平安科技自动化机器学习奥卡姆平台研究成果正式亮相国际ICONIP会议 ICONIP会议是由亚太神经网络协会APNNS(

近日,第二十六届ICONIP国际神经信息处理学术会议(The 26th International Conference on Neural Information Processing, ICONIP)在澳大利亚悉尼召开,平安科技自动化机器学习平台(AutoML)——奥卡姆Occam平台研究成果

《On Probability Calibration of Recurrent Text Recognition Network》

正式亮相,并受邀在大会上进行主题演讲。这是继

在斯坦福大学深度学习推理DAWNBench竞赛获得冠军、获得2019年CCF科学技术奖科技进步杰出奖后

,平安科技奥卡姆平台的又一项重大突破。

ICONIP会议是由亚太神经网络协会APNNS(Asia-Pacific Neural Network Society)主办的人工智能神经网络领域最重要的会议之一。本次会议特别邀请到了神经网络领域权威专家David Powers 和 Bao-Liang Lu等嘉宾出席并进行主题分享,并汇聚了来自世界各地从事人工智能理论和应用研究的顶尖研究人员,共同分享国际人工智能研究领域的最新理论和技术成果。会议共收到1200+篇来自世界顶尖学府和科研机构的论文投稿,最终录用337篇,会议录用率仅为27.4%,而受到邀请进行主题演讲的文章更是屈指可数。

----平安科技自动化机器学习奥卡姆平台研究成果正式亮相国际ICONIP会议//----

第26届 ICONIP

网址 http://ajiips.com.au/iconip2019/

平安科技奥卡姆平台研究成果发布

平安科技奥卡姆平台研究成果

《On Probability Calibration of Recurrent Text Recognition Network》

是由平安集团首席科学家肖京博士指导,平安科技副总工程师王健宗博士作为论文的通讯作者,在会议录用的337篇论文中脱颖而出,并受邀成为口头报告论文。

----平安科技自动化机器学习奥卡姆平台研究成果正式亮相国际ICONIP会议//----

论文作者、联邦学习团队成员

在 ICONIP会议宣讲成果

奥卡姆平台这篇论文针对OCR识别中未分段文本识别模型中的校准异常问题,创新性地将顺序文字识别网络(SRN)与校准卷积神经网络(Calibration CNN)相结合,提出了一种将未分段文本转化为单个字符并进行识别校准的新型算法。不同于传统算法针对一段文字中所有样本均采用相同的模型参数的方式,奥卡姆采用的算法将未分段文本中的每个文字提取出来,虽然仍采用相同的识别模型,但是凭借奥卡姆平台计算能力极强的优势,可以并对不同的个体文字自适应地选择不同的校正参数,调整每个文字识别结果的置信度输出,从而降低置信度的误差。而在此论文成果的真实应用中,通过使用奥卡姆平台,高效、快速地在三个样本集中试验了五种不同的CNN参数校准方式,并得出了以DenseNet结构的为基础的最佳识别校准算法。