网站建设编程语言,iphone开发网站,带搜索的下拉框网站,简述无线网络优化的流程Adevinta#xff0c;位于挪威奥斯陆的跨国在线分类广告公司#xff0c;以其全球市场的图像处理API为特色。Adevinta的主要使命是构建全球买家和卖家之间的桥梁#xff0c;其在线市场运营覆盖11个国家#xff0c;拥有众多备受信任的品牌#xff0c;如荷兰的marktplaats、德… Adevinta位于挪威奥斯陆的跨国在线分类广告公司以其全球市场的图像处理API为特色。Adevinta的主要使命是构建全球买家和卖家之间的桥梁其在线市场运营覆盖11个国家拥有众多备受信任的品牌如荷兰的marktplaats、德国的Mobile.de和法国的leboncoin等。其核心业务是在线分类广告领域为用户提供发布和搜索各类商品和服务的平台包括二手物品、住宅、汽车和招聘职位等。 该公司技术团队由数据科学家和机器学习ML工程师组成专注于深度学习技术在图像领域的应用致力于研发大规模基于图像的机器学习解决方案以协助Adevinta公司构建卓越的产品和提升客户体验。Adevinta的全球在线市场运营与其强大的技术团队为其打造出一流的在线分类广告平台然而与此同时Adevinta公司面临着海外分类广告行业共性挑战这需要创新性的技术解决方案来克服而飞桨PaddleOCR的引入推动了该公司在项目领域的显著技术进步。 海外分类广告行业的技术痛点 在广告分类领域Adevinta和其同行在采用传统的光学字符识别OCR解决方案时共同面临一系列引发技术挑战的问题包括 多语言支持全球市场涉及多种语言因此客户可能需要处理不同语言的广告内容。实现多语言支持是一个挑战需要确保图像处理API能够准确地处理不同语言的文本包括文本识别和翻译。文本识别准确性分类广告通常包含大量文本信息如商品描述、价格等。客户需要确保图像处理API能够高度准确地识别文本以避免错误或误导性的广告信息Adevinta的技术负责人提到在使用其他OCR框架时尽管图像已被平铺显示但检测效果并不理想很难准确识别图像中的内容。其次特殊符号通常无法被正确识别这导致在文本识别过程中丢失了一些重要信息。最重要的是有时字符在文本的开头或末尾会丢失因此无法与预定的搜索模式匹配从而导致搜索或匹配文本时出现问题。处理大规模数据分类广告网站通常拥有庞大的广告库需要高效处理大规模的图像和文本数据。例如Adevinta目前每月处理3.3亿个请求因此图像处理API需要具备良好的扩展性和性能以应对高流量和大规模数据处理的需求。欺诈检测广告平台需要确保发布的广告内容合规且没有欺诈性质。因此图像处理API可能需要集成欺诈检测功能以帮助客户自动识别和标记潜在的欺诈广告。实时性要求一些国外广告网站对实时性有较高要求例如在线竞价广告平台。图像处理API需要能够在极短的时间内处理图像和文本以满足实时广告发布的需求。数据隐私和安全处理广告数据需要高度的数据隐私和安全性。图像处理API需要满足数据隐私法规并提供安全的数据传输和存储方式以保护客户和用户的数据安全。成本效益Adevinta的技术团队认为使用商业OCR典型的闭源或专有OCR解决方案可能会带来一些成本效益上的痛点而开源项目相对性价比更高。 飞桨对于Adevinta项目的技术加持 在Adevinta的技术团队评估了各种开源OCR项目包括基于Pytorch的MMOCR、EASY OCR、和基于飞桨的PaddleOCR基于其内部基准测试和边缘案例中考虑不同组合Adevinta技术团队在一番学习和了解后决定引入飞桨因其提供了一套丰富的工具和模型库支持构建和训练深度学习模型而且飞桨提供的开发套件PaddleOCR不仅仅是一个算法它包括一系列预训练模型和用于识别图像和文档中的文本以及训练自定义OCR模型的工具。具备了强大的图像文字识别功能可应用于广告分类领域也是一款出色的多语言OCR工具包支持80多种语言的识别提供数据标注和合成工具支持在服务器、移动设备、嵌入式系统和物联网设备之间进行训练和部署。利用飞桨PaddleOCR提供的模型训练、推理部署能力Adevinta实现了广告平台的欺诈检测业务落地帮助他们有效地识别潜在的欺诈行为确保广告平台上的内容质量和合规性。飞桨不仅帮助该公司提高了广告平台的整体安全性还为用户提供了更可信赖的广告体验。由于其支持多种语言包括中文、英文以及其他主要语言对于占据多国市场的跨国公司来说多语种数据处理非常有价值。 PaddleOCR项目概览 Adevinta国际团队使用飞桨带来的业务增益 作为一家国际公司每天为数百万用户提供服务Adevinta的计算机视觉团队致力于改进OCR API。在经过多次框架测试后他们创建了一个图像模拟器用于找到与目标用户需求相匹配的算法。在仔细内部审核和改进后他们选择了飞桨。现在新API相对于基于FOTS的解决方案延迟改进了7.5倍同时服务成本减少了7%。此外由于新API的价格比典型的外部解决方案如GCP OCR便宜12倍因此他们也收到了用户对其“图像中的文本2.0”速度和准确性的积极反馈。除此之外有以下几个显著的业绩方面改善 基准改进PaddleOCR在每张图片的平均召回率方面表现出色达到了0.65相比使用传统OCR的0.43平均召回率有了显著提高召回率提高了51%。这意味着可以更准确地提取和解释广告数据。广告自动标记通过使用PaddleOCRAdevinta能够标记出7%的广告使其更加安全和可信赖提高了广告平台的内容质量。市场扩展引入了一个新的市场平台使用飞桨实现的Cognition API得到了广泛采用用户数量大幅增加了154%这显示出飞桨帮助Adevinta扩大其服务范围和容量以满足不断增长的需求。成本节省采用飞桨也在经济上带来了好处相对于使用付费OCR解决方案Adevinta通过使用Cognition API实现了可观的成本节省。 在技术方案中Adevinta首先通过数据准备Adevinta拥有来自市场的精选数据集这些数据集包含了各种具有挑战性的例子有助于验证模型在实际场景中的性能。其次是建模其采用了预训练的飞桨模型然后是训练Adevinta编写了一个自定义的Python代码用于创建模拟数据生成器以训练不同情景下的PP-OCR模型从而确保性能和准确性。最后是部署使用飞桨提供的推理部署代码将PP-OCR模型部署到云端以便该公司应用程序可以访问和使用该模型。这一系列步骤构成了Adevinta项目的关键环节提供了一个更准确、更快速且更经济的AI解决方案并且提高了其在线广告平台的质量和用户体验。 如何创建PP-OCR模型产线 为了更好的方便开发者聚合了飞桨丰富模型包括但不限于PP-OCR的飞桨AI套件PaddleX已上线飞桨AI Studio星河社区大家可通过项目大厅进入到PaddleX官网在精选模型库中选择PP-OCRv4创建属于你自己的PP-OCRv4模型产线。欢迎扫描下方二维码或点击阅读原文进入星河社区交流频道。 关注【飞桨PaddlePaddle】公众号 获取更多技术内容~
