按照自动成像协会（AIA）在美国，机器视觉是照相机、图像传感器等硬件和图像处理软件的组合，这些硬件可以让机器(如机器人)“看到”周围环境，从而帮助自动化应用程序，如检查和分析。
机器视觉开始被应用于如利用卫星图像，以衡量经济走势的高层次的情感（如识别零售公司实际交通量），以及人类的情感在金融应用。
例如，在一个航运港口看集装箱的卫星图片和进出端口可能的分析它们的运动帮助投资者获得关于进出口趋势的见解。同样，店内摄像头在零售商店可能能够衡量基于人类表情的客户满意度的（可能会被归类为快乐或悲伤）通过机器视觉捕获或非语言线索。
我们的目标是突出当前使用情况在金融领域的机器视觉应用。通过我们的研究，我们能够将这些分成以下几部分：
- 分析属性下的保险
- 对于投资策略卫星图像分析
- 自动化文档信息摘录
有关AI解决方案如何帮助金融机构和银行改善业务操作的更多信息，下载执行摘要我们在银行供应商记分卡和能力图报告AI。
我们来看看由AI厂商开始了与下面普分析财务应用程序进行案例研究：
分析属性下的保险
普分析
普分析始建于2014年，总部设在山景城和德国慕尼黑。38雇员公司声称是使用AI来分析卫星图像，以允许保险公司在承销的时间查看有价值的性质的属性。该公司的权利要求书中使用图像识别和机器学习，以确定属性的物理特性，如屋顶或建筑物底部的状态。
普Analytics（分析）提供的，可以通过他们的客户在保险空间被访问属性信息数据库：
- 确认财产的特性，如房子的外观和油漆工作的当前状态。当保险代理需要提供报价时，能够立即查看属性特性数据可能会极大地提高报价速度和准确性，因为传统的方法是安排物理检查。
- 救命再保险公司监控客户投资组合，并测试由这些客户端所提供的数据的准确性，（例如，它声称以识别如果一个属性具有相同数量的山墙屋顶的报道）。
保险公司可能会使用普分析软件访问特定属性的细节，如屋顶或通过软件的用户仪表板建筑规模和条件。保险代理人可能是能够迅速核实有关属性的详细信息，看看他们给客户最优化的报价，根据开普敦。
有些读者可能会注意到功能普分析通告采取不同的方法来一些常见的服务，在保险空间。这有很多事情要做AI创业公司如何发展自己的产品，并在那里获得了灵感。我们谈了同李斯莫尔伍德，市场和证券，北美首席运营官花旗这个在我们的播客，AI在银行。当被问及AI初创企业如何倾向于建立自己的产品，斯莫尔伍德说：
典型的模式是，一个创业公司会确定一个非常具体的垂直方向，然后将大型金融机构的产品进行拆分，并朝着这个方向努力。因此，我认为，任何一种高维、多障碍的问题，都有很多机会让银行采用更多的人工智能。这可能是在发放贷款(或基于多种因素做出交易决策)时考虑信用评分以外的其他选择。我认为应用程序是无数的，但真正重要的是什么推动了这些。
当使用普分析仪表，代理将进入物业地址，或者在搜索栏属性的纬度和经度坐标。该软件将显示的属性特征的报告，其中包括卫星图像可用于衡量保险索赔的真实性或建议适当的报价。
下面是一段来自Cape Analytics的3分钟视频，它解释了该软件如何帮助保险公司快速获取财产详情:
我们无法找到普分析任何详细的个案研究。然而，似乎有一些证据该公司已与保险公司类似安全第一保险，XL卡特林，和络项目工作。
普分析与当前保险公司工作
根据Oxbow的合作伙伴普Analytics（分析）一起工作领先的美国地区性运营商提高效率，客户体验和减少对传统人为本的检查过程中的成本。
普分析称，他们访问其客户的数据，如屋顶的几何形状和顶板条件下提供保险，以帮助该公司分析了客户端性能可能需要采取行动的检查干预。
普还称，保险公司50％以上降低检查支出和能够消除来自循环的物理检查客户的参与，同时还确保承保是准确的。
在另一个项目中，开普声称已与XL卡特林的再保险业务，以帮助提高再保险的购买和定价决策的工作，虽然对项目的进一步细节在写作时不可用。
普分析目前提供的服务与个人或个人的房屋，并计划经营以扩大其现有的财产拥有商业保险和抵押贷款检查保险公司。
没有进一步的细节被故道关于上述上市公司开普省的工作给予。
SUAT Gedikli首席技术官兼普分析的创始人以前获得从慕尼黑技术大学获得计算机科学，图像处理和概率状态估计博士学位。他还担任过柳树车库的研究工程师（这催生几个分拆公司，包括工业和知觉hiDOF公司，后来被谷歌收购）
对于投资策略卫星图像分析
轨道洞察
轨道洞察力，成立于2013年帕洛阿尔托，加利福尼亚州，声称使用人工智能来分析来自卫星的地理空间影像，无人机S，和飞机哄了在全球和区域尺度的社会经济发展趋势。
轨道洞察声称，它可以帮助客户，如对冲基金或财富500强公司利用使用图像处理，机器学习算法的地理空间数据的来源众多，以及云计算产生交易的见解。
一家投资公司，例如，可以使用轨道的Insight平台，以评估在空间拍摄的集装箱直通鹿特丹，建设的速度在中国的一个项目，或汽车在沃尔玛停车场使用图像数量的端口移动的次数30米分辨率的图像至20厘米。它也可以用在分析多年图像小时的时间尺度。轨道见解声称他们看历史影像和知名的经济趋势，以培养他们的图像分析模型，然后将预测结果利用卫星图像当期损益。
虽然我们无法找到如何应用程序界面的外观给用户，从我们的研究，我们相信这个平台的细节可以集成到现有金融机构的内容管理系统。投资公司的员工可以使用他们的CMS的见解选项卡，查看被分析轨道的产生的见解和卫星图像。
下面这3分钟的视频解释是什么导致了轨道Insight的技术的发展：
根据他们的网站，轨道洞察可能会帮助金融服务领域的客户:
- 投资研究 - 股票，大宗商品，衍生品及实物资产
- 多资产类别交易-消费者需求，生产和分配，作物健康和产量估计
- 房地产投资信托基金（REITs） - 资产利用率和监控，交通流密度
- 投资银行和私募股权 - 兼并和收购（M＆A），合并或春卷，资产剥离，出让和尽职调查
该公司声称他们可以提供这些服务：
- 监测并在石油和天然气领域跟踪全球石油库存为投资者和利益相关者。
- 跨特定地区或国家确定活动的钢铁厂的水平
- 在零售商店量化流量为销售或收入每天或每周代理
- 在养殖场测量和预测某些作物的产量来衡量一个作物生长周期的利润。
虽然我们可以发现在不同的行业领域使用轨道见解的证据，或任何具体的项目，该公司承担了在金融领域的利益相关者的详细信息。轨道洞察力，但是，已经与迈尔斯研究，家乡建设数据提供商合作。此次合作涉及迈尔斯整合轨道Insight的地理空间分析到它的住房市场数据的应用程序，风之子。
轨道观察公司的首席发展官Dave Story之前在麻省理工学院获得电子和计算机科学的学士和硕士学位，是Tableau软件公司Lucasfilm的首席技术官和副总裁战略。
该公司的首席软件架构师，哈维尔·巴雷罗，有来自得克萨斯大学奥斯汀分校和以前的经验，作为一个计算机科学家在美国航空航天局艾姆斯研究中心运筹学学士学位。
自动化文档信息摘录
HyperScience
HyperScience，创办于2014年在纽约，大约有61名员工。HyperScience提供机器视觉产品的品牌名称HyperEXTRACT，该公司声称可以帮助金融保险企业自动化的文档数据提取。这可以帮助企业节省时间和评估大量的产品，其传统上由人的工人来做进入的纸文档或表格的费用。
- HyperScience第一个迹象与金融公司允许他们自己的自动化数据收集过程的合同。在许多情况下，增加这个服务之前，金融机构和保险公司的收发室可能会收到大量的问题需要组织文件，其中可能包括手写的贷款申请或索赔形式。
- HyperScience声称，他们的软件可以帮助企业进行数字化，通过使用机器视觉这些进来的纸质文档，然后分离它们被人类员工的审查。传统上，这过程是通过手动输入数据或光学字符识别技术，这两者都是冗长且容易出错的完成。
- HyperScience与客户合作，以他们的形象识别系统集成到金融机构确保该系统继续功能，甚至在初始积分周期后，对现有收发室过程。
- 当文档从金融机构的员工送入系统，该公司声称，提取物能自动识别并了解每种类型的传入文件和排序它们发送到相应的加工队伍。
- 据该公司称，最初理解这些文档的数据输入团队可能会减少手工组织。他们注意到，这些团队可以调整他们的角色，包括审查和确保机器学习软件输入的字段的准确性。
虽然我们无法找到一个演示视频或高清晰度产品照片，我们可以从HyperScience告诉可以分析文档或手写的字。它然后将这个数据转换成数字的文本文件，它归类并发送到正确的公司职员。
在下面的视频中，从3:33开始，HyperScience的业务开发副总裁Anatola He演示了该软件如何比光学字符识别技术更准确地“阅读”手写文本
普分析与当前保险公司工作
HyperScience声称曾与在澳大利亚证券交易所上市的QBE保险公司合作，通过提高准确性和降低成本来简化索赔过程。QBE在处理现有索赔时遇到以下挑战:
- 从索赔要求中提取数据是高度手工和耗时的。
- 进展缓慢意味着从表单中提取完整的数据集非常昂贵，而且很少完成。(在大多数情况下，只提取重要的数据点)。
- 所提取的数据并没有组织和“干净”，使其很难获得由数据分析见解。
我们可以找到在什么样的货币或运营效益进行了后整合取得条款与QBE HyperScience合作没有量化的结果。HyperScience声称QBE已与HyperScience一个为期多年的协议在全球范围内推出跨QBE办公室他们的解决方案。
HyperScience声称，他们的软件在QBE7周签订协议的范围内全面实施。据HyperScience整合只需要少量的配置更改系统将它与QBEs内容管理系统进行集成。
HyperScience声称，整合帮助时相比任务正在被人类工人来完成，虽然我们无法独立核实这一说法给QBE从客户处收集文档的完整数据集在不增加成本（除了为服务支付）。HyperScience还声称，QBE能够在QBE的收发室整合他们的系统后，提高保险公司对客户的响应时间。
彼得·布罗德斯基他是HyperScience公司的首席执行官，在康奈尔大学获得了计算机科学学士学位。在转向超级科学之前，他是SoundCloud的工程总监。我们找不到其他超级科学在与大公司合作的项目中发挥作用的例子。
Captricity
Captricity始建于2011年在加利福尼亚州奥克兰拥有约58名员工。该公司提供的解决方案的AI，他们声称可以帮助企业提取的客户文档中的数据包括手写文档的速度远远超过人类工人做同样的工作。Captricity还声称，在保险，医疗保健和政府部门工作过的机器视觉项目。
该公司表示，完全自动化纸 - 数字战略，显着提高处理能力的企业。企业可以潜在地降低运营成本，并使用Captricity的机器视觉解决方案从纸质文档提高数据提取的吞吐量。
下面是一个2分钟的解释器的视频显示Captricity如何帮助各行业实现纸质文档的数字化与客户关系管理工具，如Salesforce集成：
Captricity工作，这些公司使用机器人过程自动化（RPA），以帮助先前封闭自动化开拓过程并肩作战。
美国保险公司New York Life Direct想要处理商业回复卡片，这是他们“领先一代”活动的一部分。然而，他们很难找到一款能够准确捕捉笔迹的软件，而只是雇佣一组人工数据录入专家来完成这项任务，这既不具可扩展性，也不具成本效益。
Captricity声称他们帮助纽约人寿直接启动与超过100不同版本的保险优惠活动的能力排序自动数据数字化解决方案。Captricity的宣称，其解决方案也可以与纽约人寿的现有遗留系统集成。
其结果是，它们改进的精确度％至99.5％（相对于与第三方卡验证小于94％的）。他们还降低了50％的总运营成本和减少处理时间从几天缩短到几小时。目前还不清楚整合的时期持续了多久或如何尽快这些结果是实现了整合后。
机器视觉的短期趋势财经
作为我们研究的一部分，我们注意到的趋势和模式，企业希望利用机器视觉可能要做到心中有数。我们列出以下这些趋势，并试图凝聚，需要到知道事实的商界领袖在金融领域。
需要知道企业：
- 在金融领域，业务流程自动化最常见的限制因素之一似乎是继续使用基于纸张的表单和文档。
- 正如HyperScience和Captricity这样的公司所看到的，人工智能如今可以帮助企业克服这些书面记录的限制。如今，使用人工智能进行图像识别，可以帮助企业以人类无法企及的速度和规模，自动完成从文档和表单收集数据的过程。
- 虽然这些系统的准确性得到随着时间的推移更好，还有在大多数情况下，三到四个星期的训练期间任何实际效果可以放心了。
- HyperScience声称，他们与QBE的合作持续了7周。在金融企业领导人可能需要了解机器视觉整合并不像一个“黑箱”，其中一个企业可以购买软件，并立即开始使用它。
- 整合需要从输入团队成员在不同的部门谁与排序和确定每个进来的表单正确的部门形式上下文处理。
- 卫星图像能帮助真正的靴子到实地工作在新的项目中发生的见解给予投资者。
- 例如，像轨道见解或普分析公司可能能够提供金融机构和投资者有类似结构的项目或基于在停车场的一些车辆的特定商店消费计数状态见解。
标题图片来源:TechCrunch
