Dec, 2021

基准测试中文文本识别：数据集，基线和实证研究

PDF
TL;DR本文填补了中文文本识别领域的数据集缺失和统一的评测标准，提出了搜集四大类中文文本数据集的方法，为各类应用场景提供基准，并探究了基于偏旁部首的辅助方法对中文识别性能的提升。
chinese text recognitiondatasetevaluation protocolsradical-level supervisionperformance
发现论文，激发创造
  • 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

  • 使用经过预训练的类 CLIP 模型通过图像 ID 同步的中文文本识别

    我们提出了一个受人类认知中文文本方式启发的两阶段框架，通过对齐印刷字符图像和表意描述序列（IDS）来预训练一个类似 CLIP 的模型，从而改进传统的单字符识别到文本行识别，并在两种基准测试中证明了该方法的有效性，特别是在零样本中文字符识别方面表现出色。

    Sep, 2023

  • ICDAR2017 野外中文文本阅读比赛（RCTW-17）

    RCTW is a Chinese text reading competition featuring a large-scale dataset with 12,263 annotated images and two tasks, text localization and end-to-end recognition, which provides a research opportunity for Chinese text reading in natural images.

    Aug, 2017

  • 离线手写中文文本识别与卷积神经网络

    本文研究基于深度学习的方法在离线手写中文文本识别领域的应用，使用只有卷积神经网络的模型和 CTC 损失函数实现，采用 Dropout 方法以防止过拟合，最终在 ICDAR 2013 竞赛数据集上实现了 6.81% 的字符错误率，为同等条件下最好的研究结果。

    Jun, 2020

  • 基于 CNN 的带有合成数据引擎的场景中文文本识别算法

    本文提出了一种基于卷积神经网络的中文文本识别算法，并设计了一种合成数据引擎，用于生成代表性的中文场景字符图像来扩大数据集。通过对中文文本识别 CNN 架构进行修改，本算法在两个中文文本数据集上得到了更好的识别精度为基准方法。

    Apr, 2016

  • 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

  • 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

  • 首届中文机器阅读理解评测数据集

    本文提出了一种新的中文阅读理解数据集 —— 包括选择题和用户问题阅读理解，并且是人工验证和隐藏测试集的大规模训练数据。同时，还举办了首届中文机器阅读理解评估（CMRC-2017），成功吸引了数十名参与者。

    Sep, 2017

  • CTC 2021 概述：面向母语者的汉语文本纠错

    本文介绍了 CTC 2021，一项针对母语为中文的文本校正任务，并讨论了任务的定义、训练数据、评价以及参与者尝试的方法，提供了公共数据集以推进该研究领域的未来发展。

    Aug, 2022

  • MCTS：一份多参考的中文文本简化数据集

    该论文介绍了一种多参考中文文本简化数据集 (MCTS)，并对一些无监督方法和先进的大型语言模型的性能进行了评估，以期通过基础工作建立对中文文本简化的基本理解，并为未来的研究提供参考。

    Jun, 2023