Sep, 2019

ICDAR 2019 大规模街景文本部分标注竞赛 --RRC-LSVT

PDF
TL;DRICDAR 2019-LSVT competition aims to improve the performance of text reading from street view images through exploring state-of-the-art methods on a Large-scale Street View Text with Partial Labeling (LSVT) challenge, which provides 50,000 and 400,000 fully and weakly annotated images, respectively, leading to 41 teams participating in the two proposed tasks of text detection and end-to-end text spotting.
text readingstreet view imageslsvt challengetext detectionend-to-end text spotting
发现论文，激发创造
  • 基于部分监督学习的大规模中文街景文字阅读

    该研究提出了一个大规模的文本阅读基准数据集，名为 Chinese Street View Text（C-SVT），可用于评估深度学习模型的性能。同时，介绍了使用弱标注数据的部分监督学习框架进行文本识别的方法。基于该框架，提出了一种在线提议匹配模块和一种共享参数的定位算法，以提高模型的端到端识别表现，并在 ICDAR 2017-RCTW 数据集中取得了最新的结果。

    Sep, 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

  • 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

  • ICDAR 2023 结构化文本提取竞赛之视觉丰富文档图像

    ICDAR 2023 competition on Structured text extraction from Visually-Rich Document images (SVRD) organized with two tracks for evaluating end-to-end Complex Entity Linking and Labeling and Zero-shot / Few-shot Structured Text extraction respectively, with more than 50 types of visually-rich document images from enterprise applications, attracting 35 and 15 participants respectively and revealing a large gap in expected information extraction performance for complex and zero-shot scenarios.

    Jun, 2023

  • RSGPT：遥感视觉语言模型与基准

    大规模语言模型的出现显著推动了人工智能的快速发展，并引发了人工智能 2.0 的革命。远程感知领域对于开发专门针对数据分析的大规模视觉语言模型越来越感兴趣。然而，目前的研究主要集中在视觉识别任务上，缺乏对齐并适用于训练大规模视觉语言模型的全面、大规模图像 - 文本数据集，这对于有效训练此类模型构成了重大挑战。本研究构建了一个高质量的远程感知图像字幕数据集（RSICap），用于促进 RS 领域大规模视觉语言模型的发展。与以往通过模型生成的字幕或简短描述的数据集不同，RSICap 包括 2,585 个人工注释的字幕，具备丰富和高质量的信息。该数据集为每个图像提供了详细的描述，包括场景描述（例如居住区、机场或农田）以及对象信息（例如颜色、形状、数量、绝对位置等）。为了促进在 RS 领域中对视觉语言模型的评估，我们还提供了一个基准评估数据集 RSIEval，它包括人工注释的字幕和视觉问答对，可以全面评估在 RS 背景下的视觉语言模型。

    Jul, 2023

  • 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

  • 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

  • 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

  • 基于众包图像实现大规模建筑属性映射：Flickr 中的场景文本识别及待解决问题

    通过 Flickr 图像数据集，在众包平台上使用先前训练好的场景文本识别模型实现建筑属性映射，研究了街景图像中应用场景文本识别的挑战，发现了与该任务相关的问题和挑战，并提出发展不仅限于城市热点区域的城市范围内的映射，同时建议跨学科合作以了解建筑摄影和标注背后的动机。

    Sep, 2023

  • 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