2024年8月30日至9月4日，國際文檔分析與識別會(huì)議International Conference on Document Analysis and Recognition（以下簡稱ICDAR）在希臘雅典舉行。今年ICDAR設(shè)立了十余項(xiàng)競賽，吸引了全球諸多知名科技公司和研究機(jī)構(gòu)的參與。理光中國研究院NLP團(tuán)隊(duì)在ICDAR官方比賽“通過 Aria 眼鏡閱讀文檔(Reading Documents Through Aria Glasses)”賽道上，斬獲“低分辨率下的單詞識別”及“頁面級別的識別與閱讀”兩項(xiàng)任務(wù)的較高排名。

*“頁面級別的識別與閱讀”任務(wù)較高排名獎(jiǎng)狀

ICDAR賽事介紹

ICDAR由國際模式識別協(xié)會(huì)IAPR（International Association of Pattern Recognition）舉辦，是模式識別、計(jì)算機(jī)視覺領(lǐng)域、圖像處理領(lǐng)域最為重要的國際學(xué)術(shù)會(huì)議之一，涵蓋了文檔分析與識別領(lǐng)域的最 新學(xué)術(shù)成果和前沿應(yīng)用發(fā)展趨勢。

“通過 Aria 眼鏡閱讀文檔（Reading Documents Through Aria Glasses）”賽道，涉及到理解和處理使用Aria 設(shè)備*采集到的文本內(nèi)容。任務(wù)目標(biāo)是開發(fā)一系列穩(wěn)健的圖像處理算法來識別整個(gè)頁面中的文字內(nèi)容，同時(shí)保持正確的閱讀順序。具體來說，包括以下兩個(gè)子過程:1)低分辨率下的單詞識別:檢測并識別來自Aria眼鏡采集圖像中的單詞文本;2)閱讀順序預(yù)測:預(yù)測從頁面中提取的單詞級文本的閱讀順序(即頁面上單詞的序列)。

*ICDAR會(huì)場上，主辦方介紹任務(wù)數(shù)據(jù)示例

*ICDAR會(huì)場上，主辦方介紹任務(wù)目標(biāo)與挑戰(zhàn)

理光的突破創(chuàng)新與應(yīng)用實(shí)踐

理解文檔是可穿戴人工智能系統(tǒng)的基本任務(wù)，需要開發(fā)解決方案，賦予系統(tǒng)閱讀和理解文檔中知識的能力。除了傳統(tǒng)的文檔分析挑戰(zhàn)外，可穿戴設(shè)備圖像還受到人體姿勢的多樣性、不同的光照條件、潛在的障礙物以及其他場景中主體的影響，這些因素在獲取準(zhǔn)確的光學(xué)字符識別（OCR）時(shí)增加了額外的障礙。

理光中國研究院將自身各種技術(shù)積累有機(jī)結(jié)合，在單詞識別部分，搭建了以PARSeq（Permuted AutoRegressive Sequence）為基礎(chǔ)的模型，采用了創(chuàng)新的模型迭代訓(xùn)練方法和成熟的數(shù)據(jù)合成技術(shù)，進(jìn)一步提高了識別性能。在閱讀順序預(yù)測部分，理光沒有將其定義為傳統(tǒng)的排序任務(wù)或翻譯任務(wù)，而是建模為具備語義分割能力的布局解析任務(wù)?；谠诒砀褡R別和圖紙識別項(xiàng)目上的豐富經(jīng)驗(yàn)，理光自研的語義分割框架，在任務(wù)數(shù)據(jù)上微調(diào)后，展現(xiàn)了優(yōu)秀的解析效果。

理光中國研究院在OCR技術(shù)研究和各種場景下的項(xiàng)目實(shí)踐經(jīng)驗(yàn)方面有著深刻的理解。在基礎(chǔ)技術(shù)研究方面，理光中國研究院一直致力于圖像處理、文本檢測、文本識別、布局分析、表格識別以及與文檔理解相關(guān)的其他技術(shù)的研究，并取得了領(lǐng)先成果。在應(yīng)用方面，理光中國研究院已成功將OCR技術(shù)適配到設(shè)計(jì)圖紙、財(cái)務(wù)報(bào)告、合同、票據(jù)以及傳統(tǒng)文檔以外的其他領(lǐng)域。這些解決方案已經(jīng)成功服務(wù)于多領(lǐng)域客戶，并在特定需要的定制化適配方面積累了豐富的經(jīng)驗(yàn)。

圖紙檔案數(shù)字化解決方案，可以實(shí)現(xiàn)掃描件表格文字識別，信息提取和比對，以及歸檔流程處理的自動(dòng)化，有效解決海量圖紙數(shù)字化過程中大量的信息查找，手動(dòng)錄入，人工審核，繁瑣歸檔的難題，實(shí)現(xiàn)了有效智能的圖紙數(shù)字化管理，90%以上峰程實(shí)現(xiàn)自動(dòng)化。

財(cái)務(wù)文檔數(shù)字化解決方案，可以實(shí)現(xiàn)各類財(cái)報(bào)文檔自動(dòng)識別，關(guān)鍵數(shù)據(jù)提取錄入與結(jié)構(gòu)化，同時(shí)配合金融領(lǐng)域風(fēng)險(xiǎn)評估模型，極大程度地提高了金融風(fēng)險(xiǎn)識別的效率和準(zhǔn)確率。

合同比對解決方案，可以進(jìn)行合同文檔比對，將電子文檔，掃描件等不同版本的合同文檔進(jìn)行智能分析比對，檢測包含范本使用，文本修改，字符標(biāo)點(diǎn)等各類差異，極大提高比對效率并控制風(fēng)險(xiǎn)。

合同審閱解決方案，可以對印章和關(guān)鍵內(nèi)容進(jìn)行識別和審閱:自動(dòng)識別印章錯(cuò)蓋漏蓋，智能提取合同關(guān)鍵信息（例如合同主體，金額，時(shí)間，特殊條款等內(nèi)容），提高復(fù)核，審批，以及自動(dòng)化歸檔管理效率。

理光將繼續(xù)秉承創(chuàng)新精神，不斷深化技術(shù)研究，拓展OCR技術(shù)的應(yīng)用領(lǐng)域，以滿足不斷變化的市場需求。我們期待與更多的合作伙伴攜手，將我們的技術(shù)應(yīng)用于更廣泛的行業(yè)和場景中，共同推動(dòng)人工智能技術(shù)的進(jìn)步。同時(shí)，我們也將持續(xù)關(guān)注客戶的需求，通過不斷的優(yōu)化和創(chuàng)新，提供更加準(zhǔn)確、有效的解決方案，以幫助客戶解決實(shí)際問題，提升工作效率。

（推廣）