人工智能在當下已經(jīng)不再是新潮的概念，在下一代技術(shù)躍進出現(xiàn)之前，業(yè)務(wù)場景的落地比讓人眼花繚亂的技術(shù)名詞更具備現(xiàn)實價值。對于大部分企業(yè)客戶，業(yè)務(wù)部和技術(shù)部之間的相互依賴關(guān)系共同促進了技術(shù)在內(nèi)部的使用，業(yè)務(wù)需求和技術(shù)能力相輔相成。OCR技術(shù)能夠把光學文字轉(zhuǎn)變?yōu)橛嬎銠C字符，但對于文本和數(shù)據(jù)處理工作，將紙質(zhì)文檔上的數(shù)據(jù)通過人工智能技術(shù)變成計算機結(jié)構(gòu)化數(shù)據(jù)，則能更有效地搭建知識橋梁，將人力從重復的人工錄入轉(zhuǎn)移到非重復的數(shù)據(jù)分析，產(chǎn)生更深層次的業(yè)務(wù)價值。

1. 內(nèi)置模型抽取；集成自研的標準化識別產(chǎn)品，包括多種小語種識別和數(shù)十種常見卡證抽取。
2. 模版抽取-簡單易用的模版標注；采用多種標注方式，支持錨點和無錨點標注，快速準確抓取目標信息。
3. 模型抽取；應(yīng)用最新多模態(tài)和集成算法，表現(xiàn)出高魯棒性和良好的泛化性。
4. 分類器識別；分類器作為一個平臺功能的技術(shù)定義，在實際使用中對應(yīng)我們的業(yè)務(wù)流場景，實現(xiàn)的功能是對打包或批量上傳的單據(jù)數(shù)據(jù)完成自動分類抽取，并進一步定義審核校驗等業(yè)務(wù)屬性。通過定義分類規(guī)則或訓練專研的分類器模型，關(guān)聯(lián)對應(yīng)抽取文檔，構(gòu)成一個分類器識別單元。常見的業(yè)務(wù)流諸如銀行開戶業(yè)務(wù)流、企業(yè)資質(zhì)審查業(yè)務(wù)流等。

抽取結(jié)果展示

基礎(chǔ)模型模塊包括功能豐富的標注模塊和底層OCR模型訓練評估模塊，滿足底層模型的標注和訓練需求。

• 數(shù)據(jù)標注模塊：支持文字標注和版面標簽標注，通過機器預(yù)標注-人工修改的方式極大提高了標注效率，滿足定制化場景的真實數(shù)據(jù)快速迭代。

• 數(shù)據(jù)生成模塊：能夠通過靈活定義版式、字符、內(nèi)容等來實現(xiàn)生成數(shù)據(jù)擴展，以滿足模型訓練的數(shù)據(jù)需求。

• OCR基礎(chǔ)模型訓練：支持檢測、識別、版面分析等類型的模型訓練功能，能夠從標注或生成數(shù)據(jù)靈活切分，自由編排訓練策略。底層基于達觀自研算法調(diào)優(yōu)，通過流程化配置完成底層模型的訓練。

權(quán)限模塊設(shè)計了一套角色、用戶、組結(jié)構(gòu)的權(quán)限系統(tǒng)，滿足靈活的權(quán)限配置和數(shù)據(jù)管理需求。

目前達觀OCR平臺已經(jīng)賦能銀行、券商、報關(guān)、制造業(yè)、電商等多個行業(yè)的頭部客戶，為其降低大規(guī)模抽取任務(wù)的定制門檻和抽取成本，節(jié)約企業(yè)人力資源，提高工作流效率，提升用戶體驗。

市場上的人工智能產(chǎn)品琳瑯滿目，我們希望產(chǎn)品的使用價值高于技術(shù)噱頭，達觀OCR平臺從積累的無數(shù)客戶場景和需求中孵化而出，以產(chǎn)生使用價值為驅(qū)動，助力企業(yè)搭建繁重紙質(zhì)數(shù)據(jù)的數(shù)字化橋梁，走上降本增效的高速路。