在對“降本增效”的絕對追求下，OCR技術(shù)的應用創(chuàng)新，為整個產(chǎn)業(yè)“智能化”升級帶來有效助力。10月31日，百度大腦開放日OCR文字識別專場在上海召開，百度AI技術(shù)生態(tài)部產(chǎn)品經(jīng)理為開發(fā)者們詳細介紹了百度大腦最新的開放能力，百度視覺技術(shù)部韓鈞宇深入分享了百度大腦OCR文字識別方向的最新技術(shù)與趨勢，并邀請華夏保險上海分公司、快合財稅等企業(yè)通過實際案例講述了是如何基于百度大腦OCR技術(shù)，進行企業(yè)內(nèi)部智能化升級的全新思路。百度OCR產(chǎn)品經(jīng)理進一步分享了交通、教育、醫(yī)療等更多行業(yè)應用的案例并進行了實際的產(chǎn)品演示?；顒蝇F(xiàn)場座無虛席，互動活躍。
百度大腦O CR 技術(shù)持續(xù)保持業(yè)界第一
據(jù)介紹，百度大腦AI開放平臺面向廣泛的企業(yè)和開發(fā)者，提供最先進、最全面的AI能力，不斷降低AI應用落地的門檻。截至目前，已開放218項AI技術(shù)能力，達到24小時快速集成，開發(fā)者規(guī)模持續(xù)快速增長并突破150萬。
而基于深度學習的百度OCR技術(shù)更是獲得了持續(xù)領先性的成果。2019年，在由工信部、公安部和網(wǎng)信辦組織的，中國最高等級商業(yè)領域人工智能技術(shù)競賽的90+隊伍中，百度OCR脫穎而出，獲得唯一A級別證書，同時還獲得ICDAR2019 MLT文字檢測競賽冠軍等榮譽。
“百度OCR基礎技術(shù)的持續(xù)領先，離不開更好效果的算法創(chuàng)新和更高性能的模型壓縮。”韓鈞宇介紹到。百度OCR文字識別算法具備準確、多場景、多語種、多平臺的特性，通用中英文字符識別準確率達95%以上，支持文檔，隨拍，網(wǎng)圖，街景，商品，手寫等常見文字場景，并且支持中，英，日，韓，法，德，意等20多種語種，還支持云端，嵌入式，私有化等請求部署方式。而端到端識別、卡證票據(jù)識別、公式識別、文字編輯等解決方案則能夠更好地解決具體場景的技術(shù)痛點問題，提升模型精度和運算效率，讓識別更加準確高效。
未來，OCR技術(shù)的行業(yè)應用趨勢將向綜合方案和定制平臺兩個方向發(fā)展。教育、醫(yī)療、交通、財稅等場景都已實現(xiàn)通用化的綜合解決方案，而iOCR自定義模板文字識別和垂類OCR模型訓練平臺等定制平臺將針對更豐富的客戶需求滿足個性定制。
百度大腦O CR 實現(xiàn)最廣泛的應用落地
此次專場，百度大腦邀請到了華夏保險上海分公司和快合財稅兩家企業(yè)客戶根據(jù)自身結(jié)合百度OCR技術(shù)的實際應用落地進行了案例分享。
(左：華夏保險上海分公司新技術(shù)應用處經(jīng)理於維佳 右：快合財稅產(chǎn)品總監(jiān)寧壽輝)
華夏保險上海分公司新技術(shù)應用處經(jīng)理於維佳表示：“通過百度大腦OCR提供的解決方案，讓我們在面臨手工錄入發(fā)票信息出錯率高、效率低等行業(yè)痛點時，能夠顯著的節(jié)約成本、提升財務報銷業(yè)務流程效率。”華夏保險上海分公司，通過應用百度大腦iOCR自定義模板文字識別和EasyDL定制化物體檢測，實現(xiàn)二維碼檢測、增值稅發(fā)票識別，進而實現(xiàn)報銷單據(jù)影像分組及票面識別的自動化業(yè)務流程，年節(jié)省人力等成本核算達到1000萬元。
快合財稅產(chǎn)品總監(jiān)寧壽輝則在現(xiàn)場講到，基于百度iOCR財會票據(jù)識別平臺搭建的快合財稅智能記賬SaaS，結(jié)合一臺自動饋紙式掃描儀，就能夠?qū)⒖旌县敹惖臅嬜鲑~效率提升3倍，每年幫助幾百家代賬公司在做賬報稅環(huán)節(jié)合計省出2000萬元的成本。
最后，百度OCR產(chǎn)品經(jīng)理更加系統(tǒng)化的詳細介紹了金融財稅之外更多行業(yè)應用方案。目前，百度OCR已經(jīng)廣泛應用于財稅票據(jù)、身份驗證、內(nèi)容審核、教育、保險醫(yī)療、交通以及拍照識別/翻譯等領域，并且為了滿足不同客戶的各種需求，百度大腦除了提供近40款垂類文字識別產(chǎn)品外，還提供了自定義模板文字識別開發(fā)平臺iOCR，針對特殊版式的票據(jù)可快速定制識別模板。通過這些案例，能夠看出在這些應用場景中，百度OCR充分發(fā)揮著的優(yōu)勢：豐富的接口、支持自定義模板、高可用的服務確保用戶業(yè)務持久穩(wěn)定、低價/多樣的付費方式(購買次數(shù)包，最多可以節(jié)省74.6%的費用，高精度版本低至千次7.6元),以及支持部署至私有云。
AI的大力發(fā)展，讓不同行業(yè)逐步走上了智能化升級之路，而隨著基礎能力的進一步開放，百度OCR技術(shù)將獲得更多的業(yè)界專家和開發(fā)者的支持，在技術(shù)不斷突破的同時，百度OCR技術(shù)也通過百度大腦AI開放平臺全面開放給第三方使用，打破封閉的研發(fā)生態(tài)，積極推動技術(shù)在具體場景上的落地。從而積累更為領先的技術(shù)，探索更多的應用場景，賦能更多的合作伙伴，創(chuàng)造更多的價值。
最后，對百度于2019年度公開發(fā)表的OCR文字識別領域創(chuàng)新技術(shù)算法，進行簡單介紹：
文字檢測：
基于主干、候選回歸、候選區(qū)域及精細化二次回歸，文字檢測算法可對任意文字形狀進行精確表示，解決任意形狀長行文字檢測問題，在公開數(shù)據(jù)集合達到SOTA檢測定位效果。
詳情請參見文章：C. Zhang, et al, Look More Than Once: An Accurate Detector for Text of Arbitrary Shapes, in Proc. of CVPR’19
https://arxiv.org/abs/1904.06535
借鑒目標檢測中的經(jīng)驗，為提升檢測速度，研究者通過單階段模型結(jié)構(gòu)與多分支輸出設計對文字候選區(qū)域表達，多任務學習、單階段訓練可以取得兩階段、多階段相當?shù)男Ч?，并提升速度?/p>
詳情請參見文章：P. Wang, et al A Single-Shot Arbitrarily-Shaped Text Detector based on Context Attended Multi-Task Learning, in Proc. of ACMMM’19 to appear
https://arxiv.org/abs/1908.05498
端到端識別：
現(xiàn)有文字識別系統(tǒng)以兩階段、多階段檢測、序列識別模型級聯(lián)為主，非規(guī)則文字識別效果精度不足。為克服同時識別規(guī)則和非規(guī)則文字效果不佳的問題，我們提出端到端OCR識別TextNet算法，通過共享主干、透視RoI變換實現(xiàn)文字檢測、空間注意力機制序列識別耦合設計，同時提升非規(guī)則行的文字識別效果。
詳情請參見文章：Y. Sun, et al, TextNet: Irregular Text Reading from Images with an End-to-End Trainable Network. In Proc. of ACCV’18 oral
https://arxiv.org/abs/1812.09900
針對中文大類別識別場景，我們引入弱標注數(shù)據(jù)的概念，針對街景場景只標注關(guān)鍵詞信息，忽略非重要信息，無需精確位置標注，避免大量精標注全監(jiān)督數(shù)據(jù)高成本低效率問題。
基于端到端-部分監(jiān)督學習方法，弱標注成本是精標注的1/90，弱標識數(shù)據(jù)量從2萬擴增到40萬，單模型平均編輯距離AED錯誤率相對降低20%。取公開英文數(shù)據(jù)集，端到端部分監(jiān)督學習在ICDAR 15端到端評測達到單模型尺度SOTA效果。
詳情請參見文章：Y. Sun, et al, Chinese Street View Text: Large-scale Chinese Text Reading with Partially Supervised Learning, in Proc. of ICCV 2019, to appear,
https://arxiv.org/abs/1909.07808
大規(guī)模公開數(shù)據(jù)集：
為進一步推動中文場景文字識別領域發(fā)展，通過構(gòu)建新的ICDAR 2019-LSVT大規(guī)模街景文字、ICDAR 2019-ArT任意形狀文字集合，百度攜學術(shù)界舉辦兩項ICDAR 2019場景文字識別的國際賽事，提供源于百度真實場景圖像數(shù)據(jù)45萬，獎金17,800美金，吸引業(yè)內(nèi)各大企業(yè)、知名高校研究單位118支參數(shù)隊伍有效提交結(jié)果339個，各大主流媒體報道20余次。百度團隊在ICDAR 2019國際會議期間受邀做總結(jié)報告并為獲獎單位頒獎，展現(xiàn)近年來OCR識別技術(shù)的快速發(fā)展與應用新高度。
詳情請參見文章：C. Chng, et al, ICDAR 2019 RobustReading Challenge on Arbitrary-Shaped Text-ArT，in Prof. of ICDAR 2019 Oral,
https://arxiv.org/abs/1909.07741
Y. Sun, et al，ICDAR 2019 Competition on Large-scale Street View Text with Partial Labeling-LSVT，in Proc. of ICDAR 2019 Oral,
https://arxiv.org/abs/1909.07145
文字編輯
針對文字編輯和風格遷移任務，我們提出了業(yè)界首個文本行級別的文字編輯解決方案SRNet。該方案主要思想是將文字屬性遷移和背景紋理修復任務進行解耦監(jiān)督學習，并且讓網(wǎng)絡自適應學習兩者的融合，以端到端優(yōu)化方式達到魯棒的文字編輯功能。
詳情請參見文章：L.Wu, et al Editing Text in the Wild, in Proc. of ACMMM’19 to appear
https://arxiv.org/abs/1908.03047
