眾安科技兩項科技創新論文被國際峰會錄用，獲國際認可

眾安科技兩項科技創新論文被國際峰會錄用，獲國際認可

近日，眾安信息技術服務有限公司（以下簡稱「眾安科技」）數據科學實驗室的兩篇論文分別被國際多媒體圖像分析峰會（以下簡稱「ICMR」）和第24屆國際模式識別大會（以下簡稱「ICPR」）錄用，獲得國際認可。

深度學習進入視頻學習時代

論文「Dense Dilated Network for Few Shot Action Recognition」（《基於密集擴展網路的少樣本視頻動作識別》）被ICMR錄用，這是深度學習在視頻分類領域的創新應用，在駕駛行為分析、視頻檢索等領域有重要的業務價值。

深度學習是機器學習中一種基於對數據進行表面特徵的方法，其概念源於人工神經網路的研究。目前，深度學習的主要素材來源於文字、圖片，而隨著智能手機等設備的發展，視頻沉澱了大量深度學習素材。近年來人工智慧、神經網路的發展更是促進了視頻的分類、識別的研究。

和其他網路架構相比，眾安科技的這款神經網路架構利用每層與之前所有層相連的方式，可以得到從最初局部特徵到總體視頻的所有特徵信息。而每層網路使用了擴張卷積(dilated convolution)，相比原始的卷積方式，可以更加充分利用時空信息。因此不需要很深的層數，在少量數據下就可以訓練效果較好的網路。

以目前動作類別數、樣本數較多的資料庫之一UCF101為例，眾安科技在此資料庫的通用視頻數據集上進行了大量實驗，在僅有20%的訓練數據時（模擬對新任務的快速學習），利用該神經網路架構，機器仍然可以學到每類視頻的高層語義特徵。

保險理賠進入人工智慧時代

論文「CG-DIQA: No-reference Document Image Quality Assessment Based on Character Gradient」（《基於字元梯度的無參考文本圖像質量評估》）被ICPR錄用，ICPR是人工智慧和模式識別領域頂級盛會，每2年舉辦一屆，迄今已有45年歷史。

隨著智能手機的普及，在業務流程智能化服務中上傳手機拍攝的文本照片成為一種趨勢。然而，有些用戶拍攝的文本照片過於模糊，後續的字元識別（OCR）演算法基本無法識別照片中的文本，會大大降低業務處理速度。

針對實際業務的特點，數科室團隊模擬人眼視覺認知照片質量的過程，設計了一種基於字元梯度的演算法，在文本照片質量的評估過程中重點關注有實際意義的字元，忽略其它干擾信息，能更好的預測文本照片模糊程度。該方法與字元識別精度的線性相關性係數（國際通用評價指標）達到0.9841（數值越接近1表示演算法性能越好），遠超其它國際同行（目前最好水平0.935）。該演算法應用於保險理賠等業務流程中，可以自動評估手機拍攝上傳的圖像質量，避免用戶上傳低質量的理賠文檔資料，進而降低人工審核成本，提升業務流程處理效率。

[an error occurred while processing this directive]

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！