4月11日到14日,第九届视觉与学习青年学者研讨会在安徽省会展中心成功举办。本届大会实际签到人数突破5000人,再创历史新高。共有88场学术报告,171篇顶级会刊论文poster展示以及137个Demo系统的精彩展示。来自上海的人工智能企业合合信息受邀出席了本次大会,并展示了自主研发的四款全新机器人产品——智能票据机器人,财报机器人、合同机器人人文本配置机器人、表格配置机器人,深度赋能各行各业。
VALSE 2019延续了往届大会的主要程序环节,会议日程紧凑、精彩纷呈,相关报告和展示从内容上涵盖了计算机视觉、图像处理、模式识别与机器学习领域的大部分热点研究方向,研讨了上述研究领域的国内外前沿进展。合合信息通过四款机器人DEMO,充分展示了这家创业十年的互联网公司在人工智能领域及OCR技术上的优势。
精准阅读票据信息,分担繁琐人工录入流程
每年,全球都会产生数千亿的发票,在企业财务、供应链管理等工作中,往往存在着发票多、验真难、票据信息录入繁琐等问题。当前,票据的数字化问题尚未完全解决,大量纸质票据依赖于手动录入,效率低下、错误率高,加剧了企业的人力、时间和财力成本。
作为成熟的人工智能解决方案服务的提供方,合合信息研发的票据机器人采用人工智能深度学习引擎的STR技术,支持对增值税专用发票、增值税普通发票、增值税电子发票、增值税卷式发票、火车票、出租车票、机动车销售发票、车辆通行费票据、定额发票(含停车票、地铁票、手撕票)等10余种票据进行自动分类,可结构化识别出多个字段,并按行输出所有文字结果。
票据机器人的研发,让发票识别的速度和正确率都大大提升,平均识别一张卡片仅需数10毫秒,错误率趋近于零。整个过程无需人工干预,不仅大大提高了工作效率,也降低了企业成本。
自动分类30+证件,提高企业客户风险管理能力
通常来看,对公业务的企业开户有三大痛点:其一,企业开户效率不足:传统的开户流程效率低、流程繁琐、企业客户体验缺失;其二,企业信息验真滞后:企业客户上报信息,无标准行内数据支撑进行快速尽职调查、验证真伪,导致企业客户背景了解等风险管理缺失;其三,实时风控能力不足:企业客户的运营数据无法实时被掌握,传统风险管理手段单一、尽调不彻底、耗费大量人力且效率低下。
基于以上痛点,合合信息推出的“企e开”开户机器人,集成人工智能STR识别、人脸识别、商业大数据API、数据服务等技术,优化企业开户流程,提高实时风控能力。以“全自动、全天候、数据化”为特点,“企e开”为企业客户提供优质、高效的开户体验,真正实现对公客户风险实时掌控管理。
针对金融、物流、教育等行业业务办理过程中的证件类型,合合信息推出了超过30种证件的智能分类系统,支持对身份证、驾驶证、银行卡、行驶证、保单等。一张证件图片,通过智能分类系统,可以在毫秒级完成判断分类。智能分类系统的识别速度是毫秒级的,支持多张图片同时上传,支持PDF文件识别,对于银行卡的分类正确率甚至超过99.6%。
表格信息结构化,自由输出指定字段结果
长久以来,表格的识别都被认为是一大难题。一方面,表格单据经常存在印章覆盖文字、文字溢出表格单元与表格线交叉等复杂情况,极大程度地影响了识别准确率;另一方面,拍照上传的图片存在噪声、模糊、光线变化、形变、复杂背景干扰等问题也造成文字识别干扰,也会让文字定位和识别的准确度成为巨大挑战。
作为世界顶级的人工智能集成商,合合信息息面对各种复杂场景,通过深度的引擎识别和文本处理技术,将表单数据结构化输出。合合信息提供的表格配置机器人,可以针对自定义模板处理各种形式、格式的表单,无论大小、布局和内容,快速提取表单中的指定字段结果,大幅度节省人工的处理时间。
成立于2006年,2009年推出首款将模式识别技术应用到手机上产品——名片全能王。十年来,合合信息在人工智能、商业大数据、模式识别、深度学习与智能交互等领域不断耕耘,截至当下,已经拥有300多项全球发明专利,100多个证件、文字识别模块,广泛服务于银行、保险、证券、汽车、支付、物流等众多行业领域,并与北京大学、复旦大学、上海财经大学等53所国内外高校与科研院所达成合作协议。未来,合合信息将在计算机视觉技术创新与突破上继续与产业界、学术界紧密合作,共同推进智能化加速,赋能未来商业。
免责声明
本文仅代表作者观点,不代表本站立场,著作权归作者所有;作者投稿可能会经本站编辑修改或补充;本网站为服务于中国中小企业的公益性网站,部分文章来源于网络,百业信息网发布此文仅为传递信息,不代表百业信息网赞同其观点,不对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题;如有侵权,请反馈联系删除。(反馈入口)
本文链接:https://www.byxxw.com/zixun/1579.html