騰訊優(yōu)圖在OCR文本檢測領(lǐng)域再獲佳績

　　自去年始，人工智能在60周年之際迎來了第三次浪潮，消費級爆發(fā)的征兆也開始逐漸顯現(xiàn)。在無人駕駛、人機大戰(zhàn)這些熱門詞之外，一些更加貼近消費端的技術(shù)已經(jīng)實現(xiàn)了突破并逐漸走進(jìn)實際應(yīng)用場景，智能OCR技術(shù)就是值得關(guān)注的一個。近日，騰訊優(yōu)圖團(tuán)隊在國際權(quán)威的ICDAR 2015“Robust Reading Competition”的自然場景文本檢測項目中，以優(yōu)越的表現(xiàn)超越眾多競爭對手，取得了排名第一的佳績。與此同時，騰訊優(yōu)圖團(tuán)隊的OCR技術(shù)已經(jīng)在越來越多地應(yīng)用到實際的場景中，推動整個文本檢測領(lǐng)域的消費應(yīng)用升級。

　　關(guān)于ICDAR：即國際文檔分析與識別大會(International Conference on Document Analysis and Recognition)，是國際模式識別協(xié)會(IAPR)舉辦的文檔分析與識別、模式識別領(lǐng)域世界上最權(quán)威的國際學(xué)術(shù)會議之一，每兩年舉辦一次。

　　自然場景文本檢測技術(shù)升級優(yōu)圖團(tuán)隊優(yōu)化OCR技術(shù)應(yīng)用

　　作為ICDAR 2015“Robust Reading Competition”比賽的重要組成部分，自然場景文本檢測任務(wù)是將自然場景圖像中的文本區(qū)域定位出來，為OCR技術(shù)的關(guān)鍵步驟。與傳統(tǒng)OCR相比，自然場景文本檢測更為復(fù)雜也更具有挑戰(zhàn)性，如文本的多樣性會受到不同的語言、字體、顏色、字形畸變、模糊斷裂等現(xiàn)象的影響，還需要面臨各種不確定性問題，如自然場景中與文字相似度極高的樹葉紋理、窗格和復(fù)雜背景等。

　　騰訊優(yōu)圖能夠在自然場景文本檢測項目中取得第一名的佳績，在于優(yōu)圖團(tuán)隊使用深度學(xué)習(xí)技術(shù)來構(gòu)建OCR的文本檢測和文本識別模型。一方面，分析和抽象出中英文文本的共性特征，在現(xiàn)有前沿CNN(卷積神經(jīng)網(wǎng)絡(luò))技術(shù)基礎(chǔ)上，設(shè)計更適合于文本檢測和識別的網(wǎng)絡(luò)模型，提升模型學(xué)習(xí)能力和泛化能力;另一方面，騰訊海量數(shù)據(jù)優(yōu)勢保證了訓(xùn)練樣本的高質(zhì)量和多樣性。

　　圖示：自然場景文本檢測示例

　　OCR技術(shù)場景應(yīng)用可觀初現(xiàn)人工智能消費級拐點

　　與引發(fā)眾議的人機大戰(zhàn)、無人駕駛等人工智能熱詞相比，OCR技術(shù)在當(dāng)前更貼近消費端需求，也已經(jīng)實現(xiàn)了越來越多真實場景中的應(yīng)用落地。

　　目前，優(yōu)圖團(tuán)隊的OCR技術(shù)已成功在名片識別、身份證識別、營業(yè)執(zhí)照識別等項目中落地應(yīng)用。另悉，優(yōu)圖全新版本的名片識別已完成內(nèi)測即將上線，名片字段識別準(zhǔn)確率達(dá)到90%以上，大幅領(lǐng)先其它競品。此外，優(yōu)圖OCR技術(shù)還將廣泛應(yīng)用在廣告圖片文字識別、文檔圖片自動識別、各種單據(jù)證件識別等業(yè)務(wù)場景上，通過精準(zhǔn)的自動文字識別來幫助各產(chǎn)品和業(yè)務(wù)提升效率、創(chuàng)造價值。

　　圖示：名片識別示意圖

　　隨著人工智能時代的到來，智能文字識別也會是其中不可或缺的一環(huán)。據(jù)優(yōu)圖團(tuán)隊透露，未來團(tuán)隊將在OCR技術(shù)領(lǐng)域?qū)⒊掷m(xù)投入，文本檢測和識別技術(shù)會拓展更多語言支持、更復(fù)雜場景的支持、不斷提升識別精度，還會結(jié)合的NLP語義分析來提升OCR的識別糾錯能力。這些都將推動整個OCR技術(shù)在消費端的應(yīng)用升級。除此之外，騰訊優(yōu)圖在人臉識別、圖像理解和語音技術(shù)等多方面也都取得了領(lǐng)先的研究成果，并在QQ、QQ空間、微眾銀行、天天P圖等產(chǎn)品中成功落地。