CVPRDec, 2019

DDI-100: 文本检测和识别数据集

PDF
TL;DR本文提出了扭曲文档图像数据集（DDI-100），该数据集是基于 7000 张真实唯一的文档页面的合成数据集，包含超过 100000 个增强图像，标注信息包括文本和邮戳掩模、文本和字符边界框等，验证结果表明该数据集在文档分析等多种领域有很好的实用价值。
document analysistext detectionoptical character recognitiondatasetddi-100
发现论文，激发创造
  • MIDV-2019：现代基于手机的文档 OCR 的挑战

    本文介绍了一个包含在不同条件下使用现代高分辨率移动相机拍摄的影片的 MIDV-2019 数据集，其中包含解决诸如识别身份证件、文本字段识别等问题的方法和算法的方法组合。

    Oct, 2019

  • COCO-Text: 自然图像文本检测和识别数据集与基准

    本文介绍了 COCO-Text 数据集，该数据集基于 MS COCO 数据集，旨在推进自然图像的文本检测和识别。数据集中包含超过 173,000 个文本注释和超过 63,000 张图像，文本注释覆盖了文本的边界框、机器印刷文本和手写文本的分类、易读和难读文本的分类、文本的字体和可读文本的转录。本文还提供了数据集注释的准确性统计分析，并对三种最先进的光学字符识别方法在数据集上的表现进行了分析，结果表明文本检测和识别存在显著的不足，需要进一步研究。

    Jan, 2016

  • MIDV-500: 移动设备上身份证件分析和识别的视频流数据集

    本文介绍了一个 Mobile Identity Document Video 数据集 (MIDV-500)，其中包含来自 50 个不同身份证件类型的 500 个视频剪辑，提供了地面真实性，方便进行广泛的文档分析问题的研究，同时给出了人脸检测、文字行识别和文档域数据抽取的评估结果。

    Jul, 2018

  • DMDD：一个大规模的数据集用于数据集提及检测

    该研究介绍了 DMDD 数据集，它是目前用于科学文献数据集命名检测的最大公开语料库。通过对不同检测模型在 DMDD 上的表现进行分析，研究发现了数据集命名检测方面的一些问题，邀请社区使用该数据集开发新的检测模型。

    May, 2023

  • 重新审视用于具有视觉丰富度文档的表格检测数据集

    本文提出了一种新的数据集 Open-Tables 和 ICT-TD，利用领域专家指导手动注释，清理了现有数据集中的噪声，并将注释定义进行了统一，结果表明这些新数据集更适合交叉领域设置，可提供高质量和一致性注释，更可靠地进行模型评估。

    May, 2023

  • DOCCI：连接和对比图像的描述

    通过介绍 Descriptions of Connected and Contrasting Images (DOCCI) 数据集，本文表明 DOCCI 是一个有效的图像到文本生成的训练资源，并展示了当前文本到图像模型在捕捉长描述和细节方面的局限性。

    Apr, 2024

  • 从图书中构建图像与文本对数据集

    利用数字档案进行机器学习的新方法，通过光学字符阅读器（OCR）、物体检测器和布局分析器构建数据集，展示其在图像 - 文本检索和洞察力提取方面的有效性。

    Oct, 2023

  • DocVQA: 一个针对文档图像的 VQA 数据集

    我们介绍了一个名为 DocVQA 的基于文档图像的视觉问答数据集，并提出了该数据集与其他 VQA 和阅读理解数据集的详细分析。虽然现有模型在某些类型的问题上表现得还不错，但与人类表现相比存在较大的表现差距，需要特别在理解文档结构的问题上提高模型性能。

    Jul, 2020

  • 身份证和旅行文件的合成数据集

    本研究提出了一个新的合成身份证和旅行证件数据集（SIDTD），该数据集旨在帮助培训和评估伪造身份证件检测系统。通过在该数据集上训练先进模型并与较大但私有的数据集进行比较，有助于推动身份证件验证任务在图像分析领域取得进展。

    Jan, 2024

  • 自然场景下的中文识别

    介绍一个街景图中的大规模中文文本数据集，该数据集包含超过 30,000 张街景图中的大约 1 百万个中文字符，同时提供基准结果使用 AlexNet，OverFeat，Google Inception 和 ResNet 进行字符识别，使用 YOLOv2 进行字符检测。

    Feb, 2018