日前，阿里媽媽圖像團(tuán)隊(duì)的OCR(圖中文字識(shí)別)手藝刷新了ICDAR Robust Reading競(jìng)賽數(shù)據(jù)集的全球最好成就，并大幅超越第二名。Robust Reading競(jìng)賽是當(dāng)前OCR手藝范疇全球最具影響力的角逐。這也是繼阿里巴巴圖像搜刮領(lǐng)甲士物華先勝獲得ACM(美國(guó)爭(zhēng)論機(jī)協(xié)會(huì))“卓異科學(xué)家”稱號(hào)之后，阿里的圖像識(shí)別手藝再一次登上國(guó)際頂尖舞臺(tái)。

　　(圖為ICDAR Robust Reading Challenge 1 end-to-end官方成就)

　　借助這一領(lǐng)先的OCR手藝，阿里媽媽圖像團(tuán)隊(duì)或許以95%的超高精確率識(shí)別圖中違規(guī)文字信息，有效過(guò)濾商家惡意推廣，維護(hù)消費(fèi)者權(quán)益。2015年，阿里媽媽累計(jì)樊籬了4600萬(wàn)條惡意推廣。

　　OCR是爭(zhēng)論機(jī)視覺(jué)范疇的經(jīng)典問(wèn)題，長(zhǎng)久以來(lái)，一向受到學(xué)術(shù)界和工業(yè)界的持續(xù)存眷。在工業(yè)界，Google、Microsoft、Amazon等大型互聯(lián)網(wǎng)公司，以及商湯科技、曠視科技(擁有Face++、Image++)等爭(zhēng)論機(jī)視覺(jué)手藝創(chuàng)業(yè)公司，都在OCR手藝上耕作多年。跟著手藝不息成熟，OCR也起頭在互聯(lián)網(wǎng)及其他行業(yè)慢慢上線利用。

　　據(jù)阿里媽媽定向算法手藝負(fù)責(zé)人蓋坤介紹，在阿里巴巴平臺(tái)上營(yíng)銷創(chuàng)意、商品等均是以圖片形式展示，圖像手藝是了解這些信息的主要手段。同時(shí)，也有不良商家在圖片中內(nèi)嵌一些違規(guī)的信息達(dá)到其惡意推廣的目的，圖片內(nèi)文字違規(guī)是比例相當(dāng)大的一類，而傳統(tǒng)監(jiān)控手段多以人工肉眼來(lái)審核，費(fèi)時(shí)艱苦，尤其是跟著圖片數(shù)目越來(lái)越大，這幾乎已成為不行完成的使命。針對(duì)這一強(qiáng)烈需求，從2014年起頭，阿里媽媽圖像團(tuán)隊(duì)起頭重點(diǎn)攻堅(jiān)O(shè)CR手藝，過(guò)程機(jī)械視覺(jué)的格局從圖片中識(shí)別出文字，從而辨別出違規(guī)的案牘信息。

　　對(duì)惡意推廣的界說(shuō)，蓋坤默示，一方面依據(jù)國(guó)度相關(guān)功令律例，對(duì)于犯禁品、色情信息、封建迷信、冒充偽劣、減肥豐胸、強(qiáng)調(diào)虛偽等違規(guī)類型進(jìn)行分歧水平的懲罰和經(jīng)管，另一方面在律例之外平臺(tái)有著更高要求，對(duì)損害消費(fèi)者好處或進(jìn)行不合法競(jìng)爭(zhēng)的推廣類型積極考試進(jìn)行管控。此中，與消費(fèi)者關(guān)系最為親近的冒充偽劣單項(xiàng)違規(guī)類型，被阿里媽媽作為重點(diǎn)審核對(duì)象。

　　相對(duì)其他限制場(chǎng)景OCR應(yīng)用比擬，阿里媽媽要處理的創(chuàng)意圖片和商品圖片上的文字字體、色彩加倍多樣，文字結(jié)構(gòu)加倍靈動(dòng)，后臺(tái)包孕各類商品、布景或天然場(chǎng)景，蘊(yùn)含各類復(fù)雜紋理，給識(shí)別問(wèn)題帶來(lái)了更大的挑戰(zhàn)。蓋坤介紹，在手藝路線上，比擬于傳統(tǒng)方式，扔掉了圖像預(yù)處理、字符朋分等流程，采用了多個(gè)深度神經(jīng)收集和說(shuō)話模型相連系的方式來(lái)構(gòu)成完整的OCR系統(tǒng)。針對(duì)復(fù)雜的場(chǎng)景信息，將LSTM(長(zhǎng)短時(shí)記憶)手藝成功應(yīng)用到建模中去，大大提高識(shí)另外精確率。

　　據(jù)悉，而今基于OCR文字識(shí)別及時(shí)審核已籠蓋整個(gè)阿里媽媽營(yíng)業(yè)，天天處理圖片近萬(wàn)萬(wàn)張，主動(dòng)反饋疑似違規(guī)圖片精確率達(dá)95%以上;同時(shí)將圖文審核風(fēng)險(xiǎn)發(fā)現(xiàn)時(shí)候從“天”降低到“秒”級(jí)。數(shù)據(jù)顯示，2015年阿里媽媽累計(jì)樊籬了4600萬(wàn)條惡意推廣，有效凈化了互聯(lián)網(wǎng)營(yíng)銷情況。

　　除OCR過(guò)濾惡意推廣以外，爭(zhēng)論機(jī)視覺(jué)手藝在阿里巴巴集團(tuán)內(nèi)部已經(jīng)獲得普遍利用，好比手淘的“拍立淘”產(chǎn)物，過(guò)程手機(jī)攝影即可搜刮相似商品，2015年雙11當(dāng)天，萬(wàn)萬(wàn)消費(fèi)者利用了“拍立淘”功能，締造了高出數(shù)萬(wàn)萬(wàn)元的發(fā)賣額。別的，在商品圖片版權(quán)護(hù)衛(wèi)、鑒黃等場(chǎng)景也都引入了爭(zhēng)論機(jī)視覺(jué)手藝。