网络爬取的事故车，泡水车等车辆铭牌信息数据量大，人工核验效率低，且接口调用成本高，准确率无法达到预期；因场景范围小，市场没有成熟的产品，私有化部署成本高；二手车交易平台及4S店铺提供的数据准确率问题大，投诉率高。

自动识别各类汽车铭盘涵盖了行驶证、前挡风玻璃、汽车出厂牌、购车发票等图片上的VIN信息提取。提供了前端人工核验界面，针对系统未通过的信息进行核对，同时准备BADCASE增量训练能力，准确率持续提升。

基于⾃研的OCR深度学习框架，通过针对图片分类、文字定位，文字识别针对各类图片进行自动分类识别；搭建人工审核校对系统，针对算法识别系统未通过校验的，人工校验修改；系统自动记录修改数据，未通过数据，数据价值在利用。

出国留学生翻译公司需要翻译海量证件照，数据量大，种类多；传统方式一直都是人工翻译，全职人员成本较高，交付周期长，易出错，交付时间无法保证；行业没有专用的证照翻译软件，专业翻译人员招募难，维护难。

证照自动识别，通过预训练模型完成文字结构化原版式输出；无需人工制作模版，效率高；自动对接翻译引擎，人工核对信息，保存提交自动导出word；支持160种常用的证件照；具备增量训练能力，可以自己添加新的证照类型。

采用AI视觉算法+智能翻译接口，包含证件照信息拍照提取，到OCR文字识别，将需要识别的文字字段提取出来；通过翻译引擎接口把源语言转换成目标语言，将证件照的⽂字和格式记录，并且可以写⼊到word⽂档⾥，进⾏可编辑。

港口安全目前完全依靠人工巡检方式进行保证，人工成本高，巡查点位无法覆盖，为了提升港口智慧化建设，保障工作人员生产安全，各类船只船员生命安全，避免造成重大伤亡事故，继续建设一套智慧化AI视觉安全行为预警系统，保证不间断监管，减少人工成本，提升安全覆盖范围。

异常情况检测自动报警，定位问题区域，实时反馈，最大限度降低因为人员不安全行为造成的不良影响，最快速度发现问题解决问题。

通过深度学习视觉检测算法，建立烟火识别，吸烟识别，安全帽识别，安全马甲识别模型，行为监测模型，每个检测点架设摄像头进行照片采集，实时进行系统自检测，达到实时预警。

对北京市轨道交通路网网络化运营管理提出了更高的要求。公司既有的客流分析系统缺少全路网OD客流数据，对路网客流来源和去向、重点跨线客流需求等OD客流精细化分析不足，直接影响网络化列车运行图的编制质量和执行效果。

识别算法摄像头利旧，无需更换站台内摄像头，成本低。算法支持边缘盒子部署，响应相关部门计数创新，降低站台内带宽压力；超大训练集数据沉淀，准确率高，可支撑大流量人体检测。

通过人体检测算法结合人体追踪算法，通过划定指定区域的范围，针对进出区域的行人进行追踪，静态及动态计数，保证数据可追溯、可验证、可追溯。