Mar, 2021

ICDAR2019 扫描收据 OCR 和信息提取竞赛

PDF
TL;DR本文介绍了通过 ICDAR 2019 比赛推广的扫描收据 OCR 和关键信息提取（SROIE）技术，它可以从扫描的收据中提取出关键信息并将其保存为结构化文档，以用于多种商业应用，但该领域中已发表的研究工作和进展非常少。
scanned receipts ocrkey information extractionsroieicdar 2019 competitiondocument analysis applications
发现论文，激发创造
  • 扩展 TrOCR 实现全页扫描收据图像的文本免定位 OCR

    本研究提出了一个基于 Transformer 的 OCR 模型，用于提取收据图像中的字符序列，无需定位文本。该模型能够在不需要额外处理的情况下，将整个收据图像中的字符识别准确，并按阅读顺序排列。

    Dec, 2022

  • 野外环境下的视觉信息提取：实用数据集和端到端解决方案

    该论文提出了一个更实际的数据集和一种新颖的端到端学习框架，通过对比学习缩小 OCR 和信息提取任务之间的语义差距来实现 VIE，然后在这个新数据集上评估现有的 VIE 方法并展示了性能提升。

    May, 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

  • CORU: 全面的后光学字符识别解析与收据理解数据集

    这篇论文介绍了一种新颖的数据集 CORU，旨在增强 OCR 和信息提取技术在多语言环境中处理阿拉伯语和英语收据的能力，并评估传统方法和基于神经网络的方法在 CORU 上的性能。

    Jun, 2024

  • DocILE 2023：文档信息本地化与提取

    该研究提供了一个大规模的公开数据集：DocILE，用于从半结构化商业文件中提取关键信息和识别项目行。该数据集将用于业界的基准测试，并鼓励计算机视觉、自然语言处理和信息检索等领域的贡献。

    Jan, 2023

  • 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

  • ICDAR 2023 读取印章比赛

    本文介绍了 ICDAR 2023 印章标题文本识别（ReST）比赛，并概述了比赛的组织、挑战和结果，报道了来自学术界和工业界的 53 位参与者，包括 28 个 Task 1 的提交和 25 个 Task 2 的提交，结果表明印章标题文本识别领域已取得了重要进展，激励了进一步的研究和发展。

    Apr, 2023

  • RealKIE: 为企业关键信息提取设计的五个新数据集

    RealKIE 是一个具有五个具有挑战性数据集的基准测试，旨在推进关键信息提取方法，重点关注企业应用。这些数据集包括一系列不同类型的文档，包括 SEC S1 文件，美国保密协议，英国慈善报告，FCC 发票和资源合同。除了介绍这些数据集外，我们还提供了详细的注释过程、文档处理技术和基准建模方法的描述，以促进开发能处理实际挑战并支持研究产业特定问题的信息提取技术的进一步研究。

    Mar, 2024

  • 深度阅读器：通过关系抽取和自然语言从文档图像中提取信息

    这篇论文介绍了一种名为 DeepReader 的新型企业级综合框架，其通过识别文档图像中的视觉实体并在不同实体之间填充元关系模型来促进文档图像中的信息提取，包括从表格、图表、脚注、文本框和标题等视觉实体中提取相关信息。

    Dec, 2018

  • 公共文件信息提取基准中的信息冗余和偏差

    本研究通过对公共基准数据集 SROIE 和 FUNSD 进行实验，揭示了这两个数据集中存在的训练和测试文件的显著相似性，并提出了重采样策略以更好地评价模型对于具有不同文档注释的真实用例的泛化能力。模型在调整后的划分上效果下降 10.5% 至 SROIE 和 3.5% 至 FUNSD。

    Apr, 2023