把电子档案从图像变成可用文本，离不开版面分析这一导航环节。近年深度学习深刻改变了文字识别面貌，也让专业的档案数字化管理公司在承接档案数字化加工项目时具备更强的复杂版面处理能力。

版面分析要解决什么问题

印刷档案页面由标题、正文、页眉页脚、栏位、表格、插图、印章、批注等区域构成。版面分析把整页划分为不同性质的区域，判断层次关系与阅读顺序。正文区域按普通文本识别，表格区域需先还原结构再填字，印章区域要在识别文字时抑制红色干扰，图片区域一般跳过文字识别。

深度学习带来哪些进步

基于目标检测与图像分割的版面分析，能够自动识别各类区域并输出阅读顺序，适应图文混排、多栏、表格密集的复杂版面。端到端模型直接学习整行图像到文本序列的映射，把切分与识别合并，显著降低了切分错误。用少量样本微调模型，即可适应特定档案的字体风格。

为什么技术先进仍不能放松抽检

技术进步并未消除档案识别的固有难点，图像先天缺陷、印章透字、手写潦草、竖排繁体仍需流程设计与人工校对兜底。深度模型具有黑箱特性，可能在样本覆盖不到的档案类型上出现意想不到的错误。因此版面分析后通常设置人工抽检，重点检查阅读顺序、栏位对应与表格结构，验收与抽检机制不能因技术先进而放松。

依托深度学习识别与版面分析能力，山东通科信息技术有限公司为复杂版面档案提供加工服务。公司是国家高新技术企业，取得30余项软件著作权，百余人加工队伍日扫描50000页以上，服务对象覆盖公检法、军工、央企国企等对质量要求严苛的单位。