阿里妹導讀：單證是國際貿易中非常重要的一環，由於單證數量多、格式複雜、大量以圖像形式存在等問題，給工作效率和風險控制帶來極大的影響。在這種情況下，如何利用技術提高處理效能、防控風險就顯得迫在眉睫。接下來，我們一起看看阿里工程師是如何解決這一問題。
業務背景
國際貿易的流程非常複雜，特別是B類貿易。為了防控各種風險，每個環節都有很多單證的交叉驗證，以及基於單證構建的風控策略。比如：企業信息、銀行卡等的交叉驗證；信用證、提單、保單、箱單、發票、報關單等的風險審核。這些單證多而複雜，比如信用證業務，需要審核各種條款，並且做到單證一致、單單一致，往往需要非常專業的領域人員負責。整個審核週期耗時長，而且存在各種操作風險。因此，智能單證應運而生，通過使用機器學習和人工智能等技術，提高處理效率，降低成本和風險，開闢國際貿易的新模式。智能單證的價值在於：
- 提供訂單決策報告，條款、信用和貿易風險報告，制單審單解決方案，服務更多國際貿易的中小企業。
- 利用人工智能技術，降低成本和風險，提高效率，提升客戶體驗，助力電商相關核心業務的優化升級。
技術方案
直接面臨的是三個問題：
- 處理對象：大量格式複雜的單證，其中五成以上是掃描或者拍照的圖片，質量層次不齊。
- 知識沉澱：各種術語、規則、名單、策略都是線下或者人工經驗，沒有沉澱，不成體系。
- 借力創新：項目時間緊，業務線多，需要平衡時間和擴展性，通過借力和創新落地產品。
因此，整體技術方案主要抽象成四大部分：圖像處理服務、自然語言處理、領域知識圖譜、統一技術架構。
圖像處理服務
圖像質量比較好時，集團內已有的圖像、人臉等識別技術可以達到高的Accuracy。但是，實際業務中的圖像往往要複雜很多，直接調用已有的技術，整體Recall差不多隻有五成不到。而且，通常的識別技術沒有理解能力，比如：對於形變的圖像，即使OCR識別出了字符，也無法正確恢復語義；圖像的哪部分是實際需要的，也無法分析和判斷。因此，圖像處理服務，除了借力集團內的識別技術，更大的挑戰是結合實際業務，落地好預處理（模糊檢測、形變復原等）以及後處理（版面分析等）工作。
自然語言處理
由於單證的類型很多，並且五成以上都是圖像，集團內外最好的OCR產品，都存在至少一成的詞識別錯誤，因此，需要抗噪能力強的文本分類模型，先將單證進行自動分揀歸類。另外，即使字符的識別錯誤較少，由於沒有針對領域進行優化和分詞，無法直接閱讀和無人化使用。因此，將識別結果進行領域相關的糾錯分詞，也是勢在必行。然後，通過解析引擎進行內容解析和Key-Value關係重建，結合基於文本構建的領域知識圖譜和風控策略，完成語義理解和智能審核。
領域知識圖譜
本文構建的知識圖譜主要沉澱三部分內容：領域知識，包括國際貿易中的術語、縮寫、港口信息等；專家策略，包括條款策略、衝突策略、融資策略、審核意見等；風險地圖，包括風險國家、銀行、地區、企業等。領域知識圖譜是智能單證的根基所在，所有的前序處理都是為了與其結合，真正落地實現智能審核和風險防控。
統一技術架構
技術架構上肯定不能重複造輪子，而且必須考慮項目時間，以及業務和技術的可擴展性。因此，根據團隊已有的沉澱，抽象出統一的技術架構。首先，所有的服務接口收攏到統一的任務引擎。然後，充分借力集團已有的成熟技術和平臺，比如：雷音（OCR技術），阿里雲（證件、人臉識別技術），MTEE（實時決策引擎），PAI（模型訓練、部署平臺）等等。最後，針對實際業務中面臨的問題，在算法和模型上深耕並且落地創新。
算法創新
本節闡述落地和創新的一些算法及模型，主要集中在圖像處理和自然語言處理方面，包括模糊檢測、形變復原以及糾錯分詞。
模糊檢測
模糊檢測，或者稱為圖像質量評估（Image Quality Assessment），需要輕量、快速地達到目標：智能處理 if 圖像質量好 else 提示重傳/人工處理。很多傳統方法可以實現特定模糊類型的檢測，比如Laplacian算子法，通過計算二階微分，然後求方差，根據閾值可以確定圖像是否模糊。
傳統方法在特徵提取及特徵表現上存在侷限性。本文改進MobileNetV2的網絡結構，實現一種新的模糊檢測算法。模糊檢測需要特別關注圖像細節的差異，因此，先通過隨機切片及HSV顏色空間篩選的方法生成樣本集合，然後基於OCR識別率指標劃分正負樣本。
原始MobileNetV2網絡包含十七層Bottleneck，模型層數較深，並且每層還進行擴展，在實際訓練中，不易收斂且模型較大。因此，通過對原始網絡進行裁剪和改進，新的結構僅包含兩層卷積、兩層池化、兩層Bottleneck以及一層全連接，網絡更淺更窄，模型參數更少。目前，該模糊檢測算法的準確率約93.4%，模型原始大小約2M，而使用原始MobileNetV2訓練的模型大小約26M。
形變復原
圖像形變的類型有很多，比如旋轉，摺痕，捲曲等。這些問題除了直接影響OCR的識別效果，更嚴重的是影響語義重建。要做到實用的無人化審核，圖像的形變復原工作至關重要。很多傳統方法可以解決特定的簡單的形變問題，比如對於簡單的旋轉形變，可以通過Hough Transform先檢測直線，然後通過旋轉角度進行復原。
近年來，基於深度學習的方法，比如FCN，STN，Unet等，也被嘗試用來處理形變問題。本文結合深度學習語義分割領域的相關知識，針對已有方法的不足設計優化方案，提出一種新的形變復原算法。
首先，利用數據合成的方法構造樣本。通過
的不同形式模擬多種形變類型，比如摺痕、捲曲等；通過
的大小變化模擬不同的形變程度。然後，通過插值和圖像修復的方法，解決模擬圖像的缺失像素問題。
已有的基於Stacked Unet的前沿方法，容易出現裂痕、文本行扭曲、字符形變嚴重等問題。本文基於Dilated Convolution優化網絡結構，並且通過調整損失函數、平滑預測值等方法，提出一種新的形變復原算法，提升模型的效果。
本文采用MS-SSIM作為算法復原效果的評價指標，其全稱為Multi-Scale Structural Similarity，指的是多尺度下的結構相似性的綜合評估。新算法的MS-SSIM達到0.693，而基於前沿論文的MS-SSIM為0.490，提升效果很明顯。更詳細的介紹見：
OCR如何讀取皺巴巴的文件？深度學習在文檔圖像形變矯正的應用詳解。
糾錯分詞
前文提到，集團內外最好的OCR產品，都存在至少一成的詞識別錯誤。另外，即使字符的識別錯誤較少，由於沒有針對領域進行優化和分詞，無法直接閱讀和無人化使用。因此，將識別結果進行領域相關的糾錯分詞，也是勢在必行。
通常傳統的實現方案中，糾錯是基於分好的詞級別進行的，而分詞是基於沒錯的文本進行的。直接將糾錯和分詞結合的HMM模型，由於文本比較長，預測階段的搜索空間很大，很耗時。因此，本文從新的視角看這個問題：將分詞看成是糾錯的一個特例，空格也作為有效字符，缺了空格也是一種錯誤；將糾錯看成是一個翻譯問題，是將一個錯誤的字符序列，翻譯成一個正確的字符序列。這樣，將糾錯分詞抽象成Sequence to Sequence的問題。
通過數據合成（根據概率轉移矩陣，對字符進行增、刪、改等編輯操作），以及遷移優化，訓練得到滿足目標要求的模型。目前，圖片質量較好時，OCR識別結果與Ground Truth的差錯率（編輯距離）為15.91%（若忽略空格：2.91%）；經過本文的糾錯分詞模型，差錯率降到2.24%，詞準確率提升到93.56%。
應用實例
智能單證切入的業務環節，新模式的提效至少都在50%以上，成本和風險都大大降低，部分環節實現零風險和無人化。本節介紹智能單證在兩個實際業務環節的應用。
信用證審核
客戶拍照或者掃描上傳信用證，經過一系列的圖像處理和自然語言處理，智能審核每條條款，標記風險信息，返回審核和決策報告。
單證核對
客戶拍照或者掃描上傳單證（比如：保單、提單、報關單等），智能解析和核對每條欄位，標記信息（一致：紫色；可疑：黃色；缺失：紅色），返回核對和建議報告。
總結展望
本文總結智能單證的業務背景及技術方案，闡述落地和創新的一些算法及模型，介紹實際業務中的一些應用。智能單證，作為一種國際貿易的新模式，除了使用機器學習和人工智能技術，提供風險和決策報告，以及整體的解決方案；同時也在推進其他前沿技術（比如：區塊鏈技術）的落地，更好地服務更多國際貿易的中小企業。
關於我們
我們是新零售增值業務技術團隊，旨在用科技的力量，為中小微貿企業提供在貿易和供應鏈場景下的金融，風控，信用，保險等增值服務。通過鏈接中小企業和金融機構，運用新技術、大數據和平臺優勢，讓無數中小微企業能夠從銀行獲取到只有大型企業才能得到的服務，為無數中小企業提供高效，安全，低成本的金融服務，讓企業的信用轉化為財富。
歡迎加入增值業務技術團隊！團隊業務處於高速增長期，長期招聘算法模型和JAVA開發同學，有意向歡迎郵件至
[email protected]參考文獻
[1] L. Kang, P. Ye, Y. Li, D. Doermann. ADeep Learning Approach to Document Image Quality Assessment[C]// IEEEInternational Conference on Image Processing, 2014:2570-2574.
[2] P. Ye, D. Doermann. Document ImageQuality Assessment: A Brief Survey[C]// International Conference on Document Analysisand Recognition. IEEE Computer Society, 2013:723-727.
[3] Howard A G, Zhu M, Chen B, et al. MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications[J]. arXivpreprint arXiv:1704.04861, 2017.
[4] Sandler M, Howard A, Zhu M, et al.Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification,Detection and Segmentation[J]. arXiv preprint arXiv:1801.04381, 2018.
[5] N. Nayef, M. Muzzamil Luqman, S. Prum, etal. SmartDoc-QA: A Dataset for Quality Assessment of Smartphone CapturedDocument Images - Single and Multiple Distortions[C]// International Workshopon Camera-Based Document Analysis and Recognition, 2015:1231-1235.
[6] Ma K, Shu Z, Bai X, et al. DocUNet:Document Image Unwarping via A Stacked U-Net[C]// Proceedings of the IEEEConference on Computer Vision and Pattern Recognition, 2018:4700-4709.
[7] Ronneberger O, Fischer P, Brox T. U-net:Convolutional Networks for Biomedical Image Segmentation[C]// InternationalConference on Medical Image Computing and Computer Assisted Intervention, 2015:234-241.
[8] Yu F, Koltun V. Multi-Scale ContextAggregation by Dilated Convolutions[J]. arXiv preprint arXiv:1511.07122, 2015.
[9] Wang Z, Simoncelli E, Bovik A. Multi-ScaleStructural Similarity for Image Quality Assessment[C]// Asilomar Conference on SignalsSystems and Computers, 2003:1398-1402.
[10]Ilya Sutskever, Oriol Vinyals, and Quoc V. Le. Sequence to Sequence Learningwith Neural Networks[J]. arXiv preprint arXiv:1409.3215, 2014.
[11]https://stackoverflow.com/questions/4709725/explain-hough-transformation
閱讀更多 阿里技術 的文章
