在POI数据生产中，高德主要运用了以下几种计算机视觉技术：
- 自然场景文字识别：从一张图片中，找到里面的文本，给出正确的字符。这是一个具有挑战性的任务，因为文本可能出现在各种背景和光照条件下，字体、大小写、方向等也可能各不相同。高德使用深度学习技术，如卷积神经网络（CNN），进行文字识别。这些网络能够从训练数据中学习到识别文字的特征，并在测试时进行准确识别。
- 文本属性判定：这个任务主要是判断一个文本行是否为POI名称。这需要考虑文本的内容、位置等多个因素。例如，仅仅根据“会员上网，2元/小时”这样的文本，可以初步判断这可能不是POI名称。而当文本为“百世快递”并且出现在店铺的牌匾上时，更有可能是POI名称。高德使用图像和文本双通道的卷积神经网络进行属性判定，取得了较好的效果。
- 结构化输出：在识别出POI名称后，需要将其结构化输出。这包括提取名称、位置、营业时间等信息。高德使用自然语言处理（NLP）技术进行文本的结构化处理，如命名实体识别（NER）和关系抽取等。这些技术能够从文本中识别出特定的实体和关系，如地点、时间、业务等，从而为地图提供更丰富、更准确的信息。
- 名称自动生成：在某些情况下，POI名称可能无法直接从图像中获取，或者获取的名称可能不够准确。在这种情况下，高德使用计算机视觉技术和自然语言处理技术进行名称的自动生成。例如，通过分析图像中的内容和位置信息，结合高德已有的知识图谱，可以生成合理的POI名称。同时，为了确保生成的名称准确、合理，高德还引入了人工审核机制。
- 语义分割：为了确定每个牌匾的独立边界，高德引入了语义分割技术。这有助于确保主名称的唯一性。
- 降噪处理：在处理图像时，可能会遇到一些无效的POI文本。为了确保数据的准确性，高德使用了图像和文本双通道的卷积神经网络进行降噪处理，取得了比较明显的降噪效果。
- 数据标注与审核：为了确保数据的准确性，高德引入了人工标注和审核的环节。标注主要是对图像中的文本进行识别和分类，而审核则是对标注结果进行质量检查，确保数据的可靠性和准确性。
总的来说，高德在POI数据生产中运用了多种计算机视觉技术，包括自然场景文字识别、文本属性判定和结构化处理、名称自动生成等。这些技术不仅提高了数据的准确性，还大大提高了数据生产的效率。未来随着技术的不断发展，相信会有更多的计算机视觉技术被应用到POI数据生产中，进一步提高地图的准确性和丰富性。