Nov, 2023

泥地间的阅读：一个具挑战性的摩托车赛车手编号数据集

PDF
TL;DR本文介绍了离线摩托车 Racer 编号数据集 (RnD)，这是一个针对光学字符识别 (OCR) 研究的新的具有挑战性的数据集。RnD 包含来自专业摩托车赛车摄影师的 2,411 张图像，展示了越野比赛中的摩托车赛车手。该数据集具有使 OCR 变得困难的各种因素，包括泥浆遮挡、动态模糊、非标准字体、光晕、复杂背景等。我们的实验基准测试了领先的 OCR 算法，并在 RnD 上展示了仅有 0.527 的端到端 F1 分数，即使在微调后也是如此。对于不同遮挡类型的性能分析显示泥浆是主要挑战，与正常条件相比，这会严重降低准确性。但模型在其他因素包括光晕、模糊、阴影和灰尘方面表现困难。分析揭示了改进的巨大空间，并突显了现有模型的失败案例。RnD 是推动在非受限自然环境中鲁棒地识别文本这一开放问题上取得创新的有价值的新基准。作者希望社区能够基于这个数据集和基准实验来取得进展。该数据集可在此链接中获取：https:// 此处链接
发现论文，激发创造
  • 越过泥泞：离路赛车中的计算机视觉数据集和基准

    在非受限和极端环境下的图像识别中，光学字符识别 (OCR) 和计算机视觉系统取得了显著的进展，但仍存在识别文本和识别人物的难题。为了解决这些问题，本研究引入了两个新的挑战性真实世界数据集，通过简化、模糊和运动模糊等多种因素来突出当前方法的不足，并推动 OCR 和人物再识别在极端条件下的发展。我们使用最先进的模型在这两个数据集上建立了基准性能，结果显示目前的通用模型表现不佳，仅在文本识别上达到 15% 的 F1 得分和人物重新识别的 33% 的排名准确率。经过微调后，模型性能得到了较大的提升，文本识别的 F1 得分达到了 53%，人物重新识别的排名准确率达到了 79%。然而，仍然需要面向特定领域的技术来解决现实世界 OCR 和人物重新识别中的开放问题。通过这些数据集和对模型限制的分析，我们旨在促进处理泥土和复杂姿势等现实世界条件的创新，推动鲁棒计算机视觉的进展。所有数据来源于 PerformancePhoto.co，这是一个专业汽车运动摄影师、车手和粉丝使用的网站。最佳文本识别和人物重新识别模型已在该平台上部署，用于实时赛车照片搜索。

    Feb, 2024

  • MUDD: 极端条件下适用于越野赛车手的新再识别数据集

    在无约束环境中重新识别个体仍然是计算机视觉领域的一个未解决的挑战。我们介绍了 Muddy Racer 重新识别数据集（MUDD），这是第一个用于在越野比赛中匹配摩托车赛手身份的大规模基准测试。MUDD 展现了现有重新识别数据集中前所未见的重度泥浆遮挡、运动模糊、复杂姿势和极端光照条件。我们提出了一种整合辅助信息的注释方法，将标注时间减少了 65% 以上。我们使用 OSNet 和 ResNet-50 等最先进的重新识别模型建立了基准性能。最佳模型在未进行微调的情况下仅达到 33% 的 Rank-1 准确率。在 MUDD 上进行微调可以将结果提升至 79% 的 Rank-1，但仍有改进的空间。我们分析了泥浆、姿势、光照等现实因素对重新识别个体的影响。我们的工作揭示了在极端条件下重新识别个体的开放问题。我们希望 MUDD 能够成为一个多样且具有挑战性的基准测试，以推动鲁棒重新识别，特别是用于新兴体育分析的计算机视觉应用。所有代码和数据可以在此 https URL 找到。

    Nov, 2023

  • DDI-100: 文本检测和识别数据集

    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。

    Dec, 2019

  • RSUD20K: 自动驾驶中的道路场景理解数据集

    公路场景理解在自动驾驶中至关重要，使机器能够感知视觉环境。本文介绍了 RSUD20K 数据集，它由来自孟加拉国道路的超过 20K 张高分辨率图像组成，包含 13 种物体的 130K 个边界框注释。我们的工作在以往努力的基础上显著改进，提供了详细的注释和更复杂的物体。我们对数据集进行了全面的研究，对各种最先进的目标检测器进行了基准测试，并探索了大型视觉模型作为图像注释器。

    Jan, 2024

  • 基于众感技术的道路损伤检测挑战赛（CRDDC-2022）

    本文概述了基于众感检测的道路损坏检测挑战赛，数据集由六个国家的 47,420 张道路图像组成，来自 19 个国家的 60 多个团队参赛，最佳模型使用 YOLO 和 Faster-RCNN 系列模型的集成学习方法，取得所有 6 个国家测试数据的 F1 得分为 76％。

    Nov, 2022

  • RDD2022：用于自动道路损伤检测的跨国图像数据集

    该论文介绍了数据集 RDD2022 及其标注，是一个由多个国家的 47,420 张道路图像组成的数据集，旨在通过 RDD2022 进行低成本道路状态自动监测，并提出了基于深度学习方法的自动道路损害检测解决方案的挑战。

    Sep, 2022

  • RSRD：安全舒适自动驾驶的道路表面重建数据集和基准

    通过对道路表面的重建，提高自主车辆的分析和预测能力，本研究介绍了道路表面重建数据集（RSRD），并构建了一个综合性基准用于恢复道路剖面的深度估计和立体匹配任务。初步评估结果显示我们的数据集的有效性，并强调了 RSRD 作为推动安全自动驾驶等技术的有价值资源。

    Oct, 2023

  • 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

  • 使用深度卷积神经网络从街景图像识别多位数

    本文提出了一种集成了多个步骤的深度卷积神经网络，直接在图像像素上解决了识别街景图像中任意多位数字的难题，并在公开数据集 SVHN 上达到超过 96% 的识别率，在识别每个数字的任务上超过了当前最先进的技术，在 reCAPTCHA 上的识别准确率为 99.8%，表明该系统在特定操作阈值下可以与甚至超过人类操作员的性能。

    Dec, 2013

  • 使用新颖数据集的车辆与车牌识别技术用于收费

    本研究提出了一个自动化的框架，由三个步骤组成：车型识别、车牌定位和阅读。我们使用深度学习算法，在新采集的多样化车型和车牌数据集上进行训练， 最终在车型识别、车牌定位和阅读三个任务中，YOLOv4 算法获得了最佳表现，同时我们也发布了我们的数据集和训练代码。

    Feb, 2022