Nov, 2015

ICDAR 2015 鲁棒阅读竞赛挑战 4 中的非正式场景文本理解最近的进展

PDF
TL;DR本研究报告介绍了我们针对 ICDAR 2015 Robust Reading Competition Challenge 4 中的场景文本探测和识别问题的策略，以及与该领域之前的研究成果进行比较的方法。
发现论文，激发创造
  • ICDAR 2015 野外文本阅读竞赛

    该技术报告介绍了 ICDAR 2015 年 TRW2015 竞赛的最终结果，该竞赛旨在为设计用于中英文脚本的检测和识别算法提供基准，并为社区的研究人员提供一个游戏场。本文详细描述了数据集，任务，评估协议和参与者，报告了参与方法的性能，并讨论了未来研究的有前途的方向。

    Jun, 2015

  • ICDAR2019 关于任意形状文本的鲁棒性阅读挑战（RRC-ArT）

    本文报道了 ICDAR2019 关于任意形状文本 (RRC-ArT) 的鲁棒性阅读挑战，重点包括场景文本检测、场景文本识别、场景文本识别，并介绍了该挑战的数据集、任务描述、评估指标和参与者方法。

    Sep, 2019

  • ICDAR 2019 场景文本视觉问答竞赛

    本文介绍了 ICDAR 2019 场景文本视觉问答比赛 (ST-VQA) 的最终结果和新数据集，包括 23038 张图像和 31791 个文本实例答案，涵盖广泛的情景。该竞赛共有 3 个递增的任务，需要理解场景中的文本并回答问题。提出了一种新的评估度量标准，旨在评估文本识别和图像理解两种关键能力。结果分析提供了 VQA 系统当前的能力洞见。此数据集标志着使用场景文本实现全面图像理解的更强大、更通用的模型的重要里程碑。

    Jun, 2019

  • ICDAR2019 多语言场景文本检测和识别鲁棒性挑战 —RRC-MLT-2019

    本文介绍了基于 RRC-MLT-2017 的文本检测和识别竞赛，该竞赛包含一个新的端到端任务、一个现实图像数据集中的额外语言，一个大规模的多语言合成数据集以辅助训练，并提出了一个基线端到端识别方法。该竞赛总共收到了来自研究和工业界的 60 份提交，本文展示了该竞赛的数据集、任务和发现结果。

    Jul, 2019

  • ICDAR 2019 标牌中文文字鲁棒性识别挑战赛

    ICDAR2019-ReCTS 竞赛的最终结果已经公布，比赛以街景中的中文招牌为研究对象，共设置了四个任务，评估时采用了多个真值的评估方法，旨在解决中文文本的模糊性问题。

    Dec, 2019

  • 自然场景图像中的鲁棒文字检测

    本文提出了一种准确和鲁棒性较高的文本检测方法，通过设计快速有效的剪枝算法，使用最小化正则化变化策略来提取极值区域，然后通过单链接聚类算法将字符候选分组为文本候选，在使用一种自学习距离度量算法自动学习距离权重和聚类算法的阈值来识别文本候选，并使用字符分类器估计相应的文本候选的后验概率来消除具有高概率的非文本文本候选，并最终识别出文本。通过实验结果证明，该方法的检测效果优于其他竞争方法。

    Jan, 2013

  • 密集文本与小文本视频文本阅读比赛 (ICDAR 2023)

    本文描述了一项视频文本阅读基准（DSText），该基准专注于视频中具有挑战性的密集和小文本的阅读挑战，包括文本检测、跟踪和识别。

    Apr, 2023

  • 重新思考不规则场景文本识别

    本文介绍了基于矩形化的文字识别方法的一些技巧，使其在曲线文本数据集上表现出色，并在 ICDAR 2019 任意形状文本挑战中获得了较高的准确性。

    Aug, 2019

  • 面向任意形状场景文本的大规模端到端推理

    本文利用收集在 TextVQA 数据集的真实图像上的 900K 个文本单词，提出了任意形状的场景文本​​检测和识别系统 TextOCR，使用该系统训练的 OCR 模型 PixelM4C 在图像上进行场景文本​​推理，以达到新的 TextVQA 数据集上的最新性能水平。

    May, 2021

  • 2023 年 ICDAR 分层文本检测与识别竞赛

    我们组织了一个层级文本检测和识别的比赛，以促进对深度学习模型和系统的研究，这些模型和系统可以共同执行文本检测、识别和几何布局分析。比赛期间至少有 20 个团队提交了 50 份申请，本报告中还将介绍比赛结果和洞见。

    May, 2023