Referenční implementace software sady metod pro automatické zpracování obrazových a textových dat.

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F23%3A43975303" target="_blank" >RIV/49777513:23520/23:43975303 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/44846029:_____/23:N0000002

Výsledek na webu

<a href="https://www.kiv.zcu.cz/cz/vyzkum/software/produkt-detail-cz.html?produkt_id=159" target="_blank" >https://www.kiv.zcu.cz/cz/vyzkum/software/produkt-detail-cz.html?produkt_id=159</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Referenční implementace software sady metod pro automatické zpracování obrazových a textových dat.

Popis výsledku v původním jazyce

Výzkumné aktivity přispěly k vývoji DMS nové generace, zahrnující pokročilé moduly pro zpracování textu, vyhledávání a anonymizaci dat. Tyto moduly zahrnují: Modul Image Processing obsahuje komponenty OCR a Highlighter, které převádějí textové dokumenty ve formě skenů či fotografií na strukturovaná textová data. Tato data jsou následně ukládána do indexovatelných kolekcí. Modul Search se skládá z komponent Vectorizer, Semantic Search Engine a Ordinary Search Engine. Vectorizer převádí texty na vektory v sémantickém prostoru, Semantic Search Engine zaměřuje se na sémantické vyhledávání a Ordinary Search Engine umožňuje standardní vyhledávání textu. Tyto nástroje společně umožňují efektivní vyhledávání a nalezení textových shod dle požadavků uživatele. Knihovny pro anonymizaci smluv zahrnují několik modulů: contract_preprocessor_ocr, který slouží pro extrakci dat pomocí OCR, detekci začerněných oblastí a vlastnoručních podpisů; contract_questioner, který slučuje data získaná z dokumentů; contract_register pro vytěžování smluv z Registru smluv ČR a manipulaci s těmito dokumenty; snt_anonym_predict, který využívá hybridní model pro predikci oblastí textu určených k anonymizaci; contract_sign_detector pro detekci a lokalizaci vlastnoručních podpisů v bitmapě; a cotranon, což je kompletní software zabalený pro Docker, připravený k nasazení u průmyslového partnera. Řešení bylo implementováno v programovacím jazyce Python, s využitím API komunikačního rozhraní. Výsledný software je distribuován prostřednictvím Docker kontejnerů.

Název v anglickém jazyce

Referenční implementace software sady metod pro automatické zpracování obrazových a textových dat.

Popis výsledku anglicky

Research activities contributed to the development of a next-generation DMS, including advanced modules for text processing, search, and data anonymization. These modules include: The Image Processing module contains OCR and Highlighter components, which convert text documents in the form of scans or photographs into structured textual data. These data are subsequently stored in indexable collections. The Search module consists of the components Vectorizer, Semantic Search Engine, and Ordinary Search Engine. The Vectorizer transforms texts into vectors in semantic space, the Semantic Search Engine focuses on semantic search, and the Ordinary Search Engine enables standard text searches. These tools collectively enable efficient searching and matching of text based on user requirements. Libraries for contract anonymization include several modules: contract_preprocessor_ocr, which serves to extract data using OCR, detect redacted areas and handwritten signatures; contract_questioner, which merges data obtained from documents; contract_register, which extracts contracts from the Czech Contract Register and manipulates these documents; snt_anonym_predict, which uses a hybrid model to predict areas of text for anonymization; contract_sign_detector, which detects and locates handwritten signatures in the bitmap; and cotranon, a complete software package for Docker, ready for deployment with an industrial partner.The solution was implemented in the Python programming language, using an API communication interface. The resulting software is distributed via Docker containers.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EG21_374%2F0026768" target="_blank" >EG21_374/0026768: DMS nové generace</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.

Interní identifikační kód produktu

90197_1

Technické parametry

Referenční implementace software sady metod pro automatické zpracování obrazových a textových dat - OCR, Sémantické vyhledávání, Anonymizace. Výzkumné aktivity, jejichž výstupy byly zapracovány do finálního řešení. Byla uzavřena Smlouva o využití výsledků dosažených při řešení projektu výzkumu a vývoje č.SML/5200/0045/25. Axians Czech Republic s.r.o., Slovanská alej 2182/30, Kontatní osoba: René Grežďo, Tel.:+420 377 431 456, e-mail: plzen@axians.cz, Západočeská univerzita v Plzni, Technická 8, Plzeň, kontaktní osoba: Ing. Miloslav Konopík, Ph.D., Tel.: +420 377 632 418, email: konopik@kiv.zcu.cz

Ekonomické parametry

Moderní produkt s novými funkcionalitami, který nahradí již technologicky zastaralý a málo automatizovaný systém. Během 3 let po projektu se očekávají tržby 332,5 mil. Kč v ČR a 236,4 mil. Kč z exportu, s růstem tržního podílu o 15 % (ČR), respektive 0,12 % (svět).

IČO vlastníka výsledku

49777513, 44846029

Název vlastníka

Západočeská univerzita v Plzni, Axians Czech Republic s.r.o.