-
云從科技自研的視頻全結(jié)構(gòu)化引擎是對(duì)視頻或圖片中的人臉、人體、機(jī)動(dòng)車、非機(jī)動(dòng)車進(jìn)行目標(biāo)抓拍、識(shí)別、屬性分析的智能視頻分析引擎，支持人臉檢索/聚類、人體檢索/聚類、人臉人體關(guān)聯(lián)檢索/聚類、車輛檢索、車牌識(shí)別、屬性結(jié)構(gòu)化檢索等多種功能。
該引擎采用高效開(kāi)放的架構(gòu)模式, 用以穩(wěn)定靈活的支持各種豐富的功能模塊：
? 單機(jī)主從架構(gòu)，保證穩(wěn)定性
? 可擴(kuò)展插件系統(tǒng)，滿足靈活多變定制
? 支持多種推理模型，高效異構(gòu)計(jì)算平臺(tái)（多種AI芯片)
? 分布式架構(gòu)，保證系統(tǒng)高可用
-
基于云從科技原創(chuàng)的人臉識(shí)別算法，在人臉檢測(cè)、人臉比對(duì)、人臉1：N、人臉屬性等多方面，具有行業(yè)領(lǐng)先優(yōu)勢(shì)。
-
云從科技活體檢測(cè)算法涵蓋動(dòng)作活體、靜默活體、紅外活體、結(jié)構(gòu)光/TOF活體、3D活體等多項(xiàng)類別。
基于原創(chuàng)核心算法的云從科技活體相機(jī)率先通過(guò)國(guó)家標(biāo)準(zhǔn)檢測(cè)，活體檢測(cè)性能達(dá)到金融支付標(biāo)準(zhǔn)中的安全等級(jí)（增強(qiáng)級(jí)）。支持活體檢測(cè)的紅外單目/雙目攝像頭，以快速啟動(dòng)、低功耗嵌入式模組和精簡(jiǎn)優(yōu)化的神經(jīng)網(wǎng)絡(luò)，在低算例平臺(tái)上實(shí)現(xiàn)活體檢測(cè)和人臉識(shí)別算法。
云從科技2018年2月國(guó)內(nèi)首發(fā)云從3D結(jié)構(gòu)光人臉識(shí)別技術(shù)。3D結(jié)構(gòu)光技術(shù)，相較以往的2D人臉識(shí)別及以紅外活體檢測(cè)技術(shù)，實(shí)現(xiàn)巨大飛躍：在安全性、識(shí)別精度、識(shí)別速度方面都得到大幅提升，在千萬(wàn)分之一誤識(shí)率下能達(dá)到99%以上的準(zhǔn)確率，將速度由1-2秒縮短到毫秒級(jí)，高效防御面具、視頻等欺詐手段。
-
云從科技的物體檢測(cè)算法采用深度學(xué)習(xí)模型，在算法與應(yīng)用方面都屬于領(lǐng)先水平：
? 算法優(yōu)勢(shì)：采用云從科技的先進(jìn)目標(biāo)檢測(cè)算法，擁有多項(xiàng)專利，基于先進(jìn)的推理庫(kù)，大大優(yōu)化提取特征的效率；
? 性能卓越：識(shí)別快速，準(zhǔn)確率高，實(shí)時(shí)精準(zhǔn)反饋；
? 安全性高：SDK層適配公司軟、硬key授權(quán)，對(duì)識(shí)別模型加密，保證產(chǎn)品不被復(fù)制；
? 強(qiáng)適應(yīng)：具有很高的應(yīng)用價(jià)值，應(yīng)用于工業(yè)生產(chǎn)、電力作業(yè)、工地施工等場(chǎng)景，高效實(shí)現(xiàn)缺陷檢測(cè)、安全帽檢測(cè)等功能。
-
云從科技推出Pyramidal-FSMN語(yǔ)音識(shí)別模型，在全球最大的開(kāi)源語(yǔ)音識(shí)別數(shù)據(jù)集Librispeech上刷新了世界紀(jì)錄，準(zhǔn)確率提升到97.03%，將Librispeech的錯(cuò)詞率（Worderrorrate，WER）降低至2.97%，比原指標(biāo)提升了25%，大幅刷新原先紀(jì)錄，水平超過(guò)受過(guò)嚴(yán)格訓(xùn)練的專業(yè)人類速記員。
-
云從科技Pixer-Anchor文本檢測(cè)算法，能夠在多版式、且具有復(fù)雜背景、陰影、折痕、印章、水印、串行、錯(cuò)位等干擾的測(cè)試集上進(jìn)行識(shí)別并結(jié)構(gòu)化輸出文本信息，在ICDAR2015和2017 MLT中，分別在檢測(cè)準(zhǔn)確率和檢測(cè)效率兩個(gè)維度上刷新世界紀(jì)錄，在多次銀行POC中取得第一名。
云從科技OCR自動(dòng)訓(xùn)練平臺(tái)，包括自動(dòng)識(shí)別訓(xùn)練算法、自動(dòng)適配及重構(gòu)算法、自動(dòng)標(biāo)注及校正算法、文本檢測(cè)及版式分析算法，語(yǔ)義理解及自動(dòng)集成等技術(shù)，對(duì)圖片可以進(jìn)行自動(dòng)標(biāo)注及自動(dòng)訓(xùn)練，在基本無(wú)數(shù)據(jù)的情況下可以生產(chǎn)出可用于真實(shí)環(huán)境下的文本識(shí)別模型，可以實(shí)現(xiàn)“邊訓(xùn)練邊標(biāo)注”。
-
云從科技在自然語(yǔ)言處理領(lǐng)域已取得多項(xiàng)世界級(jí)成果：
語(yǔ)義感知：
云從科技與上海交通大學(xué)聯(lián)合推出的語(yǔ)義感知SemBERT多任務(wù)預(yù)訓(xùn)練語(yǔ)言模型，通過(guò)預(yù)訓(xùn)練的語(yǔ)義角色標(biāo)注模型引入顯式的上下文語(yǔ)義標(biāo)簽信息，改善深度語(yǔ)言模型的建模性能，在10項(xiàng)自然語(yǔ)言理解任務(wù)上顯著地提升了基準(zhǔn)模型，甚至達(dá)到了世界領(lǐng)先水平。
機(jī)器閱讀理解：
云從科技與上海交通大學(xué)聯(lián)合創(chuàng)新推出的閱讀信息匹配機(jī)制——DCMN模型，曾在卡內(nèi)基-梅隆大學(xué)發(fā)起的大型深層閱讀理解任務(wù)數(shù)據(jù)集RACE數(shù)據(jù)集上登頂?shù)谝弧CMN模型使機(jī)器的正確率達(dá)到72.1%，較之前最好結(jié)果（67.9%）提高了4.2個(gè)百分點(diǎn)，并在高中測(cè)試題部分超越人類69.4%的成績(jī)。
其后云從科技與上海交通大學(xué)在DCMN基礎(chǔ)上推出增強(qiáng)模型DCMN+，針對(duì)多項(xiàng)選擇型機(jī)器閱讀理解的雙向匹配策略，以大規(guī)模預(yù)訓(xùn)練模型BERT等作為前端編碼器，在多個(gè)多項(xiàng)選擇型機(jī)器閱讀理解任務(wù)（卡耐基梅隆大學(xué)的RACE等）上取得了先進(jìn)的水平。
-
云從科技擁有一整套完整知識(shí)圖譜產(chǎn)品，涵蓋知識(shí)建模、知識(shí)抽取、知識(shí)存儲(chǔ)、知識(shí)計(jì)算、知識(shí)推理、知識(shí)應(yīng)用等各階段，具有理念先進(jìn)、容量大、性能高、功能豐富、交互便捷、部署方便等多項(xiàng)優(yōu)勢(shì)。
以大數(shù)據(jù)平臺(tái)為基礎(chǔ)、以圖計(jì)算為核心，幫助各領(lǐng)域企業(yè)用戶構(gòu)建完善的知識(shí)中臺(tái)，實(shí)現(xiàn)全方位的知識(shí)輔助，提升客戶的智能化運(yùn)營(yíng)、管理水平。
-
云從科技在該領(lǐng)域的技術(shù)已實(shí)現(xiàn)多項(xiàng)重要功能突破：
可以實(shí)現(xiàn)特征的自動(dòng)搜索和挖掘，人工僅需配置搜索策略，模型即可自動(dòng)進(jìn)行特征加工和篩選，找到有效的特征組合；
使用自動(dòng)特征工程挖掘特征組合并對(duì)特征進(jìn)行分箱，無(wú)需手工進(jìn)行特征選擇和分箱調(diào)整。用戶只需手工定義模型參數(shù)的搜索范圍，算法即可自動(dòng)搜索出該情況下最優(yōu)的模型參數(shù)，實(shí)現(xiàn)自動(dòng)調(diào)參；
使用決策樹(shù)進(jìn)行特征提取，具有較強(qiáng)的非線性特征擬合能力，在多個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)表明，模型效果與 LGB、XGB 等基于決策樹(shù)算法的模型效果相當(dāng)；
可以輸出每個(gè)特征及特征組合對(duì)應(yīng)的風(fēng)險(xiǎn)值，可通過(guò)決策引擎進(jìn)行部署。
-
基于云從科技在AI工程學(xué)領(lǐng)域的先發(fā)優(yōu)勢(shì)，自動(dòng)特征生成引擎通過(guò)對(duì)數(shù)據(jù)Meta信息的簡(jiǎn)單配置，其聚合統(tǒng)計(jì)，自動(dòng)生成預(yù)測(cè)主體的候選特征。能夠基于算法工程師在多種場(chǎng)景下建模所總結(jié)的實(shí)際特征生成經(jīng)驗(yàn)；只需要簡(jiǎn)單配置表格型時(shí)序日志數(shù)據(jù)的Meta信息，就能完全自動(dòng)地獲取一組高水平的基線特征。
-
機(jī)器學(xué)習(xí)訓(xùn)練引擎
云從科技自研的面向算法工程師的模型訓(xùn)練平臺(tái)，輸入訓(xùn)練數(shù)據(jù)集，通過(guò)調(diào)整模型參數(shù)、標(biāo)簽特征等內(nèi)容即可完成模型訓(xùn)練，并將模型發(fā)布至推理平臺(tái)。機(jī)器學(xué)習(xí)算法覆蓋有監(jiān)督、半監(jiān)督、無(wú)監(jiān)督三類算法，用以解決分類（可通過(guò)有監(jiān)督、半監(jiān)督算法）、回歸（有監(jiān)督算法）、分類（無(wú)監(jiān)督算法）四類問(wèn)題?？蛻艨赏ㄟ^(guò)上傳配置文件和算法的輸入輸出代碼，在訓(xùn)練平臺(tái)完成客戶自研算法的訓(xùn)練。
-
依托云從在AI工程學(xué)領(lǐng)域的持續(xù)積淀，將訓(xùn)練平臺(tái)中生產(chǎn)的模型進(jìn)行部署，向下游平臺(tái)/引擎（如決策引擎、外部調(diào)度系統(tǒng)等）提供模型在線推理服務(wù)。
云從科技機(jī)器學(xué)習(xí)推理引擎具有多重優(yōu)勢(shì)：基于分布式的模型部署架構(gòu)；支持主流推理框架；支持第三方工具、模型快速集成。
人機(jī)交互
人機(jī)融合
人機(jī)共創(chuàng)
