美团应用计算机视觉：敏感图识别与图像处理

"美团的技术经理沈文竹探讨了计算机视觉算法在O2O(Online To Offline)服务中的应用，特别是在美团的业务中。" 在O2O领域，计算机视觉技术发挥着至关重要的作用，尤其是在处理海量的图片数据时。美团作为一家提供多元化服务的公司，每天都会生成和处理大量的图片，包括用户生成内容(UGC)、商家信息、配送小票等。这些图片的数据量达到亿级别，对有效的图片管理和分析提出了高要求。 首先，敏感图识别是计算机视觉技术的一个关键应用场景。美团需要识别出包含敏感信息的图片，如水印logo、敏感文字、明星面孔以及涉黄内容，以便进行适当的过滤和管理。例如，对于2%的水印logo类、29%的敏感文字类、29%的明星脸类以及40%的涉黄类图片，都需要进行精确的识别和处理。这涉及到多尺度滑动窗扫描、关键词整词匹配和分类器过滤等技术。 其次，图片分类是另一个重要任务，尤其在销售上单环节。通过技术如GoogLeNet这样的深度学习模型，可以对图片进行POI（Point of Interest）分类，帮助系统理解图片内容，从而优化商品展示、上单流程和排序策略。此外，针对不同的分类需求，如银行卡识别、人脸识别等，可能需要使用到传统的模型或深度学习模型，例如HOG+SVM的人脸检测方法。 图像质量排序则确保用户在浏览图片时获得最佳体验。通过对图片质量的评估，可以优先展示高质量的图片，提升用户体验。这通常涉及到图像的色彩、清晰度、构图等多个方面的评估指标。 配送小票的识别是计算机视觉在美团业务中的另一个应用，主要用于订单确认和结算过程。通过识别小票上的文字，可以自动化处理订单信息，提高效率。 最后，计算机视觉技术还在不断扩展到新的领域，比如场景无关图识别，可能用于识别和处理不相关或者不符合规则的图片；银行卡识别则涉及OCR技术，用于自动读取银行卡号；而人脸识别技术则应用于支付和验证环节，提高了服务的安全性和便捷性。 总结来说，计算机视觉算法在美团的O2O业务中扮演着核心角色，从图像过滤、分类到识别，都在不断提升服务质量和用户体验，同时也为企业运营提供了强大的数据支持和决策依据。随着技术的不断发展，计算机视觉在美团的更多业务场景中将发挥更大的价值。