阿里媽媽圖像識(shí)別刷新世界最好成績(jī)，識(shí)別虛假推廣信息準(zhǔn)確率超95%

日前，阿里媽媽圖像團(tuán)隊(duì)的OCR（圖中文字識(shí)別）技術(shù)刷新了ICDAR Robust Reading競(jìng)賽數(shù)據(jù)集的全球最好成績(jī)，并大幅超越第二名。Robust Reading競(jìng)賽是當(dāng)前OCR技術(shù)領(lǐng)域全球最具影響力的比賽。這也是繼阿里巴巴圖像搜索領(lǐng)軍人物華先勝獲得ACM（美國(guó)計(jì)算機(jī)協(xié)會(huì)）“杰出科學(xué)家”稱號(hào)之后，阿里的圖像識(shí)別技術(shù)再一次登上國(guó)際頂尖舞臺(tái)。

圖. ICDAR Robust Reading Challenge 1 end-to-end官方成績(jī)

借助這一領(lǐng)先的OCR技術(shù)，阿里媽媽圖像團(tuán)隊(duì)能夠以95%的超高準(zhǔn)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)屏蔽了4600萬(wàn)條惡意推廣。

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，以及商湯科技、曠視科技（擁有Face++、Image++）等計(jì)算機(jī)視覺(jué)技術(shù)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。

據(jù)阿里媽媽定向算法技術(shù)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，圖像技術(shù)是理解這些信息的重要手段。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)費(fèi)力，尤其是隨著圖片數(shù)量越來(lái)越大，這幾乎已成為不可完成的任務(wù)。針對(duì)這一強(qiáng)烈需求，從2014年開(kāi)始，阿里媽媽圖像團(tuán)隊(duì)開(kāi)始重點(diǎn)攻堅(jiān)O(shè)CR技術(shù)，通過(guò)機(jī)器視覺(jué)的方式從圖片中識(shí)別出文字，從而鑒別出違規(guī)的文案信息。

對(duì)惡意推廣的定義，蓋坤表示，一方面依據(jù)國(guó)家相關(guān)法律法規(guī)，對(duì)于違禁品、色情信息、封建迷信、假冒偽劣、減肥豐胸、夸大虛假等違規(guī)類型進(jìn)行不同程度的處罰和管理，另一方面在法規(guī)之外平臺(tái)有著更高要求，對(duì)損害消費(fèi)者利益或進(jìn)行不正當(dāng)競(jìng)爭(zhēng)的推廣類型積極嘗試進(jìn)行管控。其中，與消費(fèi)者關(guān)系最為密切的假冒偽劣單項(xiàng)違規(guī)類型，被阿里媽媽作為重點(diǎn)審查對(duì)象。

相對(duì)其他限定場(chǎng)景OCR應(yīng)用相比，阿里媽媽要處理的創(chuàng)意圖片和商品圖片上的文字字體、色彩更加多樣，文字布局更加靈活，背景包括各種商品、布景或自然場(chǎng)景，蘊(yùn)含各種復(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，在技術(shù)路線上，相比于傳統(tǒng)方法，拋棄了圖像預(yù)處理、字符分割等流程，采用了多個(gè)深度神經(jīng)網(wǎng)絡(luò)和語(yǔ)言模型相結(jié)合的方法來(lái)組成完整的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）技術(shù)成功應(yīng)用到建模中去，大大提高識(shí)別的準(zhǔn)確率。

據(jù)悉，現(xiàn)在基于OCR文字識(shí)別實(shí)時(shí)審核已覆蓋整個(gè)阿里媽媽業(yè)務(wù)，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)95%以上；同時(shí)將圖文審核風(fēng)險(xiǎn)發(fā)現(xiàn)時(shí)間從“天”降低到“秒”級(jí)。數(shù)據(jù)顯示，2015年阿里媽媽累計(jì)屏蔽了4600萬(wàn)條惡意推廣，有效凈化了互聯(lián)網(wǎng)營(yíng)銷環(huán)境。

除OCR過(guò)濾惡意推廣以外，計(jì)算機(jī)視覺(jué)技術(shù)在阿里巴巴集團(tuán)內(nèi)部已經(jīng)獲得廣泛使用，比如手淘的“拍立淘”產(chǎn)品，通過(guò)手機(jī)拍照即可搜索相似商品，2015年雙11當(dāng)天，千萬(wàn)消費(fèi)者使用了“拍立淘”功能，創(chuàng)造了超過(guò)數(shù)千萬(wàn)元的銷售額。另外，在商品圖片版權(quán)保護(hù)、鑒黃等場(chǎng)景也都引入了計(jì)算機(jī)視覺(jué)技術(shù)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。