近年來(lái)，自然場(chǎng)景下的文字識(shí)別（OCR）引起了計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)界的極大關(guān)注。在照片翻譯和圖像內(nèi)容識(shí)別等許多基于內(nèi)容的圖像應(yīng)用推動(dòng)下，它已成為學(xué)術(shù)界和工業(yè)界一個(gè)充滿希望和挑戰(zhàn)的研究領(lǐng)域。

11月20日，有OCR領(lǐng)域奧斯卡之稱(chēng)的國(guó)際文檔分析與識(shí)別大會(huì)（ICDAR）數(shù)據(jù)集最新結(jié)果公布，中國(guó)高校及企業(yè)包攬排行榜前五。中國(guó)人工智能“國(guó)家隊(duì)”云從科技提出的Pixel－Anchor框架在多個(gè)ICDAR測(cè)試子集（ICDAR2015以及ICDAR2017 MLT）上均獲得了第一名的好成績(jī)，特別是在東亞語(yǔ)言（包括中文）部分表現(xiàn)亮眼。

ICDAR2015數(shù)據(jù)集前五名及框架名稱(chēng)分別是：云從科技（Pixel－Anchor）、南京大學(xué)與南京理工大學(xué)（PSENet）、曠視科技（Mask Text）、商湯科技（FOTS）、阿里巴巴（IncepText）。

ICDAR2017 MLT數(shù)據(jù)集前五名及框架名稱(chēng)分別是云從科技（Pixel－Anchor）、阿里巴巴（ATL－cangjie）、商湯科技（FOTS、曠視科技（EAST＋＋）、南京大學(xué)（PSENet＿NJU）

國(guó)際文檔分析與識(shí)別大會(huì)（ICDAR）專(zhuān)注于文本領(lǐng)域的識(shí)別與應(yīng)用，自2003年大會(huì)設(shè)立“Robust Reading Competitions”以來(lái)，該競(jìng)賽就成了評(píng)測(cè)和檢驗(yàn)自然場(chǎng)景／網(wǎng)絡(luò)圖片／復(fù)雜視頻文本自動(dòng)提取與智能識(shí)別最新技術(shù)研究進(jìn)展的最為重要的國(guó)際賽事及標(biāo)準(zhǔn)，競(jìng)賽中的諸多方法對(duì)OCR技術(shù)的發(fā)展具有強(qiáng)大推動(dòng)力。高技術(shù)難度、強(qiáng)大實(shí)際應(yīng)用性，也使該盛會(huì)受到科研院校、科技公司等的關(guān)注，至今已有全球89個(gè)國(guó)家的3500多支隊(duì)伍參與。

截至目前，全球頂級(jí)的高校、科研機(jī)構(gòu)及企業(yè)都參加過(guò)這項(xiàng)測(cè)試，包括Google、Microsoft、Amazon、Facebook，以及中國(guó)的騰訊、搜狗、北京大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)等。

云從科技、阿里巴巴、南京大學(xué)、南京理工大學(xué)、商湯科技、曠視科技在榜單中體現(xiàn)出良好的成績(jī)，表明中國(guó)繼續(xù)在國(guó)際上引領(lǐng)OCR領(lǐng)域的研究。

計(jì)算機(jī)視覺(jué)基礎(chǔ)技術(shù)應(yīng)用前景廣泛

OCR（Optical Character Recognition）是指對(duì)輸入圖像進(jìn)行分析識(shí)別處理，獲取圖像中文字信息的過(guò)程，具有廣泛的應(yīng)用場(chǎng)景。而自然場(chǎng)景中的OCR 技術(shù)不需要針對(duì)特殊場(chǎng)景進(jìn)行定制，可以識(shí)別任意場(chǎng)景圖片中的文字。

和面對(duì)高質(zhì)量文檔圖像的傳統(tǒng)OCR相比，自然場(chǎng)景OCR跳出了對(duì)輸入圖像的質(zhì)量和場(chǎng)景束縛，能夠在更寬泛的領(lǐng)域中獲取應(yīng)用，引起了學(xué)術(shù)界以及工業(yè)界的極大關(guān)注。

但相較于傳統(tǒng)OCR，自然場(chǎng)景OCR中的各種商品、布景或自然場(chǎng)景圖片中的文本檢測(cè)與識(shí)別面臨著復(fù)雜背景干擾、文字的模糊與退化、不可預(yù)測(cè)的光照、字體的多樣性、垂直文本、傾斜文本等眾多挑戰(zhàn)。

OCR是計(jì)算機(jī)視覺(jué)領(lǐng)域的經(jīng)典問(wèn)題，長(zhǎng)久以來(lái)，一直受到學(xué)術(shù)界和工業(yè)界的持續(xù)關(guān)注。在工業(yè)界，Google、Microsoft、Amazon等大型互聯(lián)網(wǎng)公司，以及云從科技等人工智能創(chuàng)業(yè)公司，都在OCR技術(shù)上耕耘多年。隨著技術(shù)不斷成熟，OCR也開(kāi)始在互聯(lián)網(wǎng)及其他行業(yè)逐步上線使用，應(yīng)用范圍也從文檔識(shí)別擴(kuò)展到車(chē)牌識(shí)別，圖片廣告過(guò)濾，場(chǎng)景理解，商品識(shí)別，街景定位，票據(jù)識(shí)別等廣泛的領(lǐng)域。

據(jù)悉，目前Pixel－Anchor框架已在云從科技的證件票據(jù)識(shí)別系統(tǒng)和圖片廣告過(guò)濾系統(tǒng)中上線，每天處理圖片近千萬(wàn)張，自動(dòng)反饋疑似違規(guī)圖片準(zhǔn)確率達(dá)96％以上；同時(shí)將證件處理和圖文審核風(fēng)險(xiǎn)發(fā)現(xiàn)時(shí)間從“小時(shí)”降低到“秒”級(jí)。數(shù)據(jù)顯示，2018年云從科技累計(jì)處理25億證件數(shù)據(jù)、屏蔽400萬(wàn)條惡意推廣，有效提高業(yè)務(wù)流程效率及凈化營(yíng)銷(xiāo)環(huán)境。

除OCR以外，包含人體姿態(tài)、跨鏡追蹤、車(chē)輛結(jié)構(gòu)化、語(yǔ)音識(shí)別等智能感知的核心技術(shù)閉環(huán)已經(jīng)在云從科技內(nèi)部獲得建立，比如安防大數(shù)據(jù)系統(tǒng)與智能商業(yè)運(yùn)營(yíng)平臺(tái)應(yīng)用“跨鏡追蹤（ReID）”技術(shù)，無(wú)需人臉也可以追蹤目標(biāo)�！疤臃缚诵恰睆垖W(xué)友的部分成果，就有“跨鏡追蹤”技術(shù)的參與。另外，云從科技也在浸入式大數(shù)據(jù)風(fēng)控系統(tǒng)、AI－IoT物聯(lián)網(wǎng)應(yīng)用等場(chǎng)景中引入了智能感知技術(shù)。