Giới thiệu
Tài liệu này là một thông báo kỹ thuật mô tả tình trạng của một tài liệu nguồn PDF. Tài liệu nguồn này được tạo thành từ 110 trang ảnh chụp toàn trang, chứ không phải là một tài liệu văn bản điện tử có thể trích xuất trực tiếp. Điều này gây khó khăn trong việc xử lý tài liệu để tạo ra một phiên bản ẩn danh, loại bỏ thông tin nhạy cảm.
Tóm tắt
Để có thể tiếp tục xử lý tài liệu và tạo ra một phiên bản chữ đã ẩn danh, cần phải sử dụng công nghệ nhận dạng ký tự quang học (OCR) để chuyển đổi hình ảnh thành văn bản. Sau khi OCR, cần thực hiện một quy trình rà soát kỹ lưỡng để loại bỏ các thông tin nhận diện như tên đơn vị, logo, địa chỉ, thông tin liên hệ, thông tin cá nhân và các dấu hiệu nhận diện khác. Việc này là bắt buộc vì việc xóa trực tiếp hình ảnh sẽ đồng thời xóa cả nội dung chữ. Cần lưu ý rằng chất lượng của bản OCR sẽ phụ thuộc vào độ rõ nét, góc chụp và chất lượng tổng thể của ảnh nguồn, do đó cần kiểm tra kỹ lưỡng sau khi OCR.
- Đăng nhập để gửi ý kiến