You are now offline.

使用者、文字工作者注意!Dropbox 推出深度學習結合 OCR 讓你提早下班

36氪 2017-04-14
使用者、文字工作者注意!Dropbox 推出深度學習結合 OCR 讓你提早下班
ShutterStock
分享
收藏
已完成
已取消

雲端共享及同步檔案服務商 Dropbox 今天披露了更多支援光學字元識別(Optical Character Recognition, OCR)功能的技術細節,已經為 Dropbox Business 付費的企業員工可以在Android和iOS應用程式中使用該功能。

根據批露細節,使用者的使用流程將會使用行動裝置上的相機掃描文件檔案後,光學字元識別功能將會啟動。應用程式會根據需要裁剪或旋轉文檔,然後將其保存為 Dropbox 中的 PDF 檔案形式。

其實早在去年 8 月,Dropbox 表示正在使用電腦視覺來檢測應用程式掃描文件檔案。

與 AI 深度學習結合的 OCR 技術已經不是新鮮事,GitHub 上的開源軟體可以用於兩者結合,Google 在Google 街景圖像中也運用了機器學習和 OCR 技術。

OCR 系統的初代版本採用市售軟體開發工具包(SDK)。Dropbox 選擇使用自己的數據包以節省資金並提高準確性,因為市售系統主要是為實際的硬體掃描器打造,而不是為行動裝置上使用相機的掃描器。

Dropbox 利用使用者數據訓練系統

Dropbox 的軟體工程師 Brad NeubergNeuberg 表示,Dropbox 需要收集使用者上傳一部分圖像或文件,例如收據、發票、信件等。為了收集這些資料數據,公司事先徵得使用者的同意。如果使用者同意,那麼這些文件及相關資料一定會被保密。

Dropbox 對使用者捐贈的數據採取各種安全措施,比如絕不會將數據保留在本地部署的伺服器上,保持持續並廣泛的蒐集分析資料、部署強大的身份驗證訪問數據措施等。

為了預測文檔中特定單字的剪切文本,Dropbox 透過卷積神經網路,然後是雙向長時間短期記憶(LSTM)網路發送圖像,最後連接時間分類(CTC)系統。該系統部分依賴於 Google 的 TensorFlow 開源深入學習架構。為了加強這個系統,Dropbox 以虛構的數據做為參考,然後以簡單的方式進行了轉換。

Dropbox 已經脫離了亞馬遜網路服務(AWS)的公共雲端,並使用自己的數據中心基礎架構。此外,Dropbox 已經開始使用圖形處理單元(GPU)加速的 G2 虛擬機(VM)實例對其模型進行了培訓 ,並儲存儲了一些數據在 AWS S3 服務中。為了進一步改進模型,Dropbox 訓練了小數量的圖像單詞。然後,從預測單字跳轉到處理整個文檔。

本文授權自《36 氪》,作者:韩旭
原文標題:估值40亿美元的Dropbox又为用户带来新功能:AI识别扫描文档

TAGS: # AWS # AI

使用會員功能前,請先登入

  • 收藏文章
了解更多關於創業小聚的資訊,歡迎透過以下服務: