图像处理技术是目前人工智能发展最为迅猛的领域，而贝壳找房又是以技术驱动的品质居住服务平台，积累和沉淀了大量的交易数据，场景+数据+算法，贝壳交易智能围绕以房产证识别为核心 OCR 技术架构也在落地实践中逐步建立起来。

本次分享我将重点介绍 OCR 技术的一般流程、各个环节遇到的实际问题以及整个技术架构的变迁，贝壳交易智能是如何通过一个一个技术点的突破，使识别率从无到有，从 95% 到 99% 的。还将介绍下基于业务演进打造的 Uni-iMatch 和 ASLS 系统。

内容大纲

1. 了解贝壳 OCR 能力的三⼤⽅向

• 房产备件票据卡证类现状
• 房产合同 IM 类通⽤用文本识别现状
• 房产征信报告表单类通⽤表格识别现状

2. ⻉壳 OCR 识别的⼀般流程

• 分类+摆正+检测+识别+结构化+NLP

3. 分类遇到的问题

• 样本量小，正负类别分布不均

4. 摆正遇到的问题

• 通⽤摆正的正确率的问题及相应的兜底策略

5. 检测遇到的问题

• 倾斜和弯曲

6. 识别遇到的问题

• 分类&序列
• 形近字和⽣僻字如何处理 

7. 结构化

• 从位置匹配到⾃定义模版技术
• 再到深度学习位置关系 

8. 工程化进展

• 模型裁剪
• model version 控制

听众收益

1. 了解 OCR 技术的整体架构

• 分类+摆正+检测+识别+结构化

2. 基本图像技术如何和具体的业务结合

• VGG16+ 传统特征提⾼摆正准确性
• DenseNet 的卷积处理，提高识别鲁棒性
• AdaVancedEAST，更改起始点和终结点，提⾼ IoU
• Attention 在解码中的应⽤用

3. 形近字和⽣僻字从技术和工程两个角度如何改进

• 如何增加更加有效的特征
• GAN 合成数据的冷启动，配合⼯程数据回流，打造自学习闭环

适合人群

图像分类、图像检测等图像处理相关从业技术人员。