项目分为图像分类模块，OCR模块，NER命名实体识别模块。首先上传图片，分类出存在关键信息的图片，再经过OCR进行图片中字符提取，然后使用命名实体识别技术，对关键信息进行提取，可以实现图像的关键信息提取。负责分类模块和NER模型的模型开发，训练、部署等任务。最终系统整体准确度90%+，减少了约30%人工，同时简化了业务流程

实现了一个基于零售场景的密集型商品检测模型。通过使用目标检测技术，对药店货架上的本品、竞品进行识别，获得各种类产品的名称、规格、比例等数据，辅助外勤部门同事，进行商品铺货、推广等操作，提高其工作效率。负责现有相关算法的调研，不同算法的优缺点总结，独立完成项目所需算法的设计、调优，负责开发环境的维护，保障开发的正常运行。

通过使用目标检测技术，对待识别文件的标题、印章、单位等关键要素进行检测识别，通过自定义不同要素权重，对待识别文件进行分数量化，并设定阈值以此判断是否属于版式文件。 使用pytorch框架对算法模型进行设计、调优。同时使用ncnn前向推理框架，完成算法模型在c 环境下的部署。