订阅
纠错
加入自媒体
发文

阿里的追光者:每天为数亿张图片把脉帮数十万盲人“听图”

2020-07-05 07:47
猎云网
关注

7月3日报道

听取顾客发来的评论意见、发布最新制作的商品介绍图片,这是淘宝店主小峰5年来每天起床后必做的两件事。

来自浙江的小峰自幼双目失明,2015年在淘宝开了一家专卖电子产品的店铺。通过“手耳并用”的方式,小峰可以和明眼人一样,毫无障碍地和众多买家进行沟通交流。

这一切得益于OCR(光学字符识别)技术。在阿里达摩院读光OCR团队的努力下,数十万盲人登陆淘宝时,只要手指划过相关页面和商品,手机就会准确地读出的信息 。

OCR技术的应用并不止于为视障人群修建“盲道”,小峰和数以百万计的商家每天会在淘宝发布超过1亿张商品图片。

广告发布是否违规?商品图片是否侵权?在每天为海量图片“把脉”的过程中,锻造了读光OCR强大的能力,这项原本只专注于商品治理的安全技术,逐渐进化为不同行业提供人工智能服务的全能识图产品。

不久前,阿里达摩院和阿里安全成立联合实验室,意味着“读光”这一高精尖技术将在更多场景落地,而在“新基建”快速发展的当下,数字技术将展示出前所未有的普惠性。

每天为数亿张图片把脉

每天在淘宝新增的商品图片达数亿张。

如果用相纸把这些图片打印出来,假设每张相纸厚度为0.2毫米,摞在一起的厚度超过20公里。

从这些图片中找出违规发布的商品和信息,依靠人的肉眼,即使每秒钟能查看一张图片,24小时内看完这些商品图,需要1158人团队不间断持续作业才能完成。

在商品图片内容丰富、场景复杂多样的状况下,读光OCR技术的出现大大提高了平台治理的效率。

读光OCR团队负责人、高级算法专家永攀介绍说,“读光”的前身是成立于2011年的“图像把脉团队”。

彼时,淘宝商品主要信息传递方式是图片,消费者搜索任何商品,映入眼帘的是首先是各个搜索结果的商品主图,这张图片传递的信息可以在很大程度上影响用户的购买判断。

当图片成为抢夺消费者注意力最直接的手段,很商家把商品主图和呈现文字做得异常夸张,就像电线杆上的“牛皮藓”广告。

为了改善淘宝的商品呈现,“图像把脉团队”上线治理“牛皮癣”的专项技术,判断商品图片中的文字以及整体图片是否违规。

对图片的识别、判定的意义并不只是是否美观和夸张。更重要的是,通过对商品发布图片的审核,可以及时发现销售假货侵权产品的商家。

今年2月2日,身在重庆的永攀在药店买口罩时,发现线下要点的口罩已经被抢购一空。永攀很快意识到,大量口罩购买需求涌入线上,很多不法商家也可能会趁机混水摸鱼。

与此同时,淘宝、天猫成立了“保卫口罩小分队”,他们的任务就是守住口罩商品上线的关口。

这一天,读光OCR团队紧急优化技术,确保有货源的商家能发布商品的同时,让疑似假冒伪劣的商品无法上线。

“由于口罩以前是个小众产品,突然爆发的需求和商品发布量,让图片扫描以及识别的工作量非常大。”永攀回忆说,这一仗把能调用的全部服务器都用上了。有了每天检测数亿张图片的磨砺,读光OCR在口罩保卫战这一役圆满的完成了任务。

在阿里安全图灵实验室负责人薛晖看来,读光OCR技术在知识产权保护领域的应用,不仅可以对商品发布进行检测,配合其他技术的应用,还能对制售假分子予以限制。

一名曾因店铺售假被淘宝关店,为再上淘宝开店,伪造了8次假身份,连户籍地址都配套换了8次。但每次都被系统识别拦截,无缘再上淘宝的他,终于选择放弃。

从管理到服务的有温度治理

2015年9月1日,新广告法开始执行,这为“读光团队”带来了巨大的挑战。

新广告法禁用“最佳”、“最优秀”、“世界级”、“独家”、“史上第一”等多种“极限词”表达。

淘宝的存量商品超过了15亿个,每个商品平均有17张描述图片,90%的商品描述都在图片中。由于很多商家并不具备专业知识,根本无法判断自己是否违反了广告法。

很多商家违法了但却不自知,不但面临处罚,还会遭遇恶意索赔团伙的敲诈勒索。

阿里安全在集团内部拉几支团队一起PK解决方案,最终“读光团队”接下了这个难题。

永攀回忆说,当时统计发现,淘宝存量商品图多达数百亿张,图片上的文本内容非常复杂,常用字体就有100多种,还有一些非常个性艺术创造的字体。此外,图片中经常会有各种透明半透明的背景,识别难度很高。

为了实现高效提速,“读光团队”做出了有别于市面通用的解决方案。

如果说外界当时处理一张主图需要3到5秒,处理复杂图需要1分钟的话,“读光团队”提出的解决方案可将识别图片的平均时间降到0.25到0.3秒。产品上线后,所有违规图片可以在24小时内被处理。

一年之内,“读光团队”将技术能力进化到了实时处理,让商家发布的违规图片根本无法上线。

“当我们的安全技术能力从单纯的管控变成风险服务,可以帮助到那些无意犯错的商家,让违反广告法的图片在没有产生任何影响的情况下就被拦截下线。”永攀说,通过技术打击作恶的坏人,而让无意犯错的商家“少踩坑”,这是“有温度治理”的应有之义。

为数十万盲人修建网络盲道

在数字经济时代,依托人工智能技术的治理模式和经验,不仅在解决商业问题上发挥作用,创造新的商业机遇,在参与社会治理和解决各类社会问题上,提供了更多的想象空间,为社会创造更多新价值。

从2011年开始,“读光团队”为视障群体提供文字识别服务。不过,很多盲人朋友反馈依然存在理解障碍和错误的情况。

永攀解释说,淘宝的图片版式包括了广告图、商品图、表格图、图文注解图等,不同页面的阅读方式差异很大,绝不仅是把所有文字从左到右、从上到下阅读一遍这么简单。这就需要研究将文字以合理的顺序进行组织后,为视障人士阅读,帮助他们正常理解。

团队一边与浙江大学、中国残联合作,共同研究商品图片无法被视力残疾人阅读的问题,一边邀请盲人测试者参与研发。

2019年,“读光团队”开始研发和落地版式分析和阅读顺序的深度学习技术,盲人商家小峰参加了无障碍工作组的测试,并以团队成员的身份参与到优化读光OCR的文本语序识别算法的工作中。

“对普通人来说,新兴互联网技术的发展很多时候发挥着锦上添花的作用,但对盲人而言,具备着雪中送炭的意义,实实在在的帮助我们回归社会、融入社会、参与社会。”小峰感慨。

截至2019年,数十万视障人士因为“读光”团队的努力,在淘宝享受着足不出户,购遍全球的互联网新生活。2019年双11期间,淘宝对“盲道”进行升级后,视障人士在实现无障碍购物的基础上,首次可以用手机在双11参加游戏互动体验,并得到更多实惠。

在数字时代主动寻找未来的光

2019年底,阿里达摩院与阿里安全成立联合实验室,读光团队与阿里安全图灵实验室实现了“握手”。

事实上,在日常平台治理的业务中,两个团队早已并肩战斗多年,联合实验室的负责人薛晖与永攀更是老相识了。

两人同毕业于浙江大学光电系,永攀是薛晖隔壁实验室的师妹,永攀所在的实验室为嫦娥四号探测器提供了的相机光学技术,让嫦娥四号向地球顺利传回世界上第一张近距离拍摄的月背影图像。

在隔壁实验室技术“上了天”的时候,薛晖正在阿里安全死磕AI图像识别技术,将其落地应用在线下新零售场景中,两人开玩笑地说这样的场景恰好印证了人工智能“上天入地”的说法。

如今,两人的愿景是让高精尖的视觉技术在更多场景中落地。

“这个联合实验室要在数字化浪潮下,开拓‘AI+办公’、‘AI+教育’等新模式,为新基建铸就城墙;在技术上要以建设高效、通用、安全的OCR系统为抓手,聚焦小样本学习、迁移学习与领域自适应、模型可解释性研究、对抗鲁棒性等课题,探索下一代人工智能技术,为新基建构建安全的技术底座,这也是阿里提出的新一代安全架构的核心理念。”薛晖为团队规划出了大的方向,接下来团队的重点将聚焦在图片、视频治理和办公数智化两个方面。

薛晖说,人们在日常看到的是清朗网络空间,这背后其实是安全算法团队与违法违规图片视频的持续对抗。而OCR技术具有非常强的办公属性,如财务票据报销、文件电子化、证件审核等,未来的办公数智化解决方案可以辐射金融、司法、教育、医疗等行业,将人们从机械的、重复性的工作中解脱出来。

“我们想要两条线推进,为OCR技术找到对业务、社会真正有价值的新方向。”永攀说,疫情中兴起的非接触式会议和教学已经证明,AI技术已经改变了传统的内容生成方式。

这也是“合并”赋予读光OCR团队的新意义:不仅要读光、追光,更要在数字时代主动寻找未来的光。

作者:尹子璇来源:猎云网

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号