos pré-configurados podem ser localizados aqui.
• Cartões de identificação Preview: os campos extraídos pré-configurados podem ser localizados aqui.
• Passaportes Preview: os campos extraídos pré-configurados podem localizados aqui.
• AvisosDePagamento Preview: os campos extraídos pré-configurados podem ser localizados aqui.
• NotasDeEntrega Preview: os campos extraídos pré-configurados podem ser localizados aqui.
• W2 Preview: os campos extraídos pré-configurados podem ser localizados aqui.
• W9 Preview: os campos extraídos pré-configurados podem localizados aqui.

Esses modelos são arquiteturas de deep learning criadas pela UiPath. Uma GPU pode ser usada tanto no tempo de serviço quanto no tempo de treinamento, mas não é obrigatória. Uma GPU oferece >10x de melhoria na velocidade para treinamento especificamente.

Outros pacotes de ML prontos para uso

Esses são pacotes não retreináveis que são necessários para componentes não ML do conjunto do Document Understanding.

Esses Pacotes de ML são:

• FormExtractor: implante como Habilidade Pública e cole o URL na atividade Form Extractor.
• IntelligentFormExtractor: implante como Habilidade Pública e cole o URL na atividade Intelligent Form Extractor. Certifique-se de primeiro implantar a Habilidade de ML HandwritingRecognition e configurá-la como OCR para este pacote.
• IntelligentKeywordClassifier: implante como habilidade pública e cole o URL na atividade Intelligent Keyword Classifier.
• HandwritingRecognition: implante como Habilidade Pública e use como OCR ao criar o pacote IntelligentFormExtractor.