gydtep

第一级，功能嵌入：通过iframe等实现成本最低的手段，将平台的某个功能模块嵌入到自己的系统当中。
第二级，API调用：直接调用平台提供的成熟API，比如调用sf证、驾驶证之类的OCR识别的API。

gydtep

第三级，数据训练：平台的模型符合需求，但需要提供自己的训练数据或者字典数据等，来解决具体场景需求。
第四级，模型定制：平台的现场模型不太符合要求，所以要对算法参数进行配置，然后训练出符合自己需求的新模型。

gydtep

第五级，算法开发：最高级的情况，就是业务方懂算法、要开发新算法。平台则提供“算法开发、数据管理、模型训练、模型测试和发布”等一系列深层次的能力，来提升算法研发的效率。

gydtep

上述“五级火箭”，由浅入深地满足了不同类型用户，以及同一个用户不同阶段的需求。

记得多年前，我参加了一个管理方面的高级培训班。培训有好几天，内容很多，不过几乎所有的培训内容我都忘记了——除了一位老师无意中介绍的一个“万能四步法”。

gydtep

谈完“需求/用户分层、五级火箭”了，那是否就是对用户需求360度、无死角地满足了呢？

答案是否定的，因为我们还没有做到“无我境界” 。

所谓“无我”的境界，就是满足用户需求的时候，不能只考虑“我是谁、我有什么”，而要忘掉自己，去看用户需要什么，什么东西对用户最有用。

gydtep

于是，我们就在思考，不管多么高深的算法、多么智能的平台，我们生产的仍然是文案。而文案这个岗位，随着广告行业的发展已经存在了数百年，那么，一定有成熟的方法论和模式。

gydtep

主要是考虑到牌匾的文本信息比较丰富，因此将视觉信息与文本信息进行融合。针对视觉信息特征的提取，我们进一步设计了全局特征分支与局部特征分支，并分别进行了优化。整体技术框架如下图所示：

gydtep

如文字信息，文字字体、板式，牌匾纹理等，因此我们的模型对于外观相似的不同牌匾具有更好的区分能力，如图(a)和图(d)效果对比。此外，由于不同视角牌匾存在遮挡、拍摄时的光照强度不同以及不同相机色彩差异大等因素

gydtep

部分牌匾只利用视觉特征检索非常困难。因此，我们通过辅助特征分支加入了OCR信息，进一步增强了特征的鲁棒性，使得牌匾检索可以综合考虑牌匾的视觉信息和牌匾中的文本信息进行检索，如图(b)和图(e)效果对比。

gydtep

我想只有这样我们对这些不明觉厉的东东才能有更加深刻的理解。我尽量结合一些实例来进行说明，方便大家的理解。