Возможно, мы находимся с вами на разных уровнях абстракции. Называть предложенную нами конкретную технологию и конкретный алгоритм "обрезанным вариантом аттеншна" звучит сомнительно: когда вы говорите "аттеншн" вы, скорее всего (поправьте, если мы ошибаемся), подразумеваете соответствующую технику в машинном обучении, тогда как мы предлагаем конкретный алгоритм работы с текстовыми полями документов в видеопотоке (который, вообще говоря, может обучения не предполагать). Даже если вы имели ввиду что-то другое, нам не очень понятно, каким образом конкретный алгоритм, до нас в данной задаче никем не описанный и не использованный (насколько нам известно как по опубликованным научным статьям, так и по отчету патентного экзаменатора) можно назвать "базовым концептом"? Этот патент не про концепт, а про конкретную технологию. Конкретные технологии патентовать совершенно не стыдно, новые концепты, кстати, тоже не стыдно, а на "базовые концепты" никто патент не даст. Что касается смысла статьи на этом техническом ресурсе - то тут все даже проще. Этот технический ресурс прекрасен в том числе тем, что дает возможность техническим компаниям вести свои блоги, и в том числе рассказывать в них о новостях о компании, ее результатах и достижениях.
"Отброс плохих кадров" и "сохранение хороших" через патентное бюро США никогда бы не прошел.
В патенте предлагается другой подход - во-первых, по априорным признакам взвешивать кадры (причем взвешивать на уровне локальных особенностей изображений - вплоть до взвешивания на уровне каждого символа), после чего сырые результаты распознавания с каждого кадра комбинировать вместе таким образом, чтобы учитывались веса как кадров целиком, так и каждого символа в отдельности.
Вот такой подход не смутил патентное бюро США, и показал, что эффективен для распознавания некоторых полей документов, удостоверяющих личность в видеопотоке в реальном времени. Про это можно прочитать в работе O. O. Petrova, K. B. Bulatov, V. V. Arlazarov and V. L. Arlazarov, “Weighted combination of per-frame recognition results for text recognition in a video stream,” Computer Optics, vol. 45, no 1, pp. 77-89, 2021, DOI: 10.18287/2412-6179-CO-795. Эксперименты в этой работе сделаны на публичных датасетах, поэтому если вы знаете способы еще более эффективного межкадрового комбинирования - всегда есть возможность сравниться.
Свертку мы патентовать не будем. А вот наш способ вычисления свертки без умножений вполне себе рассматривается :)
Здравствуйте. Мы стараемся экспериментировать со всеми известными и некоторыми неизвестными методами восстановления. Но из-за возможных различий в терминологии не можем достоверно ответить на ваш вопрос. Прямые методы обращения оператора проецирования в томографии называются интегральными, и они, как правило, не регуляризованы. Зато в томографии регуляризуют методы спуска, итерационные. Тихоновская регуляризация при этом практически не используется. Это связано с тем, что искомая карта коэффициента ослабления не имеет энергетического смысла, и предположение о том, что меньшее поглощение более правдоподобно, слабо обосновано. Но в большинстве приложений верно то, что высокочастотные текстуры неправдоподобны. Поэтому используется регуляризация полной вариации. И вот она как раз плохо совместима с прямыми методами. Что касается обоснования критерия останова, то это отдельная очень интересная тема, и мы ей занимаемся. Но короткого ответа здесь нет, поскольку функция потерь в разных приложениях разная, а значит, и оптимальный критерий останова будет в общем случае разным.
Увеличение дозовой нагрузки уменьшит "пиксельность", мы предложили подход для малодозовой нагрузки. При частых КТ, например в ковид, малодозовость обследований – важный момент.
Здравствуйте. Статью про ускорение метода обязательно почитаем, спасибо. “Инновацией” было как применять метод в компьютерной томографии, какие именно брать веса.
Всю информацию о нашей интеллектуальной системе анализа и распознавания документов Smart Document Engine, а также о том, как она применяется для распознавания первичных и учетных документов, вы найдете на отдельной странице продукта: https://smartengines.ru/intelligent-document-recognition/
Клиент такого не позволяет. Сложно представить человека, который спокойно смотрит, как курьер (представитель банка) откровенно ворует его паспортные данные!
Среди растущих в России деревьев дуб черешчатый является одним из лидеров по способности поглощать углекислый газ, а также довольно неприхотлив в посадке и уходе.
P.S. Дуб черешчатый живет 400 лет. Мы смотрим далеко в будущее!
Любой студент второго курса, хоть немного знакомый с МЛ, знает о существовании теоремы об универсальном аппроксиматоре, которая гласит, что имея достаточное количество данных, можно решить почти любую задачу.
Совершенно удивительно, что до сих пор по всему миру существует огромное компаний и научных коллективов, решающих разными способами простейшие задачи компьютерного зрения и распознавания образов.
Фактически мы прошли весь путь: АРМа с планшетным сканером до сотрудника с планшетом. А специальный сканер - это о задаче проверки подлинности, которая сильно отличается от распознавания
Мы работаем на аппаратах из широкого ценового диапазона, например на INOY. Для нормального результата требуется камера не менее 5 МП, наличие автофокуса.
Классическая проблема щита и меча. Конечно, все можно сломать. Мы постоянно совершенствуем наше решение.
Сбер не наш клиент, за таким комментарием не к нам.
Возможно, мы находимся с вами на разных уровнях абстракции. Называть предложенную нами конкретную технологию и конкретный алгоритм "обрезанным вариантом аттеншна" звучит сомнительно: когда вы говорите "аттеншн" вы, скорее всего (поправьте, если мы ошибаемся), подразумеваете соответствующую технику в машинном обучении, тогда как мы предлагаем конкретный алгоритм работы с текстовыми полями документов в видеопотоке (который, вообще говоря, может обучения не предполагать).
Даже если вы имели ввиду что-то другое, нам не очень понятно, каким образом конкретный алгоритм, до нас в данной задаче никем не описанный и не использованный (насколько нам известно как по опубликованным научным статьям, так и по отчету патентного экзаменатора) можно назвать "базовым концептом"? Этот патент не про концепт, а про конкретную технологию. Конкретные технологии патентовать совершенно не стыдно, новые концепты, кстати, тоже не стыдно, а на "базовые концепты" никто патент не даст.
Что касается смысла статьи на этом техническом ресурсе - то тут все даже проще. Этот технический ресурс прекрасен в том числе тем, что дает возможность техническим компаниям вести свои блоги, и в том числе рассказывать в них о новостях о компании, ее результатах и достижениях.
Спасибо за комментарий!
"Отброс плохих кадров" и "сохранение хороших" через патентное бюро США никогда бы не прошел.
В патенте предлагается другой подход - во-первых, по априорным признакам взвешивать кадры (причем взвешивать на уровне локальных особенностей изображений - вплоть до взвешивания на уровне каждого символа), после чего сырые результаты распознавания с каждого кадра комбинировать вместе таким образом, чтобы учитывались веса как кадров целиком, так и каждого символа в отдельности.
Вот такой подход не смутил патентное бюро США, и показал, что эффективен для распознавания некоторых полей документов, удостоверяющих личность в видеопотоке в реальном времени. Про это можно прочитать в работе O. O. Petrova, K. B. Bulatov, V. V. Arlazarov and V. L. Arlazarov, “Weighted combination of per-frame recognition results for text recognition in a video stream,” Computer Optics, vol. 45, no 1, pp. 77-89, 2021, DOI: 10.18287/2412-6179-CO-795. Эксперименты в этой работе сделаны на публичных датасетах, поэтому если вы знаете способы еще более эффективного межкадрового комбинирования - всегда есть возможность сравниться.
Свертку мы патентовать не будем. А вот наш способ вычисления свертки без умножений вполне себе рассматривается :)
Здравствуйте. Мы стараемся экспериментировать со всеми известными и некоторыми неизвестными методами восстановления. Но из-за возможных различий в терминологии не можем достоверно ответить на ваш вопрос. Прямые методы обращения оператора проецирования в томографии называются интегральными, и они, как правило, не регуляризованы. Зато в томографии регуляризуют методы спуска, итерационные. Тихоновская регуляризация при этом практически не используется. Это связано с тем, что искомая карта коэффициента ослабления не имеет энергетического смысла, и предположение о том, что меньшее поглощение более правдоподобно, слабо обосновано. Но в большинстве приложений верно то, что высокочастотные текстуры неправдоподобны. Поэтому используется регуляризация полной вариации. И вот она как раз плохо совместима с прямыми методами. Что касается обоснования критерия останова, то это отдельная очень интересная тема, и мы ей занимаемся. Но короткого ответа здесь нет, поскольку функция потерь в разных приложениях разная, а значит, и оптимальный критерий останова будет в общем случае разным.
Увеличение дозовой нагрузки уменьшит "пиксельность", мы предложили подход для малодозовой нагрузки. При частых КТ, например в ковид, малодозовость обследований – важный момент.
Здравствуйте. Статью про ускорение метода обязательно почитаем, спасибо. “Инновацией” было как применять метод в компьютерной томографии, какие именно брать веса.
Добрый день! Благодарим вас за интерес к разработкам Smart Engines.
Если вы хотите почитать про распознавание платежек, счетов, KYC-анкет, согласий и доверенностей, то вам сюда: https://smartengines.ru/raspoznavanie-dokumentov-i-schetov/
Информация о процессе распознавания анкет и форм опросников находится по этой ссылке: https://smartengines.ru/raspoznavanie-form-i-anket/
О том, как в банковской сфере применяется полнотекстовое распознавание, читайте здесь: https://smartengines.ru/raspoznavanie-teksta-ocr/
Подробности процесса сканирования документов на смартфоне смотрите тут:https://smartengines.ru/skanirovanie-dokumentov-na-smartfone/
Всю информацию о нашей интеллектуальной системе анализа и распознавания документов Smart Document Engine, а также о том, как она применяется для распознавания первичных и учетных документов, вы найдете на отдельной странице продукта: https://smartengines.ru/intelligent-document-recognition/
Если у вас остались вопросы, просим связаться с нами через форму на сайте Smart Engines: https://smartengines.ru/contacts/
Отловим
Клиент такого не позволяет. Сложно представить человека, который спокойно смотрит, как курьер (представитель банка) откровенно ворует его паспортные данные!
Добрый день!
У нас все самописное, мы регулярно публикуем статьи про наши алгоритмы здесь, на Хабре.
Про специальные сети с необычными слоями почитать можно здесь.
Среди растущих в России деревьев дуб черешчатый является одним из лидеров по способности поглощать углекислый газ, а также довольно неприхотлив в посадке и уходе.
P.S. Дуб черешчатый живет 400 лет. Мы смотрим далеко в будущее!
Спасибо за фидбек, разберемся с интеграцией
Муляж на видео взят из Википедии.
Если система уверена, что ей скормили лажу, то она дает отказ
В этих организациях есть специальная процедура, как исключение, направленная на исправление ошибок ввода паспортных данных.
Любой студент второго курса, хоть немного знакомый с МЛ, знает о существовании теоремы об универсальном аппроксиматоре, которая гласит, что имея достаточное количество данных, можно решить почти любую задачу.
Совершенно удивительно, что до сих пор по всему миру существует огромное компаний и научных коллективов, решающих разными способами простейшие задачи компьютерного зрения и распознавания образов.
Фактически мы прошли весь путь: АРМа с планшетным сканером до сотрудника с планшетом. А специальный сканер - это о задаче проверки подлинности, которая сильно отличается от распознавания
Да, все верно. Наш продукт - это SDK, который встраивается уже в клиентское приложение банка и т.п.
Тинькофф - наш клиент с 2016 года.
Добрый день! Ниже ответы по порядку.
Мы работаем на аппаратах из широкого ценового диапазона, например на INOY. Для нормального результата требуется камера не менее 5 МП, наличие автофокуса.
Классическая проблема щита и меча. Конечно, все можно сломать. Мы постоянно совершенствуем наше решение.
Сбер не наш клиент, за таким комментарием не к нам.
Спасибо, приятно такое слышать от нашего пользователя!