致泛结构化知识抽取平台，是视觉信息的知识获取及应用专家，通过计算机辅助人工完成文本和图像的信息识别、提取、分析和利用。OCR人工智能应用的无代码研发平台，基于大数据和先进的深度学习技术，结合模板匹配、术语库约束、二次精准校验和知识图谱约束，提供垂直领域内高精度的文本检测和识别服务，并输出结构化知识。图像分析人工智能应用的无代码研发平台，通过图像分类、图像分割、目标识别等方法，识别并提取图像元素信息并输出结构化知识，便于二次数据价值挖掘。

致泛平台的优势体现在通过模板与结构化输出可配置，规则与知识库可配置，训练参数与模型可配置，提高平台在垂直领域的OCR准确率，实现基于规则与知识库的OCR识别结果的风险提示，同时，深度学习模型与知识库不断迭代，不断根据应用场景优化与提升准确率。

OCR人工智能应用的无代码研发平台提供模板自动构建功能和自动规则库适配，降低人工成本，同时提升构建模板效率。人工构建模板时，自动补充并维护K库，维持版本的持续迭代升级。系统支持结构化输样式出可配置。系统预设结构化输出的默认样式，用户可自定义输出格式和内容，OCR识别之后，根据自定义格式进行结构化输出。规则与知识库校验模块的目的是充分利用先验知识，对OCR检测与识别结果进行二次校验，以提升OCR识别结果的准确率。系统已内置预设术语库和常规规则库（以医学-保险领域为例，已内置药品知识19万余条、医用材料知识21.5万条、中药知识34.6万条、医学术语27万余条以及诊疗库、医保库等业务术语库），并允许用户自定义术语库，自定义规则库。对于OCR识别结果，致泛平台有独有的纠错提示，提示高风险识别项及其候选项，以及归档知识库入库。同时支持用户对OCR识别和校验之后的结果进行人工确认，并记录人工修改行为，记录基于统计的错误库，为后续模型不断迭代升级服务提供依据。

图像分析人工智能应用的无代码研发平台，通过高效便捷的工作流程，实现图像识别与分析工作的质量控制、流程管理、数据管理。根据业务需求，系统以项目和多层级文件夹的形式对不同类型图像进行分组管理以完成日常图像识别与分析工作。同时提供功能全面的图像标注工具，利用超分辨率技术提升图像清晰度，并支持对标注数据进行管理、编辑，实现数据的多次利用。系统已内置基本的图像分类、图像分割、目标识别三大网络模型，利用图像及标注数据进行深度学习训练以获得最优模型。同时，训练状态可视化让训练过程更易跟踪监测。基于大数据和深度学习算法，通过图像分类、图像分割和目标检测，能准确识别图像中的目标和位置，并对识别结果做可视化量化分析。致泛AI图像可广泛应用于通用物体和场景识别、医学图像分析、图像分类和检索、图像审核与安全监管等多种领域。