文档分析与识别(简称文档识别)技术将各种非结构化文档数据(图像、联机笔迹)转化为结构化数据,便于计算机处理和理解,应用场景十分广阔。20世纪60年代以来,文档识别方法研究与应用受到广泛关注并取得巨大进展。得益于深度学习技术的发...文档分析与识别(简称文档识别)技术将各种非结构化文档数据(图像、联机笔迹)转化为结构化数据,便于计算机处理和理解,应用场景十分广阔。20世纪60年代以来,文档识别方法研究与应用受到广泛关注并取得巨大进展。得益于深度学习技术的发展和应用,文档识别的性能快速提升,相关技术在文档数字化、票据处理、笔迹录入、智能交通、文档检索与信息抽取等领域得到广泛应用。首先介绍文档识别的背景和技术范畴,回顾该领域发展历史,然后重点对深度学习方法兴起以来的研究进行综述,分析当前技术存在的不足,并建议未来值得重视的研究方向。研究现状综述部分,按文档分析与识别的几个主要技术环节(文档图像预处理、版面分析、场景文本检测、文本识别、结构化符号和图形识别、文档检索与信息抽取)分别进行介绍,简述传统方法研究的代表性工作,重点介绍深度学习方法研究的新进展。总体上,当前研究对象向深度、广度扩展,处理方法全面转向深度神经网络模型和深度学习方法,识别性能大幅提升且应用场景不断扩展。在现状分析基础上,指出当前技术在识别精度和可靠性、可解释性、学习能力和自适应性等方面还有明显不足。最后从提升性能、应用扩展、提升学习能力几个角度提出一些研究方向。从提升性能角度,研究问题包括文本识别可靠性、可解释性、全要素识别、长尾问题、多语言、复杂版面分割与理解、变形文档分析与识别等。应用扩展包括新应用(如机器人流程自动化(robotic process automation,RPA)、文字信息抄录、考古)和新技术问题(语义信息抽取、跨模态融合、面向应用的推理决策等)两方面。从提升学习能力角度,相关问题包括小样本学习、迁移学习、多任务学习、领域自适应、结构化预测、弱监督学习、自监督学习、开放�展开更多
针对智能时代战争复杂系统所面临的不确定性(uncertainty)、多样性(diversity)和复杂性(complexity),提出一种基于PREA&OODA的边缘指挥控制(command and control,C2)模式架构,架构的核心组成部分是“中心平行C2”和“边缘自主C2”....针对智能时代战争复杂系统所面临的不确定性(uncertainty)、多样性(diversity)和复杂性(complexity),提出一种基于PREA&OODA的边缘指挥控制(command and control,C2)模式架构,架构的核心组成部分是“中心平行C2”和“边缘自主C2”.中心“中心平行C2”连接现实指挥中心和边缘作战体系,C2过程以PREA环主导;“边缘自主C2”对组织边缘作战单元处理突发应急事件或任务,其载体为边缘作战单元,C2活动过程在PREA和OODA之间切换.设计了基于PREA&OODA的边缘C2模式架构,包括现实C2中心的集中C2、云端中心平行C2和边缘自主C2,模式架构支持边缘作战单元行动执行与C2两种角色的转换和共存,能够维持全局体系运行的连续性和稳定性,增强其适应性.这一模式框架可指导“多域战”、“决策中心战”和“马赛克战”等新作战概念的实施,尤其是在关键要素——C2上,为新一代指挥信息系统的构架设计融入人工智能技术,接入无人作战单元、自主或半自主系统,提供理论和方法指导.展开更多
文摘文档分析与识别(简称文档识别)技术将各种非结构化文档数据(图像、联机笔迹)转化为结构化数据,便于计算机处理和理解,应用场景十分广阔。20世纪60年代以来,文档识别方法研究与应用受到广泛关注并取得巨大进展。得益于深度学习技术的发展和应用,文档识别的性能快速提升,相关技术在文档数字化、票据处理、笔迹录入、智能交通、文档检索与信息抽取等领域得到广泛应用。首先介绍文档识别的背景和技术范畴,回顾该领域发展历史,然后重点对深度学习方法兴起以来的研究进行综述,分析当前技术存在的不足,并建议未来值得重视的研究方向。研究现状综述部分,按文档分析与识别的几个主要技术环节(文档图像预处理、版面分析、场景文本检测、文本识别、结构化符号和图形识别、文档检索与信息抽取)分别进行介绍,简述传统方法研究的代表性工作,重点介绍深度学习方法研究的新进展。总体上,当前研究对象向深度、广度扩展,处理方法全面转向深度神经网络模型和深度学习方法,识别性能大幅提升且应用场景不断扩展。在现状分析基础上,指出当前技术在识别精度和可靠性、可解释性、学习能力和自适应性等方面还有明显不足。最后从提升性能、应用扩展、提升学习能力几个角度提出一些研究方向。从提升性能角度,研究问题包括文本识别可靠性、可解释性、全要素识别、长尾问题、多语言、复杂版面分割与理解、变形文档分析与识别等。应用扩展包括新应用(如机器人流程自动化(robotic process automation,RPA)、文字信息抄录、考古)和新技术问题(语义信息抽取、跨模态融合、面向应用的推理决策等)两方面。从提升学习能力角度,相关问题包括小样本学习、迁移学习、多任务学习、领域自适应、结构化预测、弱监督学习、自监督学习、开放�
文摘针对智能时代战争复杂系统所面临的不确定性(uncertainty)、多样性(diversity)和复杂性(complexity),提出一种基于PREA&OODA的边缘指挥控制(command and control,C2)模式架构,架构的核心组成部分是“中心平行C2”和“边缘自主C2”.中心“中心平行C2”连接现实指挥中心和边缘作战体系,C2过程以PREA环主导;“边缘自主C2”对组织边缘作战单元处理突发应急事件或任务,其载体为边缘作战单元,C2活动过程在PREA和OODA之间切换.设计了基于PREA&OODA的边缘C2模式架构,包括现实C2中心的集中C2、云端中心平行C2和边缘自主C2,模式架构支持边缘作战单元行动执行与C2两种角色的转换和共存,能够维持全局体系运行的连续性和稳定性,增强其适应性.这一模式框架可指导“多域战”、“决策中心战”和“马赛克战”等新作战概念的实施,尤其是在关键要素——C2上,为新一代指挥信息系统的构架设计融入人工智能技术,接入无人作战单元、自主或半自主系统,提供理论和方法指导.
