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 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

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

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

该报告介绍了我们在 ICDAR 2023 Robust Layout Segmentation in Corporate Documents 比赛中的结果，使用文档布局理解的视觉模型，数据增强，集合方法，以及显而易见的趋势：采用视觉转换器方法，取得了显着的进展，以达到鲁棒性和高度泛化的文档布局理解。

May, 2023

本文介绍了科技文献对自然语言处理的挑战和 ICDAR 2021 科技文献解析竞赛的使用，并展示了该竞赛在文档布局识别和表格识别方面的高性能成果。

Jun, 2021

本文介绍了我们参加 ICDAR 2021 科学文献解析任务 B 的解决方案，其中我们将表格内容识别任务分解为四个子任务：表格结构识别，文本行检测，文本行识别和框分配。我们的方法在开发阶段的 9,115 个样本上实现了 96.84％的 TEDS 分数，在最终评估阶段的 9,064 个样本中实现了 96.32％的 TEDS 分数，表明我们的方法在表格识别方面达到了很好的效果。

May, 2021

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

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

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