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排名刷新榜單紀錄。從識別到內(nèi)容理解，優(yōu)圖OCR正在不斷突破技術(shù)邊界，進行著核心技術(shù)的創(chuàng)新。

ICDAR SROIE比賽榜單

ICDAR SROIE榜單結(jié)果

ICDARInternational Conference on Document Analysis and Recognition是全球OCR領(lǐng)域公認最權(quán)威的比賽之一，有OCR領(lǐng)域的奧斯卡盛會之稱。ICDAR在2019年新增了SROIEScanned Receipts OCR and Information Extraction關(guān)鍵信息抽取任務(wù)，標志著OCR從識別到理解的進化。

作為首個針對結(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)性和廣泛的應用性，一直是全球各大名校、科技公司競逐的焦點。此次，騰訊優(yōu)圖刷新OCR信息提取紀錄，也標志著業(yè)界對騰訊OCR科研成果的認可。

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端需求的真實場景中落地，例如金融、政務(wù)、醫(yī)療、財務(wù)報銷等領(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，實效凸顯，得到了行業(yè)和客戶的廣泛認可。

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，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，在應付款項字段提取中，同一張票據(jù)中可能存在多個相同或相近的金額，例如單價、小計、含稅金額、優(yōu)惠金額等，而不同票據(jù)之間對于該項的前綴描述也不盡相同，這些難題對于OCR算法的適應能力更具挑戰(zhàn)性。

方案結(jié)果對比

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，基于相對位置Attention的結(jié)構(gòu)避免語義可讀性對模型性能的影響。融入圖像整體表征，使得模型能夠在了解版式分布的同時，關(guān)注局部細微差異。此外，騰訊優(yōu)圖還細化了標簽層級，內(nèi)聚關(guān)鍵字段內(nèi)部特征，強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，字段提取準確率也更高。

目前，騰訊優(yōu)圖OCR通用文字識別涵蓋了印刷體、英文、手寫、表格、印章、速算等諸多能力，結(jié)構(gòu)化識別實現(xiàn)了從多個垂直場景結(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)造價值。

騰訊優(yōu)圖始終積極推動研究成果在業(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、語義增強的文字識別、公式識別、NLP后處理等基礎(chǔ)技術(shù)，輸出了通用文字識別、證照識別、智能票據(jù)、單據(jù)識別、車輛信息識別、教育試題識別、金融保險單據(jù)識別等多個產(chǎn)品及解決方案,并在政務(wù)、金融、教育、醫(yī)療等多個應用場景落地。

未來，優(yōu)圖將以更加開放的心態(tài)，深耕于技術(shù)領(lǐng)域，不斷擴展技術(shù)成果的落地場景和應用空間，帶給大眾更多切實便利和驚喜體驗。