online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 玉山銀行一年千萬張支票,靠票據影像辨識自動化降低人工作業時間

 


images/123800.png

▲圖片標題(來源:玉山銀行)

玉山銀行將AI服務落地到銀行內部作業流程。李翼指出,玉山銀行每年發出的支票超過1千萬張,以往,當民眾要將支票兌現時,是由人工作業將支票的資訊鍵入到系統,再進行後續的交易,痛點是耗費人力與工時。

他表示,玉山銀行要利用票據影像辨識自動化,來輔助人員登打,減少人工作業時間;目標是用機器學習辨識支票上手寫的中文大寫金額,以及支票右上的日期。玉山銀行是用深度學習的方法解決影像辨識的問題,談到辨識上碰到的困難,李翼提到,除了要精準辨識中文大寫金額,另外,是支票右上方的日期,有些是印刷體、有的是手寫或是機器打印等,加深了辨識的難度。所以,玉山團隊在蒐集訓練資料,以及建模時都要將這些資料跑進去。

玉山的模型皆部署在MLaaS上,票據影像辨識ML模型也是其中一個,透過API接口,串接到玉山既有的票據作業系統。作法上,在前端票據作業系統,票據會經過影像掃描,掃描後會將影像送到MLaaS系統上,根據票據影像辨識模型,會吐一個預測,表示系統可以正確辨識支票上的金額與日期,此時就能直接進入自動化流程;若無法辨識,票據作業系統就會觸發人工處理。

李翼強調,模型必須要重新訓練,反饋迴路(Feedback Loop)是提升ML模型效能的關鍵。流程上,當系統無法辨識票據時,系統會先回傳訊息給前端系統,這時就轉為人工辨識支票日期與金額;為了將人工辨識的結果回饋到MLaaS平臺中的模型,玉山團隊還多設計了一支Feedback API,從前端票據作業系統傳遞Transaction ID與Ground Truth數值,來觸發後端系統上自動重新訓練的機制。他認為,合理的人機協作設計是AI應用落地的關鍵。

李翼透露,該專案的目標並非要百分之百辨識所有支票上的金額與日期,對於玉山來說,假設每人每天要辨識100張支票,若其中有30張經過ML模型,且系統能確保辨識完全正確,銀行的人力就只要處理剩下7成的支票,另外3成就是由系統自動化進行,相對來說,在這業務上就能減少3成的人力作業。

轉貼自: ithome.com

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page:    Big Data In Finance

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED