വായിക്കാൻ 4 മിനിറ്റ്

ന്യൂറൽ ഒസിആർ: പേപ്പറിലെ കൈയെഴുത്തും അച്ചടിച്ച അക്ഷരങ്ങളും ക്യാമറ എങ്ങനെ കൃത്യമായി വായിച്ചെടുക്കുന്നു?

പ്രസിദ്ധീകരിച്ചത്

30 സെക്കൻഡിൽ സാരം

ന്യൂറൽ ഒസിആർ എന്നത് കൃത്രിമബുദ്ധി ഉപയോഗിച്ച് പേപ്പറിലെ അച്ചടിച്ചതോ കൈയെഴുത്തിലുള്ളതോ ആയ അക്ഷരങ്ങൾ തിരിച്ചറിഞ്ഞ് അവയെ കമ്പ്യൂട്ടർ ടെക്സ്റ്റാക്കി മാറ്റുന്ന സംവിധാനമാണ്. പഴയ സോഫ്റ്റ്‌വെയറുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഇത് അക്ഷരങ്ങളുടെ ആകൃതിയും വാക്യത്തിന്റെ പൂർണ്ണ അർത്ഥവും ഒരേസമയം വിശകലനം ചെയ്യുന്നു. ഇതിലൂടെ മങ്ങിയ ചിത്രങ്ങളിൽ നിന്നോ പഴയ രേഖകളിൽ നിന്നോ പോലും വാക്കുകൾ കൃത്യമായി കണ്ടെത്താൻ സാധിക്കുന്നു.

അച്ചടിച്ച കടലാസിൽ നിന്ന് മൊബൈൽ സ്ക്രീനിലേക്കുള്ള അക്ഷരങ്ങളുടെ മാറ്റം

കടയിൽ നിന്നുള്ള പലചരക്ക് സാധനങ്ങളുടെ ബില്ലാകട്ടെ, കെഎസ്ആർടിസി ബസ് ടിക്കറ്റാകട്ടെ, കോളേജിലെ സുഹൃത്തിന്റെ കൈയെഴുത്തുപ്രതിയാകട്ടെ, പേപ്പറിലെ വിവരങ്ങൾ മൊബൈലിലേക്ക് ടൈപ്പ് ചെയ്യേണ്ട സാഹചര്യം നമുക്ക് ഉണ്ടാകാറുണ്ട്. ഓരോ വാക്കും നോക്കി കൈകൊണ്ട് ടൈപ്പ് ചെയ്യുന്നത് ഏറെ സമയമെടുക്കുന്ന ബുദ്ധിമുട്ടുള്ള കാര്യമാണ്. എന്നാൽ ഇന്ന് മൊബൈൽ ക്യാമറ പേപ്പറിന് നേരെ കാണിക്കുമ്പോൾ തന്നെ അതിലെ അക്ഷരങ്ങൾ തെളിഞ്ഞുവരികയും, അവ പെട്ടെന്ന് കോപ്പി ചെയ്ത് സന്ദേശമായി അയക്കാൻ സാധിക്കുകയും ചെയ്യുന്നു. ക്യാമറയുടെ ലെൻസിന് വെറും വെളിച്ചവും നിഴലും മാത്രം കാണാൻ കഴിയുമ്പോൾ, കമ്പ്യൂട്ടർ എങ്ങനെയാണ് ഇത്ര കൃത്യമായി വാക്കുകൾ വായിച്ചെടുക്കുന്നത് എന്ന സംശയം ആർക്കും തോന്നാം.

ഈ പ്രക്രിയയെ 'ന്യൂറൽ ഒപ്റ്റിക്കൽ ക്യാരക്ടർ റെക്കഗ്നിഷൻ' അല്ലെങ്കിൽ 'ന്യൂറൽ ഒസിആർ' എന്ന് വിളിക്കുന്നു. പഴയ കമ്പ്യൂട്ടറുകൾ അക്ഷരങ്ങളെ മുൻകൂട്ടി നിശ്ചയിച്ച കട്ടകളുമായി മാത്രം ഒത്തുനോക്കുകയായിരുന്നു ചെയ്തിരുന്നത്. അതിനാൽ പേപ്പർ അല്പം ചെരിഞ്ഞാലോ മഷി പടർന്നാലോ പഴയ സിസ്റ്റം കുഴങ്ങിപ്പോയിരുന്നു. എന്നാൽ ഇന്നത്തെ ന്യൂറൽ നെറ്റ്‌വർക്ക് മനുഷ്യന്റെ കണ്ണ് പോലെയാണ് പ്രവർത്തിക്കുന്നത്. അത് അക്ഷരങ്ങളുടെ രൂപം മാത്രമല്ല, വളവുകളും വരകളുടെ കൂടിച്ചേരലും വാക്യത്തിലെ മറ്റ് വാക്കുകളുടെ സന്ദർഭവും ഒന്നിച്ച് മനസ്സിലാക്കുന്നു.

ഗ്രാമപഞ്ചായത്ത് ഓഫീസിലെ പരിചയസമ്പന്നനായ ക്ലർക്കിന്റെ നോട്ടം

ഒരു ഗ്രാമപഞ്ചായത്ത് ഓഫീസിലെ പഴയ മരമേശയ്ക്ക് പിന്നിലിരുന്ന് നൂറുകണക്കിന് അപേക്ഷകളും നികുതി രസീതുകളും പരിശോധിക്കുന്ന ഒരു മുതിർന്ന ക്ലർക്കിനെ സങ്കൽപ്പിക്കുക. മഴവെള്ളം വീണ് ചില കടലാസുകളിലെ മഷി പടർന്നിട്ടുണ്ട്, മറ്റ് ചിലതിൽ തിടുക്കത്തിൽ എഴുതിയ അവ്യക്തമായ കൈയക്ഷരമാണുള്ളത്. മഷി പടർന്നതുകൊണ്ട് മാത്രം ആ ക്ലർക്ക് ആ കടലാസ് മാറ്റിവെക്കില്ല. അദ്ദേഹം ഒരു ഭൂതക്കണ്ണാടിയെടുത്ത്, ജനലിലൂടെ വരുന്ന പ്രഭാതവെളിച്ചത്തിലേക്ക് കടലാസ് തിരിച്ച് പിടിച്ച്, ഓരോ വരയുടെയും വളവുകൾ ശ്രദ്ധയോടെ പരിശോധിക്കുന്നു.

അദ്ദേഹം ആ ഒറ്റ അക്ഷരം മാത്രമല്ല നോക്കുന്നത്, മറിച്ച് വിലാസത്തിലെ മുഴുവൻ വിവരങ്ങളും ഒന്നിച്ച് ചേർത്തു വായിക്കുന്നു. പിൻകോഡിന്റെ തുടക്കം 'ആറ്' എന്നും ജില്ലയുടെ പേര് 'തിരു' എന്നതിലാണ് തുടങ്ങുന്നതെന്നും കണ്ടാൽ, അടുത്തുള്ള മങ്ങിയ അക്ഷരം 'വനന്തപുരം' എന്നായിരിക്കുമെന്ന് അദ്ദേഹത്തിന്റെ അനുഭവജ്ഞാനം വ്യക്തമാക്കുന്നു. അക്ഷരത്തിന്റെ ആകൃതിയും ഭാഷയുടെ സ്വാഭാവിക നിയമങ്ങളും മനസ്സിൽ ഒത്തുനോക്കി, എത്ര മോശം കൈയക്ഷരവും അദ്ദേഹം നിമിഷങ്ങൾക്കകം ശരിയായി വായിച്ചെടുക്കുന്നു.

നിങ്ങളുടെ ഫോണിലെ ന്യൂറൽ ഒസിആറും ഇതേ ക്ലർക്കിനെപ്പോലെയാണ് പ്രവർത്തിക്കുന്നത്. ക്യാമറ പകർത്തിയ ചിത്രമാണ് ആദ്യം ഇതിലേക്ക് എത്തുന്നത്. ന്യൂറൽ നെറ്റ്‌വർക്ക് കറുത്ത വരകളും വളവുകളും പരിശോധിച്ച് അക്ഷരങ്ങളെ വേർതിരിക്കുന്നു. തുടർന്ന് ലക്ഷക്കണക്കിന് വാക്യങ്ങൾ പഠിച്ചിട്ടുള്ള കമ്പ്യൂട്ടർ മോഡൽ, അക്ഷരങ്ങളെ പരസ്പരം ബന്ധിപ്പിച്ച് അർത്ഥവത്തായ വാക്കുകൾ കണ്ടെത്തുന്നു. ഒടുവിൽ കടലാസിലെ ചിത്രം നിങ്ങളുടെ സ്ക്രീനിൽ തിരുത്താനും പകർത്താനും കഴിയുന്ന ശുദ്ധമായ ഡിജിറ്റൽ വാചകമായി മാറുന്നു.

ദൈനംദിന ജീവിതത്തിൽ ന്യൂറൽ ഒസിആർ എവിടെയൊക്കെ ഉപകരിക്കുന്നു?

നമ്മുടെ നിത്യജീവിതത്തിൽ പല മേഖലകളിലും ഈ സാങ്കേതികവിദ്യ ഇന്ന് നിശബ്ദമായി വലിയ മാറ്റങ്ങൾ വരുത്തുന്നുണ്ട്.

  • കടകളിലെ ബില്ലുകളും ചെലവ് കണക്കുകളും സൂക്ഷിക്കാൻ: പലചരക്ക് കടകളിൽ നിന്നും സൂപ്പർമാർക്കറ്റുകളിൽ നിന്നും സാധനങ്ങൾ വാങ്ങുമ്പോൾ ലഭിക്കുന്ന പേപ്പർ ബില്ലുകൾ മൊബൈൽ ക്യാമറയിലൂടെ സ്കാൻ ചെയ്ത് ചെലവ് രേഖപ്പെടുത്തുന്ന ആപ്പുകളിൽ സൂക്ഷിക്കാം. ഇത് എല്ലാ മാസവും അവസാനം ഓരോ ബില്ലും നോക്കി കൈകൊണ്ട് കണക്കെഴുതുന്ന ബുദ്ധിമുട്ട് പൂർണ്ണമായും ഒഴിവാക്കുന്നു, ഒപ്പം കുടുംബ ബജറ്റ് കൃത്യമായി സൂക്ഷിക്കാനും കണക്കുകൂട്ടലുകളിലെ മനുഷ്യസഹജമായ പിഴവുകൾ ഇല്ലാതാക്കാനും വളരെയധികം സഹായിക്കുന്നു.
  • വിദ്യാർത്ഥികളുടെ കൈയെഴുത്ത് കുറിപ്പുകൾ ശേഖരിക്കാൻ: പരീക്ഷാ സമയത്ത് സഹപാഠികളുടെ പുസ്തകങ്ങളിൽ നിന്ന് പകർത്തിയ കൈയെഴുത്ത് ചോദ്യോത്തരങ്ങളും ക്ലാസ് മുറികളിലെ ബോർഡിൽ എഴുതിയ പ്രധാന ഭാഗങ്ങളും മൊബൈൽ ക്യാമറ വഴി സ്കാൻ ചെയ്ത് ഡിജിറ്റൽ രേഖകളാക്കാം. ഇത് പരീക്ഷയ്ക്ക് തയ്യാറെടുക്കുമ്പോൾ പ്രധാനപ്പെട്ട വാക്കുകൾ എളുപ്പത്തിൽ തിരഞ്ഞുപിടിക്കാനും, മൊബൈലിൽ സുരക്ഷിതമായി സൂക്ഷിച്ചുവെക്കാനും, സുഹൃത്തുക്കളുമായി വേഗത്തിൽ പങ്കുവെക്കാനും പഠനകാര്യങ്ങൾ കൂടുതൽ ലളിതമാക്കാനും വലിയതോതിൽ സഹായിക്കുന്നു.
  • സർക്കാർ സേവനങ്ങളും ബാങ്കിംഗ് രേഖകളും വേഗത്തിലാക്കാൻ: അക്ഷയ കേന്ദ്രങ്ങളിലോ ബാങ്കുകളിലോ വിവിധ സേവനങ്ങൾക്കായി പുതിയ അപേക്ഷകൾ സമർപ്പിക്കുമ്പോൾ ആധാർ കാർഡ്, പാൻ കാർഡ്, റേഷൻ കാർഡ് എന്നിവയിലെ കൃത്യമായ വിവരങ്ങൾ ഒസിആർ വഴി കമ്പ്യൂട്ടർ ഫോമുകളിലേക്ക് നേരിട്ട് പകർത്തുന്നു. ജീവനക്കാർ വിവരങ്ങൾ കൈകൊണ്ട് ഓരോന്നായി ടൈപ്പ് ചെയ്യാൻ കാത്തുനിൽക്കാതെ അപേക്ഷകൾ പെട്ടെന്ന് തയ്യാറാക്കാനും നീണ്ട ക്യൂവിൽ കാത്തുനിൽക്കുന്ന സമയം വലിയതോതിൽ ലാഭിക്കാനും സാധിക്കുന്നു.
  • പഴയ മലയാള സാഹിത്യവും ചരിത്രരേഖകളും സംരക്ഷിക്കാൻ: കേരളത്തിലെ പൊതു വായനശാലകളിലെയും ആർക്കൈവുകളിലെയും അപൂർവ്വമായ പഴയ ഗ്രന്ഥങ്ങൾ, പഴഞ്ചൻ താളിയോലകൾ, ചരിത്രരേഖകൾ എന്നിവ ഒസിആർ വഴി സ്കാൻ ചെയ്ത് ഇ-ബുക്കുകളാക്കി മാറ്റുന്നുണ്ട്. ഇത് നമ്മുടെ നാടിന്റെ മഹത്തായ സാംസ്കാരിക പൈതൃകം കാലങ്ങളോളം ഡിജിറ്റൽ ലോകത്ത് സുരക്ഷിതമായി സൂക്ഷിക്കാനും പുതിയ തലമുറയിലെ വിദ്യാർത്ഥികൾക്കും ഗവേഷകർക്കും ഏത് വിവരവും വിരൽത്തുമ്പിൽ കണ്ടെത്താനും വലിയ അവസരമൊരുക്കുന്നു.

ജോലിയിലെ വേഗതയും ഉപയോഗിക്കുമ്പോൾ ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങളും

ഈ ആധുനിക സംവിധാനം പേപ്പർ രേഖകളുടെ വലിയ കൂമ്പാരങ്ങളെ ഏതാനും നിമിഷങ്ങൾക്കുള്ളിൽ ഡിജിറ്റലാക്കി മാറ്റി മനുഷ്യരുടെ വിലപ്പെട്ട സമയവും അധ്വാനവും വലിയതോതിൽ ലാഭിക്കുന്നു. സർക്കാർ ഓഫീസുകളിലെയും വാണിജ്യ സ്ഥാപനങ്ങളിലെയും ഫയൽ നീക്കങ്ങൾ വളരെ വേഗത്തിലാകുന്നു. എങ്കിലും, ഫോട്ടോയിലെ മങ്ങലോ അല്ലെങ്കിൽ മോശം മഷിയോ കാരണം അപൂർവ്വമായി ചില തെറ്റുകൾ സംഭവിച്ചേക്കാം, അതിനാൽ ഈ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുമ്പോൾ ചില പ്രായോഗിക മുൻകരുതലുകൾ എടുക്കുന്നത് നല്ലതാണ്.

  • നല്ല വെളിച്ചത്തിൽ കടലാസിന് നേരെ പിടിച്ച് വ്യക്തമായ ഫോട്ടോ എടുക്കുക: രേഖകൾ മൊബൈൽ വഴി സ്കാൻ ചെയ്യുമ്പോൾ പേപ്പറിൽ കൈയുടെയോ ഫോണിന്റെയോ നിഴൽ വീഴുന്നില്ലെന്ന് എപ്പോഴും ഉറപ്പാക്കുക, ഒപ്പം ക്യാമറ പേപ്പറിന് നേരെ സമാന്തരമായി പിടിക്കുക. നല്ല സ്വാഭാവിക വെളിച്ചവും വൃത്തിയുള്ള ലെൻസും മടക്കുകളില്ലാത്ത നിരപ്പായ പേപ്പറുമാണെങ്കിൽ സോഫ്റ്റ്‌വെയറിന് ഓരോ അക്ഷരവും തെറ്റുകൂടാതെയും വേഗത്തിലും കൃത്യമായി വായിച്ചെടുക്കാൻ സാധിക്കും.
  • പ്രധാന നമ്പറുകളും പേരുകളും സ്വയം ഒത്തുനോക്കി ഉറപ്പുവരുത്തുക: ബാങ്ക് അക്കൗണ്ട് നമ്പർ, ജനനത്തീയതി, ഔദ്യോഗിക പേര് അല്ലെങ്കിൽ പണത്തിന്റെ അളവ് എന്നിവ സ്കാൻ ചെയ്ത ശേഷം യഥാർത്ഥ പേപ്പർ രേഖയുമായി കണ്ണിമചിമ്മാതെ താരതമ്യം ചെയ്യുക. മഷി മങ്ങിയതോ പേപ്പർ പഴകിയതോ ആണെങ്കിൽ എട്ടും പൂജ്യവും അല്ലെങ്കിൽ ഒന്നും ഏഴും തമ്മിലുള്ള ആകൃതിയിലെ സാദൃശ്യം കാരണം സോഫ്റ്റ്‌വെയറിന് ചിലപ്പോൾ തെറ്റായ അക്കങ്ങൾ വരാൻ സാധ്യതയുണ്ട്.
  • രഹസ്യ രേഖകൾക്കായി വിശ്വസനീയമായ സംവിധാനങ്ങൾ മാത്രം തിരഞ്ഞെടുക്കുക: ആദായനികുതി രസീതുകൾ, ബാങ്ക് പാസ്ബുക്ക് അല്ലെങ്കിൽ വ്യക്തിപരമായ മെഡിക്കൽ റിപ്പോർട്ടുകൾ തുടങ്ങിയ അതീവ രഹസ്യ രേഖകൾ അപരിചിതമായ സൗജന്യ ആപ്പുകളിൽ സ്കാൻ ചെയ്യരുത്. ഇത്തരം സൗജന്യ ആപ്പുകളുടെ സെർവറുകളിൽ നിങ്ങളുടെ സ്വകാര്യ വിവരങ്ങൾ ചോരാൻ സാധ്യതയുള്ളതിനാൽ, എപ്പോഴും വിശ്വസനീയവും അറിയപ്പെടുന്നതുമായ സുരക്ഷിത കമ്പനികളുടെ സോഫ്റ്റ്‌വെയറുകൾ മാത്രം ഉപയോഗിക്കുക.

കടലാസിലെ അക്ഷരങ്ങൾ എങ്ങനെയാണ് ഡിജിറ്റൽ രൂപത്തിലേക്ക് മാറുന്നതെന്ന് വ്യക്തമായി മനസ്സിലാക്കിക്കഴിഞ്ഞാൽ ഈ സാങ്കേതികവിദ്യയെ യാതൊരു ഭയവുമില്ലാതെ നമുക്ക് ദൈനംദിന ജീവിതത്തിൽ ഉപയോഗിക്കാൻ കഴിയും. കമ്പ്യൂട്ടർ അത്ഭുതങ്ങളൊന്നുമല്ല ചെയ്യുന്നത്, മറിച്ച് അക്ഷരങ്ങളുടെ രൂപവും ഭാഷാ സന്ദർഭവും ഒത്തുനോക്കുകയാണ്. ആവശ്യമായ മുൻകരുതലുകൾ സ്വീകരിച്ച് വിവേകത്തോടെ മുന്നോട്ടുപോയാൽ, ദൈനംദിന ജീവിതത്തിലെ ഔദ്യോഗിക രേഖകളുടെ കൈകാര്യം തികച്ചും സുരക്ഷിതവും ലളിതവും വേഗമുള്ളതുമായി മാറും.

ഉറവിടങ്ങൾ
  1. NIST Handprinted Forms and Characters Database (Special Database 19)National Institute of Standards and Technology (NIST)
  2. Document AI and Vision OCR OverviewGoogle Cloud