騰訊優(yōu)圖刷新國際權(quán)威比賽ICDAR OCR信息提取紀(jì)錄
從識(shí)別到內(nèi)容理解，優(yōu)圖OCR正在不斷突破技術(shù)邊界。
近日，騰訊優(yōu)圖在國際權(quán)威的ICDAR 2019“Scanned Receipts OCR and Information Extraction”關(guān)鍵信息抽取任務(wù)中，通過自研智能結(jié)構(gòu)化方案，以97.67%的Hmean排名刷新榜單紀(jì)錄。從識(shí)別到內(nèi)容理解，優(yōu)圖OCR正在不斷突破技術(shù)邊界，進(jìn)行著核心技術(shù)的創(chuàng)新。
ICDAR SROIE比賽榜單
ICDAR SROIE榜單結(jié)果
ICDAR（International Conference on Document Analysis and Recognition）是全球OCR領(lǐng)域公認(rèn)最權(quán)威的比賽之一， 有OCR領(lǐng)域的奧斯卡盛會(huì)之稱。ICDAR 在2019年新增了SROIE（Scanned Receipts OCR and Information Extraction）關(guān)鍵信息抽取任務(wù)，標(biāo)志著OCR從識(shí)別到理解的進(jìn)化。
作為首個(gè)針對(duì)結(jié)構(gòu)化文檔提出的信息抽取任務(wù)，SROIE因其技術(shù)的挑戰(zhàn)性和廣泛的應(yīng)用性，一直是全球各大名校、科技公司競逐的焦點(diǎn)。此次，騰訊優(yōu)圖刷新OCR信息提取紀(jì)錄，也標(biāo)志著業(yè)界對(duì)騰訊OCR科研成果的認(rèn)可。
優(yōu)圖OCR技術(shù)能力
作為快速數(shù)據(jù)采集的手段，OCR技術(shù)已在越來越多貼近消費(fèi)端需求的真實(shí)場景中落地，例如金融、政務(wù)、醫(yī)療、財(cái)務(wù)報(bào)銷等領(lǐng)域，OCR技術(shù)在優(yōu)化業(yè)務(wù)流程、解放生產(chǎn)力和降低企業(yè)成本方面，實(shí)效凸顯，得到了行業(yè)和客戶的廣泛認(rèn)可。
據(jù)騰訊優(yōu)圖研究人員表示，在此次SROIE任務(wù)中主要存在兩方面難點(diǎn)，首先是票據(jù)中的地址和公司名稱字段長短不一，位置近鄰，內(nèi)容相似且干擾較多。其次是，在應(yīng)付款項(xiàng)字段提取中，同一張票據(jù)中可能存在多個(gè)相同或相近的金額，例如單價(jià)、小計(jì)、含稅金額、優(yōu)惠金額等，而不同票據(jù)之間對(duì)于該項(xiàng)的前綴描述也不盡相同，這些難題對(duì)于OCR算法的適應(yīng)能力更具挑戰(zhàn)性。
方案結(jié)果對(duì)比
為了攻克這兩大難題，騰訊優(yōu)圖提出了一種智能結(jié)構(gòu)化模型，基于相對(duì)位置Attention的結(jié)構(gòu)避免語義可讀性對(duì)模型性能的影響。融入圖像整體表征，使得模型能夠在了解版式分布的同時(shí)，關(guān)注局部細(xì)微差異。此外，騰訊優(yōu)圖還細(xì)化了標(biāo)簽層級(jí)，內(nèi)聚關(guān)鍵字段內(nèi)部特征，強(qiáng)化字段交界處的語義變化表征，提升模型在地址、公司字段難例上的表現(xiàn)效果。因此相較于TOP榜單模型，騰訊優(yōu)圖的智能結(jié)構(gòu)化方案結(jié)合自然語言處理能力，不僅在速度上更快，字段提取準(zhǔn)確率也更高。
目前，騰訊優(yōu)圖OCR通用文字識(shí)別涵蓋了印刷體、英文、手寫、表格、印章、速算等諸多能力，結(jié)構(gòu)化識(shí)別實(shí)現(xiàn)了從多個(gè)垂直場景結(jié)構(gòu)化到自定義模板結(jié)構(gòu)化方案及智能結(jié)構(gòu)化方案的全覆蓋，幫助各產(chǎn)品和業(yè)務(wù)提升效率、創(chuàng)造價(jià)值。
騰訊優(yōu)圖始終積極推動(dòng)研究成果在業(yè)務(wù)領(lǐng)域的落地。在OCR領(lǐng)域，騰訊優(yōu)圖基于多角度文本檢測、語義增強(qiáng)的文字識(shí)別、公式識(shí)別、NLP后處理等基礎(chǔ)技術(shù)，輸出了通用文字識(shí)別、證照識(shí)別、智能票據(jù)、單據(jù)識(shí)別、車輛信息識(shí)別、教育試題識(shí)別、金融保險(xiǎn)單據(jù)識(shí)別等多個(gè)產(chǎn)品及解決方案, 并在政務(wù)、金融、教育、醫(yī)療等多個(gè)應(yīng)用場景落地。
未來，優(yōu)圖表示將以更加開放的心態(tài)，深耕于技術(shù)領(lǐng)域，不斷擴(kuò)展技術(shù)成果的落地場景和應(yīng)用空間，帶給大眾更多切實(shí)便利和驚喜體驗(yàn)。
— 完 —
相關(guān)閱讀
加速AI推理，探索英特爾? 至強(qiáng)? 可擴(kuò)展處理器OCR應(yīng)用落地方面實(shí)踐
從OCR起步推進(jìn)企業(yè)AI應(yīng)用落地
